Eksplorasi Lintas Sektor AI Agent di Bidang Web3: Dari Manus ke MCP

Baru-baru ini, sebuah produk AI Agent umum bernama Manus menarik perhatian luas. Sebagai produk pertama di dunia dalam kategori ini, Manus menunjukkan kemampuan berpikir mandiri yang kuat, merencanakan, dan melaksanakan tugas kompleks, memberikan ide produk dan inspirasi desain yang berharga untuk pengembangan AI Agent. Seiring dengan pesatnya perkembangan teknologi AI, AI Agent sebagai cabang penting dalam bidang kecerdasan buatan, secara bertahap bergerak dari konsep menuju realitas, dan menunjukkan potensi aplikasi yang besar di berbagai industri, termasuk industri Web3.

AI Agent adalah program komputer yang dapat membuat keputusan dan melaksanakan tugas secara mandiri berdasarkan lingkungan, input, dan tujuan yang telah ditentukan sebelumnya. Komponen inti terdiri dari model bahasa besar (LLM) sebagai "otak", mekanisme pengamatan dan persepsi, proses pemikiran dan penalaran, pelaksanaan tindakan, serta memori dan pengambilan kembali. Pola desain AI Agent memiliki dua jalur perkembangan utama: satu lebih menekankan kemampuan perencanaan, dan yang lainnya lebih menekankan kemampuan refleksi.

Mode ReAct adalah pola desain AI Agent yang pertama kali muncul dan paling luas diterapkan. Ini memecahkan berbagai tugas penalaran bahasa dan pengambilan keputusan dengan menggabungkan penalaran dalam model bahasa (Reasoning) dan tindakan (Acting). Proses tipikalnya dapat digambarkan sebagai siklus berpikir (Thought) → tindakan (Action) → pengamatan (Observation).

AI Agent juga dapat dibagi menjadi Single Agent dan Multi Agent berdasarkan jumlah agen. Inti dari Single Agent terletak pada kolaborasi antara LLM dan alat, sementara Multi Agent memberikan peran yang berbeda kepada agen yang berbeda, melalui kolaborasi antara agen untuk menyelesaikan tugas yang kompleks.

Model Context Protocol (MCP) adalah protokol sumber terbuka yang bertujuan untuk menyelesaikan masalah koneksi dan interaksi antara LLM dan sumber data eksternal. MCP menyediakan tiga kemampuan untuk memperluas LLM: Resources( perluasan pengetahuan), Tools( menjalankan fungsi, memanggil sistem eksternal) dan Prompts( template kata-kata petunjuk yang sudah ditulis sebelumnya).

Dalam industri Web3, pengembangan AI Agent terutama berfokus pada tiga model: model platform peluncuran, model DAO, dan model perusahaan komersial. Di antara ketiga model ini, model platform peluncuran saat ini memiliki kemungkinan terbesar untuk mencapai lingkaran ekonomi yang mandiri. Namun, model ini juga menghadapi masalah kurangnya daya tarik aset.

Munculnya MCP memberikan arah eksplorasi baru bagi AI Agent di Web3. Pertama, dengan menerapkan MCP Server pada jaringan blockchain, menyelesaikan masalah titik tunggal dan memiliki kemampuan anti-sensor; kedua, membuat MCP Server mampu berinteraksi dengan blockchain, menurunkan ambang batas teknis. Selain itu, ada juga rencana untuk membangun jaringan insentif kreator OpenMCP.Network berbasis Ethereum.

Meskipun secara teori penggabungan MCP dan Web3 dapat menyuntikkan mekanisme kepercayaan terdesentralisasi dan lapisan insentif ekonomi ke dalam aplikasi AI Agent, namun tingkat teknologi saat ini masih sulit untuk sepenuhnya mewujudkan visi ini. Teknologi bukti nol pengetahuan sulit untuk memverifikasi keaslian perilaku Agent, dan jaringan terdesentralisasi juga memiliki masalah efisiensi.

Integrasi AI dan Web3 adalah tren yang tak terhindarkan. Meskipun saat ini masih dihadapkan pada banyak tantangan, kita perlu tetap sabar dan percaya diri, terus menjelajahi potensi di bidang ini. Di masa depan, dunia Web3 mungkin akan muncul sebuah produk yang bersifat tonggak sejarah, mematahkan keraguan eksternal tentang kurangnya kegunaan Web3, dan mendorong perkembangan seluruh industri.