Khám phá sự giao thoa của AI Agent trong lĩnh vực Web3: từ Manus đến MCP

Gần đây, một sản phẩm AI Agent đa năng mang tên Manus đã thu hút sự chú ý rộng rãi. Là sản phẩm đầu tiên trên thế giới trong loại này, Manus thể hiện khả năng tư duy độc lập, lập kế hoạch và thực hiện các nhiệm vụ phức tạp một cách mạnh mẽ, mang đến những ý tưởng sản phẩm và cảm hứng thiết kế quý giá cho việc phát triển AI Agent. Với sự phát triển nhanh chóng của công nghệ AI, AI Agent, như một nhánh quan trọng trong lĩnh vực trí tuệ nhân tạo, đang dần từ khái niệm chuyển sang thực tế và thể hiện tiềm năng ứng dụng khổng lồ trong nhiều ngành nghề, ngành Web3 cũng không phải là ngoại lệ.

AI Agent là một chương trình máy tính có khả năng tự đưa ra quyết định và thực hiện nhiệm vụ dựa trên môi trường, đầu vào và mục tiêu đã định sẵn. Các thành phần cốt lõi của nó bao gồm mô hình ngôn ngữ lớn (LLM) đóng vai trò là "bộ não", cơ chế quan sát và nhận thức, quá trình suy luận, thực hiện hành động, cũng như trí nhớ và truy xuất. Mô hình thiết kế của AI Agent chủ yếu có hai hướng phát triển: một hướng chú trọng vào khả năng lập kế hoạch, hướng còn lại chú trọng vào khả năng phản ánh.

Mô hình ReAct là mô hình thiết kế AI Agent xuất hiện sớm nhất và được ứng dụng rộng rãi nhất. Nó giải quyết các nhiệm vụ suy luận ngôn ngữ và ra quyết định đa dạng bằng cách kết hợp suy luận trong mô hình ngôn ngữ (Reasoning) và hành động (Acting). Quy trình điển hình của nó có thể được mô tả như là vòng lặp: suy nghĩ (Thought) → hành động (Action) → quan sát (Observation).

AI Agent còn có thể được chia thành Single Agent và Multi Agent dựa trên số lượng tác nhân. Cốt lõi của Single Agent nằm ở sự kết hợp giữa LLM và công cụ, trong khi Multi Agent trao cho các tác nhân khác nhau những vai trò khác nhau, hoàn thành các nhiệm vụ phức tạp thông qua sự hợp tác phối hợp giữa các tác nhân.

Model Context Protocol (MCP) là một giao thức mã nguồn mở, nhằm giải quyết vấn đề kết nối và tương tác giữa LLM và các nguồn dữ liệu bên ngoài. MCP cung cấp ba khả năng để mở rộng LLM: Resources( mở rộng kiến thức), Tools( thực thi chức năng, gọi hệ thống bên ngoài) và Prompts( mẫu từ gợi ý đã được viết sẵn).

Trong ngành Web3, sự phát triển của AI Agent chủ yếu tập trung vào ba mô hình: mô hình nền tảng phát hành, mô hình DAO và mô hình công ty thương mại. Trong đó, mô hình nền tảng phát hành hiện có khả năng cao nhất để thiết lập vòng kinh tế tự cung tự cấp. Tuy nhiên, mô hình này cũng gặp phải vấn đề về sức hấp dẫn của tài sản.

Sự xuất hiện của MCP đã mang đến hướng khám phá mới cho AI Agent trong Web3. Thứ nhất, việc triển khai MCP Server trên mạng blockchain giúp giải quyết vấn đề điểm đơn và có khả năng chống kiểm duyệt; thứ hai, giúp MCP Server có khả năng tương tác với blockchain, giảm bớt rào cản kỹ thuật. Ngoài ra, còn có kế hoạch xây dựng mạng khuyến khích người sáng tạo OpenMCP.Network dựa trên Ethereum.

Mặc dù về lý thuyết, sự kết hợp giữa MCP và Web3 có thể cung cấp cho ứng dụng AI Agent cơ chế tin cậy phi tập trung và lớp động lực kinh tế, nhưng trình độ công nghệ hiện tại vẫn khó có thể hoàn toàn hiện thực hóa tầm nhìn này. Công nghệ chứng minh không tri thức khó xác minh tính xác thực của hành vi của Agent, và mạng phi tập trung cũng gặp phải vấn đề về hiệu suất.

Sự hòa nhập giữa AI và Web3 là một xu hướng không thể tránh khỏi. Mặc dù hiện tại vẫn đối mặt với nhiều thách thức, nhưng chúng ta cần giữ vững sự kiên nhẫn và niềm tin, tiếp tục khám phá tiềm năng của lĩnh vực này. Trong tương lai, thế giới Web3 có thể xuất hiện một sản phẩm mang tính bước ngoặt, phá vỡ những nghi ngờ bên ngoài về tính thực tiễn của Web3, thúc đẩy sự phát triển của toàn ngành.