从Manus和MCP聊起：AI Agent的Web3跨界探索
3 月 6 日，一款由中国的创业公司 Monica 发布的全球首款通用 AI Agent 产品 Manus 在国内科技媒体和社交网络刷屏，上线第一天邀请码就全网一码难求，甚至闲鱼上一个邀请码都要 5 万，不过还是有不少行业 KOL 提前拿到了邀请码，铺天盖地的体验解读文章接踵而来。
Manus 作为通用 AI Agent 产品，具备从规划到执行全流程自主完成任务的能力，如撰写报告、制作表格等。它不仅生成想法，更能独立思考并采取行动。 以其强大的独立思考、规划并执行复杂任务的能力，直接交付完整成果，展现了前所未有的通用性和执行能力。
Manus 的爆火不仅带来了行业内的关注，也为各类 AI Agent 开发提供了宝贵的产品思路与设计灵感。随着 AI 技术的飞速发展，AI Agent 作为人工智能领域的重要分支，正逐渐从概念走向现实，并在各行各业展现出巨大的应用潜力，当然也包括 Web3 行业。
背景知识
AI Agent，即人工智能代理，是一种能够根据环境、输入和预定义目标自主做出决策并执行任务的计算机程序。AI Agent 的核心组成部分包括大语言模型（LLM）作为其「大脑」，使其能够处理信息、从交互中学习、做出决策并执行行动；观察和感知机制，使它能够感知环境；推理思考过程，涉及分析观察结果和记忆内容并考虑可能的行动；行动执行，作为对思考和观察的显式响应；以及记忆和检索，存储过去的经验以供学习使用。
AI Agent 的设计模式从 ReAct 出发，有两条发展路线：一条更偏重 AI Agent 的规划能力，包括 REWOO、Plan & Execute、LLM Compiler。另一条更偏重反思能力，包括 Basic Reflection、Reflexion、Self Discover、LATS。
其中 ReAct 模式是最早出现的 AI Agent 设计模式，目前也是应用最广泛的，因此这里主要介绍 ReAct 的概念。ReAct 是指通过结合语言模型中的推理（Reasoning）和行动（Acting）来解决多样化的语言推理和决策任务。它的典型流程如下图所示，可以用一个有趣的循环来描述：思考（Thought）→ 行动（Action）→ 观察（Observation），简称 TAO 循环。
-
思考：面对一个问题，我们需要进行深入的思考。这个思考过程是关于如何定义问题、确定解决问题所需的关键信息和推理步骤。
-
行动：确定了思考的方向后，接下来就是行动的时刻。根据我们的思考，采取相应的措施或执行特定的任务，以期望推动问题向解决的方向发展。
-
观察：行动之后，我们必须仔细观察结果。这一步是检验我们的行动是否有效，是否接近了问题的答案。
-
循环迭代
AI Agent 又可以根据智能体的数量分为 Single Agent 和 Multi Agent，Single Agent 的核心在于 LLM 与工具的配合，并且在完成任务的过程中，Agent 可能与用户有多轮交互。Multi Agent 则会为不同的 Agent 赋予不同的角色定位，通过 Agent 之间的协同合作来完成复杂的任务，但是在完成任务的过程中，相比于 Single Agent 来说，与用户的交互会少一些。目前大多数框架都聚焦于 Single Agent 的场景。
Model Context Protocol (MCP) 是由 Anthropic 公司于 2024 年 11 月 25 日推出的一项开源协议，旨在解决 LLM 与外部数据源之间的连接和交互问题。可以把 LLM 类比成操作系统，MCP 类比成 USB 接口，支持将外部数据和工具灵活插入，然后用户可以读取使用这些外部数据和工具。
MCP 提供了三种能力对 LLM 进行扩展：Resources（知识扩展）、Tools（执行函数，调用外部系统）、Prompts（预编写提示词模板）。MCP 协议采用 Client-Server 架构，底层传输使用的是 JSON-RPC 协议。任何人进行开发和托管 MCP Server，并且可以随时下线停止服务。
Web3 的 AI Agent 现状
在 Web3 行业中 AI Agent 的声浪自今年一月份到达高峰后大幅下降，整体市值更是缩水 90% 以上，目前声浪和市值较大的仍然是围绕 AI Agent 框架做 Web3 探索，分别是「以 Virtuals Protocol 为代表的发射平台模式」、 「以 ElizaOS 为代表的 DAO 模式」和「以 Swarms 为代表的商业公司模式」。
发射平台是允许用户创建、部署和变现 AI Agent 的平台， 类似 Meme 中的 pump.fun，但针对的是 AI Agent。Virtuals Protocol 是目前最大的发射平台，其上发行的 Agent 已经超过十万个，热度颇高的「币圈 KOL」 AIXBT 就是基于 Virtuals 创建的。Virtuals Protocol 包含了一个模块化 Agent 框架，称为 G.A.M.E，G.A.M.E 的核心定位是为开发者提供一个高效、开放的框架，让 AI Agent 的开发和上线像 WordPress 建站一样简单。
DAO 代表去中心化自治组织。ElizaOS（前身 ai16z）由 @shawmakesmagic 在 daos.fun 平台上创立，最初的理念是利用 AI 模型模拟知名风投机构 a16z 及其联创 Marc Andreessen 的投资决策，并结合 DAO 成员的建议来进行投资，后面发展成为以 Eliza 框架为核心的 AI Agent 开发者的 DAO。Eliza 框架使用 TypeScript 构建，为开发 AI Agent 提供了一个灵活且可扩展的平台，这些 Agent 可以跨多个平台交互，同时保持一致的个性和知识。
Swarms 由当前 20 岁的 @KyeGomezB 在 2022 年发起，是一个企业级的 Multi Agent 框架，Swarms 通过智能编排和高效协作，让多个 AI Agent 像团队一样分工协作，从而解决复杂的业务操作需求。最早，Swarms 只是一个 Web2 的 AI Agent 项目，按照创始人的说法，Swarms 有超过 4500 万个智能体在生产环境中运行，为世界上最大的金融、保险和医疗机构提供服务。在 2024 年 12 月发行代币 $SWARMS 后才正式从 Web2 转战到 Web3。
单纯从经济模型的角度考虑，目前只有发射平台可以实现自给自足的经济闭环。以 Virtuals 为例：
-
代理创建： 创建者在 Virtuals 平台上启动新的 AI Agent；
-
绑定曲线设置： 创建者支付 100 $VIRTUAL 代币，将为新代理的代币创建一个绑定曲线，并与 $VIRTUAL 配对。
-
流动性池创建： 一旦达到绑定曲线限制，代理“毕业”并创建一个代理代币与 $VIRTUAL 代币配对的流动性池，坚持没有内部人员的公平启动原则：没有预挖或内部分配，固定总供应量，流动性锁定较长时间。
Virtuals 除了收取 AI Agent 的发射费用，每次代理代币的交易还会收取交易费用，并且 AI Agent 通过 Virtuals 的 API 访问 LLM 还会收取推理费用。目前 ElizaOS 和 Swarms 都在计划搭建自己的发射平台。
当然发射平台也有问题，这种资产发行的玩法需要发行的资产本身有「吸引力」才能形成正向飞轮。目前绝大多数发射出的 AI Agent 本质上都是 Meme，没有内在价值支撑，一旦失去市场的注意力就会飞速归零。在当前冷清的市场环境，发射平台甚至都无法吸引创建者，所以经济模型实质上也无法运转。
MCP 的 Web3 探索
MCP 的出现给当前 Web3 的 AI Agent 带来了新的探索方向，最直观的有两个方向：
-
将 MCP Server 部署到区块链网络，解决 MCP Server 单点问题的同时具备抗审查；
-
MCP Server 具备和区块链交互的功能，例如进行 DeFi 交易和管理，降低技术门槛。
第一个方向对底层区块链的存储系统、数据管理能力和异步计算的能力都有极高的要求，可以选取类似 0G 这样的区块链。0G 是一个模块化 AI 区块链，具有适用于 AI dapp 的可扩展可编程 DA 层。 其模块化技术将实现链之间的无摩擦互操作性，同时确保安全性，消除碎片并最大限度地提高连接性，打造一个去中心化的 AI 生态系统。
第二个方向类似于 DeFAI 的变种，但目前 DeFAI 的后端都是自己封装的一系列 Function Call 中的 Tool，UnifAI 创建统一的 DeFAI MCP Server，避免了重复造轮子。UnifAI 是一个平台，可让自主 AI 代理在 Web3 生态系统中执行链上和链下任务。它具有用于任务自动化的 UniQ、代理服务市场和用于工具发现的基础设施。
除了上面两种方向外，LXDAO 和 ETHPanda 的创始人 @brucexu_eth 提出一种基于以太坊构建一个 OpenMCP.Network 创作者激励网络的方案。MCP Server 需要托管和提供稳定的服务，用户对 LLM 提供商付费，LLM 提供商将实际的激励通过网络分配到被调用的 MCP Servers 上从而维持整个网络的可持续性和稳定性，激发 MCP 的创作者持续创作和提供高质量内容。这一套网络将需要使用智能合约实现激励的自动化、透明、可信和抗审查。运行过程中的签名、权限验证、隐私保护都可以使用以太坊钱包、ZK 等技术实现。
虽然从理论上，MCP 与 Web3 的结合能为 AI Agent 应用注入了去中心化信任机制与经济激励层，但目前的零知识证明（ZKP）技术还难以验证 Agent 行为真实性，并且去中心化的网络还存在效率问题，这并不是一个短期能成功的方案。
总结
Manus 的发布标志着通用 AI Agent 产品的一个重要里程碑，在 Web3 的世界也需要一个里程碑的产品，来打破外界对于 Web3 没有实用性只有炒作的质疑。
MCP 的出现为 Web3 的 AI Agent 带来了新的探索方向，包括将 MCP Server 部署到区块链网络，以及 MCP Server 具备和区块链交互的功能，亦或是构建一个 MCP Server 创作者激励网络。
AI 是历史最宏大的叙事，对于 Web3 来说，与 AI 融合是不可避免的，我们依然需要保持耐心和信心，持续探索。
本文由 ZAN Team（X 账号 @zan_team ）的 pignard.eth（X 账号 @pignard_web3 ） 撰写。
注：本文仅作为技术分享，不构成任何推荐和建议。
