撰文：pignard.eth，ZAN Team
3 月 6 日，一款由**的创业公司 Monica 发布的全球首款通用 AI Agent 产品 Manus 在**科技媒体和社交网络刷屏，上线**天邀请码就****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。
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。**人进行开发和托管 MCP Server，并且可以随时下线停止服务。
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**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**、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**化自治组织。ElizaOS（前身 ai16z）由 @shawmake**agic 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**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**的金融、保险和医疗机构提供服务。在 2024 年 12 月发行** $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 **，将为新代理的**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「**」并创建一个代理**与 $VIRTUAL **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**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，**技术门槛。
**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，**碎片并**限度地提高连接性，打造一个去**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**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**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。
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。
