AI Agent的Web3跨界探索：从Manus到MCP的技术革新

3月6日，中国创业公司Monica推出全球首款通用AI Agent产品Manus，在国内科技圈迅速引发轰动。上线首日，邀请码便被疯抢，甚至在闲鱼上炒至5万元高价。尽管如此，许多行业KOL仍提前获得邀请码，并发布了大量体验解读文章。

作为一款通用AI Agent，Manus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。它不仅能够生成想法，还能独立思考并采取行动，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的成功发布为AI Agent开发提供了宝贵的产品思路和设计灵感。随着AI技术的飞速发展，AI Agent正逐渐从概念走向现实，并展现出巨大的应用潜力，尤其是在Web3领域。

背景知识

AI Agent是一种根据环境、输入和预定义目标自主决策并执行任务的计算机程序。其核心组成部分包括大语言模型（LLM）作为“大脑”、观察和感知机制、推理思考过程、行动执行以及记忆和检索功能。

AI Agent的设计模式有两条主要发展路线：一条偏重规划能力（如REWOO、Plan Execute、LLM Compiler），另一条偏重反思能力（如Basic Reflection、Reflexion）。其中，ReAct模式是最早且应用最广泛的AI Agent设计模式。

ReAct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。其典型流程包括思考（Thought）、行动（Action）、观察（Observation），简称TAO循环。

• 思考：深入分析问题，确定解决问题的关键信息和步骤。

• 行动：根据思考方向，采取相应措施或执行特定任务。

• 观察：仔细观察行动结果，评估是否接近问题答案。

• 循环迭代：根据观察结果调整策略，不断优化。

此外，AI Agent可根据智能体数量分为Single Agent和Multi Agent。Single Agent注重LLM与工具的配合，强调多轮用户交互；Multi Agent则通过多个Agent协同合作完成复杂任务。

Model Context Protocol（MCP）是由Anthropic公司于2024年11月25日推出的开源协议，旨在解决LLM与外部数据源之间的连接和交互问题。MCP提供三种扩展能力：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）。

Web3的AI Agent现状

自今年1月以来，AI Agent在Web3领域的热度大幅下降，整体市值缩水超过90%。目前声浪较大的项目主要围绕AI Agent框架展开，包括以Virtuals Protocol为代表的发射平台模式、以ElizaOS为代表的DAO模式以及以Swarms为代表的商业公司模式。

发射平台允许用户创建、部署和变现AI Agent。Virtuals Protocol是最大的发射平台之一，其模块化Agent框架G.A.M.E使开发和上线AI Agent像WordPress建站一样简单。

DAO模式以ElizaOS为代表，最初利用AI模拟知名风投机构a16z的投资决策，后来发展为以Eliza框架为核心的开发者社区。而Swarms则是一个企业级Multi Agent框架，专注于通过智能编排和高效协作解决复杂的业务需求。

尽管发射平台理论上可以实现经济闭环，但当前绝大多数发行的AI Agent缺乏内在价值支撑，难以形成正向飞轮。

MCP的Web3探索

MCP的出现为Web3中的AI Agent带来了新的方向：

第一个方向对底层区块链的存储系统和异步计算能力要求极高，可选择类似0G这样的模块化AI区块链。第二个方向类似于DeFAI的变种，UnifAI通过统一的MCP Server避免重复造轮子。

此外，LXDAO和ETHPanda创始人@brucexu_eth提出构建基于以太坊的OpenMCP.Network创作者激励网络方案，通过智能合约实现自动化激励分配。

然而，当前零知识证明技术尚无法验证Agent行为真实性，去中心化网络也存在效率问题，这一方案短期内难以成功。

总结

Manus的发布标志着通用AI Agent的重要里程碑，而MCP则为Web3中的AI Agent探索注入了新活力。虽然AI与Web3的融合充满挑战，但这无疑是最具前景的方向之一。我们需保持耐心和信心，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。