從Manus和MCP聊起：AI Agent的Web3跨界探索

3 月 6 日，一款由中國的創業公司 Monica 發布的全球首款通用 AI Agent 產品 Manus 在國內科技媒體和社交網絡刷屏，上线第一天邀請碼就全網一碼難求，甚至闲魚上一個邀請碼都要 5 萬，不過還是有不少行業 KOL 提前拿到了邀請碼，鋪天蓋地的體驗解讀文章接踵而來。

Manus 作為通用 AI Agent 產品，具備從規劃到執行全流程自主完成任務的能力，如撰寫報告、制作表格等。它不僅生成想法，更能獨立思考並採取行動。 以其強大的獨立思考、規劃並執行復雜任務的能力，直接交付完整成果，展現了前所未有的通用性和執行能力。

Manus 的爆火不僅帶來了行業內的關注，也為各類 AI Agent 开發提供了寶貴的產品思路與設計靈感。隨着 AI 技術的飛速發展，AI Agent 作為人工智能領域的重要分支，正逐漸從概念走向現實，並在各行各業展現出巨大的應用潛力，當然也包括 Web3 行業。

背景知識

AI Agent，即人工智能代理，是一種能夠根據環境、輸入和預定義目標自主做出決策並執行任務的計算機程序。AI Agent 的核心組成部分包括大語言模型（LLM）作為其「大腦」，使其能夠處理信息、從交互中學習、做出決策並執行行動；觀察和感知機制，使它能夠感知環境；推理思考過程，涉及分析觀察結果和記憶內容並考慮可能的行動；行動執行，作為對思考和觀察的顯式響應；以及記憶和檢索，存儲過去的經驗以供學習使用。

AI Agent 的設計模式從 ReAct 出發，有兩條發展路线：一條更偏重 AI Agent 的規劃能力，包括 REWOO、Plan & Execute、LLM Compiler。另一條更偏重反思能力，包括 Basic Reflection、Reflexion、Self Discover、LATS。

其中 ReAct 模式是最早出現的 AI Agent 設計模式，目前也是應用最廣泛的，因此這裏主要介紹 ReAct 的概念。ReAct 是指通過結合語言模型中的推理（Reasoning）和行動（Acting）來解決多樣化的語言推理和決策任務。它的典型流程如下圖所示，可以用一個有趣的循環來描述：思考（Thought）→ 行動（Action）→ 觀察（Observation），簡稱 TAO 循環。

• 思考：面對一個問題，我們需要進行深入的思考。這個思考過程是關於如何定義問題、確定解決問題所需的關鍵信息和推理步驟。

• 行動：確定了思考的方向後，接下來就是行動的時刻。根據我們的思考，採取相應的措施或執行特定的任務，以期望推動問題向解決的方向發展。

• 觀察：行動之後，我們必須仔細觀察結果。這一步是檢驗我們的行動是否有效，是否接近了問題的答案。

• 循環迭代

AI Agent 又可以根據智能體的數量分為 Single Agent 和 Multi Agent，Single Agent 的核心在於 LLM 與工具的配合，並且在完成任務的過程中，Agent 可能與用戶有多輪交互。Multi Agent 則會為不同的 Agent 賦予不同的角色定位，通過 Agent 之間的協同合作來完成復雜的任務，但是在完成任務的過程中，相比於 Single Agent 來說，與用戶的交互會少一些。目前大多數框架都聚焦於 Single Agent 的場景。

Model Context Protocol (MCP) 是由 Anthropic 公司於 2024 年 11 月 25 日推出的一項开源協議，旨在解決 LLM 與外部數據源之間的連接和交互問題。可以把 LLM 類比成操作系統，MCP 類比成 USB 接口，支持將外部數據和工具靈活插入，然後用戶可以讀取使用這些外部數據和工具。

MCP 提供了三種能力對 LLM 進行擴展：Resources（知識擴展）、Tools（執行函數，調用外部系統）、Prompts（預編寫提示詞模板）。MCP 協議採用 Client-Server 架構，底層傳輸使用的是 JSON-RPC 協議。任何人進行开發和托管 MCP Server，並且可以隨時下线停止服務。

Web3 的 AI Agent 現狀

在 Web3 行業中 AI Agent 的聲浪自今年一月份到達高峯後大幅下降，整體市值更是縮水 90% 以上，目前聲浪和市值較大的仍然是圍繞 AI Agent 框架做 Web3 探索，分別是「以 Virtuals Protocol 為代表的發射平臺模式」、 「以 ElizaOS 為代表的 DAO 模式」和「以 Swarms 為代表的商業公司模式」。

發射平臺是允許用戶創建、部署和變現 AI Agent 的平臺， 類似 Meme 中的 pump.fun，但針對的是 AI Agent。Virtuals Protocol 是目前最大的發射平臺，其上發行的 Agent 已經超過十萬個，熱度頗高的「幣圈 KOL」 AIXBT 就是基於 Virtuals 創建的。Virtuals Protocol 包含了一個模塊化 Agent 框架，稱為 G.A.M.E，G.A.M.E 的核心定位是為开發者提供一個高效、开放的框架，讓 AI Agent 的开發和上线像 WordPress 建站一樣簡單。

DAO 代表去中心化自治組織。ElizaOS（前身 ai16z）由 @shawmakesmagic 在 daos.fun 平臺上創立，最初的理念是利用 AI 模型模擬知名風投機構 a16z 及其聯創 Marc Andreessen 的投資決策，並結合 DAO 成員的建議來進行投資，後面發展成為以 Eliza 框架為核心的 AI Agent 开發者的 DAO。Eliza 框架使用 TypeScript 構建，為开發 AI Agent 提供了一個靈活且可擴展的平臺，這些 Agent 可以跨多個平臺交互，同時保持一致的個性和知識。

Swarms 由當前 20 歲的 @KyeGomezB 在 2022 年發起，是一個企業級的 Multi Agent 框架，Swarms 通過智能編排和高效協作，讓多個 AI Agent 像團隊一樣分工協作，從而解決復雜的業務操作需求。最早，Swarms 只是一個 Web2 的 AI Agent 項目，按照創始人的說法，Swarms 有超過 4500 萬個智能體在生產環境中運行，為世界上最大的金融、保險和醫療機構提供服務。在 2024 年 12 月發行代幣 $SWARMS 後才正式從 Web2 轉战到 Web3。

單純從經濟模型的角度考慮，目前只有發射平臺可以實現自給自足的經濟閉環。以 Virtuals 為例：

1. 代理創建： 創建者在 Virtuals 平臺上啓動新的 AI Agent；

2. 綁定曲线設置： 創建者支付 100 $VIRTUAL 代幣，將為新代理的代幣創建一個綁定曲线，並與 $VIRTUAL 配對。

3. 流動性池創建： 一旦達到綁定曲线限制，代理“畢業”並創建一個代理代幣與 $VIRTUAL 代幣配對的流動性池，堅持沒有內部人員的公平啓動原則：沒有預挖或內部分配，固定總供應量，流動性鎖定較長時間。

Virtuals 除了收取 AI Agent 的發射費用，每次代理代幣的交易還會收取交易費用，並且 AI Agent 通過 Virtuals 的 API 訪問 LLM 還會收取推理費用。目前 ElizaOS 和 Swarms 都在計劃搭建自己的發射平臺。

當然發射平臺也有問題，這種資產發行的玩法需要發行的資產本身有「吸引力」才能形成正向飛輪。目前絕大多數發射出的 AI Agent 本質上都是 Meme，沒有內在價值支撐，一旦失去市場的注意力就會飛速歸零。在當前冷清的市場環境，發射平臺甚至都無法吸引創建者，所以經濟模型實質上也無法運轉。

MCP 的 Web3 探索

MCP 的出現給當前 Web3 的 AI Agent 帶來了新的探索方向，最直觀的有兩個方向：

1. 將 MCP Server 部署到區塊鏈網絡，解決 MCP Server 單點問題的同時具備抗審查；

2. MCP Server 具備和區塊鏈交互的功能，例如進行 DeFi 交易和管理，降低技術門檻。

第一個方向對底層區塊鏈的存儲系統、數據管理能力和異步計算的能力都有極高的要求，可以選取類似 0G 這樣的區塊鏈。0G 是一個模塊化 AI 區塊鏈，具有適用於 AI dapp 的可擴展可編程 DA 層。 其模塊化技術將實現鏈之間的無摩擦互操作性，同時確保安全性，消除碎片並最大限度地提高連接性，打造一個去中心化的 AI 生態系統。

第二個方向類似於 DeFAI 的變種，但目前 DeFAI 的後端都是自己封裝的一系列 Function Call 中的 Tool，UnifAI 創建統一的 DeFAI MCP Server，避免了重復造輪子。UnifAI 是一個平臺，可讓自主 AI 代理在 Web3 生態系統中執行鏈上和鏈下任務。它具有用於任務自動化的 UniQ、代理服務市場和用於工具發現的基礎設施。

除了上面兩種方向外，LXDAO 和 ETHPanda 的創始人 @brucexu_eth 提出一種基於以太坊構建一個 OpenMCP.Network 創作者激勵網絡的方案。MCP Server 需要托管和提供穩定的服務，用戶對 LLM 提供商付費，LLM 提供商將實際的激勵通過網絡分配到被調用的 MCP Servers 上從而維持整個網絡的可持續性和穩定性，激發 MCP 的創作者持續創作和提供高質量內容。這一套網絡將需要使用智能合約實現激勵的自動化、透明、可信和抗審查。運行過程中的籤名、權限驗證、隱私保護都可以使用以太坊錢包、ZK 等技術實現。

雖然從理論上，MCP 與 Web3 的結合能為 AI Agent 應用注入了去中心化信任機制與經濟激勵層，但目前的零知識證明（ZKP）技術還難以驗證 Agent 行為真實性，並且去中心化的網絡還存在效率問題，這並不是一個短期能成功的方案。

總結

Manus 的發布標志着通用 AI Agent 產品的一個重要裏程碑，在 Web3 的世界也需要一個裏程碑的產品，來打破外界對於 Web3 沒有實用性只有炒作的質疑。

MCP 的出現為 Web3 的 AI Agent 帶來了新的探索方向，包括將 MCP Server 部署到區塊鏈網絡，以及 MCP Server 具備和區塊鏈交互的功能，亦或是構建一個 MCP Server 創作者激勵網絡。

AI 是歷史最宏大的敘事，對於 Web3 來說，與 AI 融合是不可避免的，我們依然需要保持耐心和信心，持續探索。

本文由 ZAN Team（X 账號 @zan_team ）的 pignard.eth（X 账號 @pignard_web3 ） 撰寫。

注：本文僅作為技術分享，不構成任何推薦和建議。

鄭重聲明：本文版權歸原作者所有，轉載文章僅為傳播信息之目的，不構成任何投資建議，如有侵權行為，請第一時間聯絡我們修改或刪除，多謝。