הבנת MCP (פרוטוקול הקשר של המודל)
פרוטוקול הקשר של המודל, שפותח על ידי Anthropic, מייצג הסכם סטנדרטי פתוח שנועד ליצור ‘מערכת עצבים’ המחברת מודלים של AI עם כלים חיצוניים. פרוטוקול זה מטפל ופותר את אתגרי יכולת הפעולה ההדדית הקריטיים בין סוכנים לכלים חיצוניים. האישור מענקיות תעשייה כמו Google DeepMind מיצב במהירות את MCP כסטנדרט מוכר בתעשייה.
המשמעות הטכנית של MCP טמונה בסטנדרטיזציה שלו של קריאות פונקציה, המאפשרות למודלים שפה גדולים (LLMs) שונים ליצור אינטראקציה עם כלים חיצוניים באמצעות שפה מאוחדת. סטנדרטיזציה זו דומה ל’פרוטוקול HTTP’ במערכת האקולוגית Web3 AI. עם זאת, ל-MCP יש מגבלות מסוימות, במיוחד בתקשורת מאובטחת מרחוק, שהופכות בולטות יותר עם אינטראקציות תכופות הכוללות נכסים.
פענוח A2A (פרוטוקול סוכן לסוכן)
פרוטוקול סוכן לסוכן, בהובלת גוגל, הוא מסגרת תקשורת לאינטראקציות בין סוכנים, הדומה ל’רשת חברתית של סוכנים’. שלא כמו MCP, המתמקד בחיבור כלי AI, A2A מדגיש תקשורת ואינטראקציה בין סוכנים. הוא משתמש במנגנון כרטיס סוכן כדי לטפל בגילוי יכולות, ומאפשר שיתוף פעולה חוצה פלטפורמות ורב-מודאלי של סוכנים, בתמיכת יותר מ-50 חברות, כולל Atlassian ו-Salesforce.
פונקציונלית, A2A פועל כ’פרוטוקול חברתי’ בתוך עולם ה-AI, ומאפשר שיתוף פעולה בין ישויות AI קטנות שונות באמצעות גישה סטנדרטית. מעבר לפרוטוקול עצמו, תפקידה של גוגל באישור סוכני AI הוא משמעותי.
ניתוח UnifAI
UnifAI, המוצב כרשת שיתוף פעולה של סוכנים, שואף לשלב את החוזקות של MCP וגם של A2A, ומספק לעסקים קטנים ובינוניים (SMEs) פתרונות שיתוף פעולה חוצי פלטפורמות. הארכיטקטורה שלו דומה ל’שכבת אמצע’, השואפת לשפר את היעילות של מערכת האקולוגית של הסוכנים באמצעות מנגנון גילוי שירותים מאוחד. עם זאת, בהשוואה לפרוטוקולים אחרים, ההשפעה השיווקית ופיתוח מערכת האקולוגית של UnifAI עדיין מוגבלים יחסית, מה שמצביע על מיקוד עתידי פוטנציאלי בתרחישי נישה ספציפיים.
DARK: יישום שרת MCP בסולנה
DARK מייצג יישום של יישום שרת MCP שנבנה על בלוקצ’יין סולנה. על ידי מינוף סביבת ביצוע מהימנה (TEE), הוא מספק אבטחה, ומאפשר לסוכני AI ליצור אינטראקציה ישירה עם בלוקצ’יין סולנה לפעולות כמו שאילתות יתרות חשבונות והנפקת אסימונים.
הדגש העיקרי של פרוטוקול זה הוא היכולת שלו להעצים סוכני AI בתוך מרחב ה-DeFi, תוך טיפול בנושא הביצוע המהימן לפעולות שרשרת. יישום שכבת היישום של DARK המבוסס על MCP פותח שדרות חדשות לחקירה.
כיווני התרחבות פוטנציאליים והזדמנויות עבור סוכני AI בשרשרת
בעזרת הפרוטוקולים הסטנדרטיים הללו, סוכני AI בשרשרת יכולים לחקור כיווני התרחבות והזדמנויות שונות:
יכולות יישומי ביצוע מבוזרות: העיצוב מבוסס ה-TEE של DARK מטפל באתגר מרכזי - המאפשר למודלים של AI לבצע פעולות בשרשרת באופן מהימן. זה מספק תמיכה טכנית ליישום סוכן AI במגזר DeFi, מה שעלול להוביל ליותר סוכני AI המבצעים באופן אוטונומי עסקאות, מנפיקים אסימונים ומנהלים בריכות נזילות.
בהשוואה למודלים של סוכנים תיאורטיים גרידא, מערכת אקולוגית מעשית זו של סוכנים טומנת בחובה ערך אמיתי. (עם זאת, עם 12 פעולות בלבד כעת ב-GitHub, DARK עדיין נמצאת בשלביה המוקדמים, רחוק מיישום בקנה מידה גדול.)
רשתות בלוקצ’יין שיתופיות מרובות סוכנים: החקירה של A2A ו-UnifAI של תרחישי שיתוף פעולה מרובי סוכנים מציגה אפשרויות אפקט רשת חדשות למערכת האקולוגית של סוכנים בשרשרת. תארו לעצמכם רשת מבוזרת המורכבת מסוכנים מומחים שונים, שעשויים לעלות על היכולות של LLM יחיד וליצור שוק מבוזר שיתופי אוטונומי. זה מתיישב באופן מושלם עם האופי המבוזר של רשתות בלוקצ’יין.
האבולוציה של הנוף של סוכני ה-AI
מגזר סוכני ה-AI מתרחק מלהיות מונע אך ורק מהייפ. נתיב הפיתוח עבור AI בשרשרת עשוי להיות כרוך תחילה בטיפול בבעיות סטנדרטיות חוצות פלטפורמות (MCP, A2A) ולאחר מכן הסתעפות לחידושים בשכבת היישומים (כגון מאמצי ה-DeFi של DARK).
מערכת אקולוגית מבוזרת של סוכנים תיצור ארכיטקטורת הרחבה שכבתית חדשה: השכבה הבסיסית מורכבת מהבטחות אבטחה בסיסיות כמו TEE, השכבה האמצעית כוללת תקני פרוטוקול כמו MCP/A2A, והשכבה העליונה כוללת תרחישי יישומים אנכיים ספציפיים. (זה עשוי להיות שלילי עבור פרוטוקולי סטנדרט קיימים של Web3 AI בשרשרת.)
עבור משתמשים כלליים, לאחר שחוו את הבום והנפילה הראשוניים של סוכני AI בשרשרת, המיקוד צריך לעבור מזיהוי הפרויקטים שיכולים ליצור את בועת שווי השוק הגדולה ביותר לאלה שבאמת מטפלים בנקודות הכאב המרכזיות של שילוב Web3 עם AI, כגון אבטחה, אמון ושיתוף פעולה. כדילהימנע מנפילה למלכודת בועה נוספת, מומלץ לעקוב אחר התקדמות הפרויקט בהתאם לחידושי טכנולוגיית AI ב-Web2.
נקודות מפתח
- לסוכני AI עשוי להיות גל חדש של הזדמנויות להרחבת שכבת היישומים ולהיפ המבוססות על פרוטוקולי סטנדרט Web2 AI (MCP, A2A וכו’).
- סוכני AI אינם מוגבלים עוד לשירותי דחיפת מידע של גורם יחיד. שירותי כלי ביצוע אינטראקטיביים ושיתופיים מרובי סוכני AI (DeFAI, GameFAI וכו’) יהיו מוקד מרכזי.
העמקה בתפקיד MCP בסטנדרטיזציה של אינטראקציות AI
MCP, במהותו, עוסק ביצירת שפה משותפת למודלים של AI לתקשר עם העולם החיצון. חשבו על זה כמתן מתרגם אוניברסלי המאפשר למערכות AI ליצור אינטראקציה עם כלים ושירותים שונים מבלי להזדקק לשילובי מותאמים אישית עבור כל אחד מהם. זהו קפיצת מדרגה משמעותית קדימה, מכיוון שהוא מפחית באופן דרסטי את המורכבות והזמן הנדרשים לבניית יישומים המופעלים על ידי AI.
אחד היתרונות העיקריים של MCP הוא היכולת שלו להפשט את המורכבויות הבסיסיות של כלים ושירותים שונים. המשמעות היא שמפתחי AI יכולים להתמקד בלוגיקה של היישומים שלהם במקום להסתבך בפרטים כיצד ליצור אינטראקציה עם ממשקי API או פורמטי נתונים ספציפיים. הפשטה זו גם מקלה על החלפת כלי אחד באחר, כל עוד שניהם תומכים בתקן MCP.
יתר על כן, MCP מקדם גישה מודולרית ומורכבת יותר לפיתוח AI. על ידי הגדרת ממשק ברור לאופן שבו מודלים של AI יוצרים אינטראקציה עם כלים חיצוניים, קל יותר לבנות מערכות AI מורכבות על ידי שילוב רכיבים קטנים יותר ומיוחדים יותר. מודולריות זו גם מקלה על שימוש חוזר ושיתוף רכיבי AI בין פרויקטים שונים.
עם זאת, הסטנדרטיזציה שמביא MCP מציגה גם כמה אתגרים. הגדרת ממשק משותף הפועל עבור מגוון רחב של כלים ושירותים דורשת שיקול דעת ופשרה זהירים. קיים סיכון שהתקן יהפוך לגנרי מדי ולא יתפוס באופן מלא את הניואנסים של כלים ספציפיים. בנוסף, הבטחת שהתקן מאובטח ומגן מפני התקפות זדוניות היא חיונית.
החזון של A2A של מערכת אקולוגית שיתופית של AI
בעוד MCP מתמקד באינטראקציה בין מודלים של AI לכלים חיצוניים, A2A נוקטת בגישה רחבה יותר וחזון מערכת אקולוגית שיתופית של סוכני AI. מערכת אקולוגית זו תאפשר לסוכני AI שונים לתקשר, לתאם ולעבוד יחד כדי לפתור בעיות מורכבות.
מנגנון כרטיס הסוכן הוא מרכיב מרכזי ב-A2A, המאפשר לסוכנים לגלות את היכולות זה של זה ולהחליף מידע. מנגנון זה מאפשר לסוכנים לפרסם את הכישורים והשירותים שלהם, מה שמקל על סוכנים אחרים למצוא ולהשתמש בהם. כרטיס הסוכן מספק גם דרך סטנדרטית לסוכנים לתאר את היכולות שלהם, ומבטיח שסוכנים אחרים יוכלו להבין אותם ללא קשר ליישום הבסיסי שלהם.
ההתמקדות של A2A בתקשורת ובשיתוף פעולה פותחת מגוון רחב של אפשרויות ליישומי AI. תארו לעצמכם צוות של סוכני AI הפועלים יחד כדי לנהל שרשרת אספקה, כאשר כל סוכן אחראי למשימה ספציפית כגון חיזוי ביקוש, אופטימיזציה של לוגיסטיקה או ניהול משא ומתן על חוזים. על ידי שיתוף פעולה ושיתוף מידע, סוכנים אלה יכולים להפוך את שרשרת האספקה ליעילה ועמידה יותר.
עם זאת, בניית מערכת אקולוגית שיתופית של AI מציבה גם אתגרים משמעותיים. הבטחת שסוכנים יכולים לסמוך זה על זה ולהחליף מידע בצורה מאובטחת היא חיונית. בנוסף, פיתוח פרוטוקולים לפתרון סכסוכים ותיאום פעולות בין סוכנים מרובים הוא חיוני.
השאיפה של UnifAI לגשר על הפער
UnifAI שואפת לגשר על הפער בין MCP ו-A2A על ידי מתן פלטפורמה מאוחדת לבנייה ופריסה של יישומי AI. היא מבקשת לשלב את החוזקות של שני הפרוטוקולים, ולהציע למפתחים סט מקיף של כלים ליצירת אינטראקציה עם שירותים חיצוניים ושיתוף פעולה עם סוכני AI אחרים.
ההתמקדות של UnifAI בעסקים קטנים ובינוניים ראויה לציון במיוחד. לעסקים קטנים ובינוניים לעתים קרובות חסרים את המשאבים והמומחיות לבנות מערכות AI מורכבות מאפס. על ידי מתן פלטפורמה מוכנה לשימוש, UnifAI יכולה לעזור לעסקים קטנים ובינוניים לאמץ טכנולוגיות AI ולשפר את תהליכי העבודה שלהם.
עם זאת, UnifAI ניצבת בפני האתגר של תחרות עם שחקנים מבוססים בשוק ה-AI. כדי להצליח, היא תצטרך להציע הצעת ערך משכנעת שמבדילה אותה מפתרונות קיימים. זה יכול לכלול התמקדות בשווקי נישה ספציפיים או מתן תכונות ייחודיות שאינן זמינות במקומות אחרים.
הצעד הנועז של DARK לתוך DeFi
היישום של DARK של שרת MCP בסולנה מייצג צעד נועז לקראת שילוב AI עם מימון מבוזר (DeFi). על ידי מינוף סביבת ביצוע מהימנה (TEE), DARK מאפשרת לסוכני AI ליצור אינטראקציה מאובטחת עם בלוקצ’יין סולנה, ופותחת מגוון אפשרויות ליישומי DeFi המופעלים על ידי AI.
אחד היתרונות העיקריים של DARK הוא היכולת שלו להפוך אסטרטגיות DeFi מורכבות לאוטומטיות. ניתן לתכנת סוכני AI לנטר את תנאי השוק, לבצע עסקאות ולנהל בריכות נזילות, הכל ללא התערבות אנושית. אוטומציה זו יכולה לשפר את היעילות ולהפחית את הסיכון לטעויות אנוש.
עם זאת, שילוב AI עם DeFi מציב גם סיכונים משמעותיים. סוכני AI עלולים להיות פגיעים להתקפות המנצלות פגיעויות בקוד שלהם או בפרוטוקולי DeFi הבסיסיים. בנוסף, השימוש ב-AI ב-DeFi עלול לעורר חששות לגבי שקיפות ואחריותיות.
עתיד סוכני ה-AI: גישה רב-שכבתית
האבולוציה של סוכני ה-AI צפויה לעקוב אחר גישה רב-שכבתית, כאשר שכבות שונות אחראיות להיבטים שונים של המערכת. השכבה הבסיסית תתמקד במתן אבטחה ואמון בסיסיים, תוך שימוש בטכנולוגיות כגון TEE. השכבה האמצעית תכלול תקני פרוטוקול כגון MCP ו-A2A, המאפשרים יכולת פעולה הדדית ושיתוף פעולה. השכבה העליונה תציג יישומים אנכיים ספציפיים, המותאמים לתעשיות ותיקי שימוש שונים.
גישה רב-שכבתית זו תאפשר בניית סוכני AI בצורה מודולרית ומדרגית. ניתן לפתח ולשפר שכבות שונות באופן עצמאי, מבלי להשפיע על הפונקציונליות של שכבות אחרות. מודולריות זו גם תקל על התאמת סוכני AI לטכנולוגיות ותיקי שימוש חדשים.
עם זאת, הבטחת ששכבות שונות פועלות יחד בצורה חלקה תהיה אתגר מרכזי. יש לתכנן את השכבות השונות כך שיהיו תואמות זו לזו, וחייבים להיות ממשקים ברורים ביניהן. בנוסף, הבטחת שהשכבות השונות מאובטחות ומגנות מפני התקפות זדוניות היא חיונית.