Понимание MCP (Model Context Protocol)
Model Context Protocol, разработанный Anthropic, представляет собой открытый стандарт, предназначенный для создания ‘нервной системы’, соединяющей модели AI с внешними инструментами. Этот протокол решает критические проблемы совместимости между агентами и внешними инструментами. Поддержка со стороны таких гигантов индустрии, как Google DeepMind, быстро позиционировала MCP как признанный стандарт в отрасли.
Техническая значимость MCP заключается в его стандартизации вызовов функций, позволяющей различным большим языковым моделям (LLM) взаимодействовать с внешними инструментами, используя унифицированный язык. Эта стандартизация аналогична ‘протоколу HTTP’ в экосистеме Web3 AI. Однако MCP имеет определенные ограничения, особенно в отношении удаленной безопасной связи, которые становятся более выраженными при частом взаимодействии с активами.
Расшифровка A2A (Agent-to-Agent Protocol)
Agent-to-Agent Protocol, разработанный Google, представляет собой структуру связи для взаимодействия между агентами, напоминающую ‘социальную сеть агентов’. В отличие от MCP, который фокусируется на подключении инструментов AI, A2A подчеркивает общение и взаимодействие между агентами. Он использует механизм Agent Card для решения проблемы обнаружения возможностей, обеспечивая кросс-платформенное и мультимодальное сотрудничество агентов, поддерживаемое более чем 50 компаниями, включая Atlassian и Salesforce.
Функционально A2A действует как ‘социальный протокол’ в мире AI, облегчая сотрудничество между различными небольшими объектами AI посредством стандартизированного подхода. Помимо самого протокола, значительна роль Google в поддержке агентов AI.
Анализ UnifAI
Позиционируясь как сеть сотрудничества агентов, UnifAI стремится объединить сильные стороны как MCP, так и A2A, предоставляя малым и средним предприятиям (МСП) кросс-платформенные решения для сотрудничества агентов. Его архитектура напоминает ‘средний слой’, стремящийся повысить эффективность экосистемы агентов посредством унифицированного механизма обнаружения служб. Однако, по сравнению с другими протоколами, рыночное влияние и развитие экосистемы UnifAI все еще относительно ограничены, что предполагает потенциальную будущую ориентацию на конкретные нишевые сценарии.
DARK: Серверное приложение MCP на Solana
DARK представляет собой реализацию серверного приложения MCP, построенного на блокчейне Solana. Используя Trusted Execution Environment (TEE), он обеспечивает безопасность, позволяя агентам AI напрямую взаимодействовать с блокчейном Solana для таких операций, как запросы баланса счетов и выпуск токенов.
Основным моментом этого протокола является его способность расширять возможности агентов AI в пространстве DeFi, решая проблему доверенного исполнения для операций в сети. Реализация прикладного уровня DARK на основе MCP открывает новые возможности для исследований.
Потенциальные направления расширения и возможности для ончейн AI агентов
С помощью этих стандартизированных протоколов ончейн AI агенты могут исследовать различные направления расширения и возможности:
Децентрализованные возможности выполнения приложений: TEE-ориентированный дизайн DARK решает основную проблему – обеспечение надежного выполнения моделей AI в сети. Это обеспечивает техническую поддержку для реализации AI агентов в секторе DeFi, потенциально приводя к тому, что большее количество AI агентов автономно выполняют транзакции, выпускают токены и управляют пулами ликвидности.
По сравнению с чисто концептуальными моделями агентов, эта практическая экосистема агентов имеет реальную ценность. (Однако, имея всего 12 Actions в настоящее время на GitHub, DARK все еще находится на ранних стадиях, далеких от крупномасштабного применения.)
Совместные блокчейн-сети с несколькими агентами: Изучение сценариев сотрудничества с несколькими агентами в A2A и UnifAI открывает новые возможности сетевого эффекта для экосистемы ончейн агентов. Представьте себе децентрализованную сеть, состоящую из различных специализированных агентов, потенциально превосходящую возможности одной LLM и образующую автономный, совместный, децентрализованный рынок. Это идеально согласуется с распределенной природой блокчейн-сетей.
Эволюция ландшафта AI агентов
Сектор AI агентов отходит от того, чтобы двигаться исключительно ажиотажем. Путь развития ончейн AI может включать в себя сначала решение кросс-платформенных стандартных вопросов (MCP, A2A), а затем переход к инновациям на прикладном уровне (таким как усилия DARK в DeFi).
Децентрализованная экосистема агентов сформирует новую многоуровневую архитектуру расширения: базовый уровень состоит из базовых гарантий безопасности, таких как TEE, средний уровень состоит из стандартов протокола, таких как MCP/A2A, а верхний уровень включает в себя конкретные сценарии вертикального применения. (Это может быть негативным для существующих Web3 AI ончейн стандартных протоколов.)
Для обычных пользователей, после переживания первоначального бума и спада ончейн AI агентов, следует переключить внимание с определения проектов, которые могут создать самый большой пузырь рыночной стоимости, на проекты, которые действительно решают основные болевые точки интеграции Web3 с AI, такие как безопасность, доверие и сотрудничество. Чтобы не попасть в очередную пузырчатую ловушку, рекомендуется отслеживать, соответствует ли прогресс проекта инновациям в области AI технологий в Web2.
Основные выводы
- AI агенты могут иметь новую волну расширения на прикладном уровне и возможности ажиотажа на основе стандартных протоколов Web2 AI (MCP, A2A и т. д.).
- AI агенты больше не ограничиваются службами push-уведомлений от отдельных организаций. Интерактивные и совместные сервисы инструментов выполнения с несколькими AI агентами (DeFAI, GameFAI и т. д.) будут в центре внимания.
Более глубокое изучение роли MCP в стандартизации взаимодействий AI
MCP, по своей сути, предназначен для создания общего языка для общения моделей AI с внешним миром. Представьте его как универсального переводчика, который позволяет системам AI взаимодействовать с различными инструментами и службами без необходимости индивидуальной интеграции для каждой из них. Это значительный шаг вперед, поскольку он значительно снижает сложность и время, необходимые для создания приложений на основе AI.
Одним из ключевых преимуществ MCP является его способность абстрагироваться от лежащих в основе сложностей различных инструментов и служб. Это означает, что разработчики AI могут сосредоточиться на логике своих приложений, а не увязать в деталях взаимодействия с конкретными API или форматами данных. Эта абстракция также облегчает замену одного инструмента другим, если они оба поддерживают стандарт MCP.
Кроме того, MCP способствует более модульному и композиционному подходу к разработке AI. Определяя четкий интерфейс для взаимодействия моделей AI с внешними инструментами, становится легче создавать сложные системы AI, объединяя более мелкие, более специализированные компоненты. Эта модульность также упрощает повторное использование и обмен компонентами AI в различных проектах.
Однако стандартизация, которую приносит MCP, также создает некоторые проблемы. Определение общего интерфейса, который работает для широкого спектра инструментов и служб, требует тщательного рассмотрения и компромисса. Существует риск того, что стандарт может стать слишком общим и не полностью отражать нюансы конкретных инструментов. Кроме того, крайне важно обеспечить безопасность стандарта и защитить его от злонамеренных атак.
Видение A2A о совместной экосистеме AI
В то время как MCP фокусируется на взаимодействии между моделями AI и внешними инструментами, A2A придерживается более широкого взгляда и представляет себе совместную экосистему AI агентов. Эта экосистема позволит различным AI агентам общаться, координировать и работать вместе для решения сложных проблем.
Механизм Agent Card является ключевым компонентом A2A, позволяющим агентам обнаруживать возможности друг друга и обмениваться информацией. Этот механизм позволяет агентам рекламировать свои навыки и услуги, облегчая другим агентам поиск и использование их. Agent Card также предоставляет стандартизированный способ для агентов описать свои возможности, гарантируя, что они могут быть поняты другими агентами независимо от их базовой реализации.
Ориентация A2A на общение и сотрудничество открывает широкий спектр возможностей для приложений AI. Представьте себе команду AI агентов, работающих вместе для управления цепочкой поставок, где каждый агент отвечает за конкретную задачу, такую как прогнозирование спроса, оптимизация логистики или ведение переговоров по контрактам. Сотрудничая и обмениваясь информацией, эти агенты могли бы сделать цепочку поставок более эффективной и устойчивой.
Однако создание совместной экосистемы AI также создает значительные проблемы. Крайне важно обеспечить, чтобы агенты могли доверять друг другу и безопасно обмениваться информацией. Кроме того, необходимо разработать протоколы для разрешения конфликтов и координации действий между несколькими агентами.
Амбиции UnifAI по преодолению разрыва
UnifAI стремится преодолеть разрыв между MCP и A2A, предоставляя унифицированную платформу для создания и развертывания приложений AI. Он стремится объединить сильные стороны обоих протоколов, предлагая разработчикам полный набор инструментов для взаимодействия с внешними службами и сотрудничества с другими AI агентами.
Особого внимания заслуживает ориентация UnifAI на МСП. МСП частоне хватает ресурсов и опыта для создания сложных систем AI с нуля. Предоставляя готовую к использованию платформу, UnifAI может помочь МСП внедрить технологии AI и улучшить свои бизнес-процессы.
Однако UnifAI сталкивается с проблемой конкуренции с признанными игроками на рынке AI. Чтобы добиться успеха, ему необходимо предложить убедительное ценностное предложение, которое отличает его от существующих решений. Это может включать в себя сосредоточение на конкретных нишевых рынках или предоставление уникальных функций, которые недоступны в других местах.
Смелый шаг DARK в DeFi
Реализация DARK MCP сервера на Solana представляет собой смелый шаг к интеграции AI с децентрализованными финансами (DeFi). Используя Trusted Execution Environment (TEE), DARK позволяет AI агентам безопасно взаимодействовать с блокчейном Solana, открывая ряд возможностей для приложений DeFi на базе AI.
Одним из ключевых преимуществ DARK является его способность автоматизировать сложные стратегии DeFi. AI агенты могут быть запрограммированы на мониторинг рыночных условий, выполнение сделок и управление пулами ликвидности, и все это без вмешательства человека. Эта автоматизация может повысить эффективность и снизить риск человеческой ошибки.
Однако интеграция AI с DeFi также сопряжена со значительными рисками. AI агенты могут быть уязвимы для атак, которые используют уязвимости в их коде или базовых протоколах DeFi. Кроме того, использование AI в DeFi может вызвать опасения по поводу прозрачности и подотчетности.
Будущее AI агентов: многоуровневый подход
Эволюция AI агентов, вероятно, будет следовать многоуровневому подходу, где разные уровни отвечают за разные аспекты системы. Базовый уровень будет сосредоточен на обеспечении базовой безопасности и доверия с использованием таких технологий, как TEE. Средний уровень будет состоять из стандартов протокола, таких как MCP и A2A, которые обеспечивают совместимость и сотрудничество. Верхний уровень будет содержать конкретные вертикальные приложения, адаптированные для разных отраслей и случаев использования.
Этот многоуровневый подход позволит создавать AI агентов модульным и масштабируемым образом. Различные уровни могут разрабатываться и совершенствоваться независимо друг от друга, не влияя на функциональность других уровней. Эта модульность также облегчит адаптацию AI агентов к новым технологиям и случаям использования.
Однако обеспечение бесперебойной совместной работы различных уровней станет ключевой задачей. Разные уровни должны быть разработаны так, чтобы быть совместимыми друг с другом, и между ними должны быть четкие интерфейсы. Кроме того, крайне важно обеспечить безопасность различных уровней и защитить их от злонамеренных атак.