鏈上AI Agent的發展近來展現了復甦的跡象。諸如MCP（模型情境協議）、A2A（Agent對Agent協議）和UnifAI等協議正在匯聚，旨在創建一個新穎的多AI Agent互動基礎設施。這個基礎設施的目標是將AI Agent從簡單的資訊傳播服務提升到功能性應用和工具服務層次。關鍵問題是，這是否預示著鏈上AI Agent的第二個春天即將來臨。
理解MCP（模型情境協議）
由Anthropic開發的MCP代表了一項開放標準協議，旨在建立一個連接AI模型與外部工具的’神經系統’。該協議解決了Agent和外部工具之間關鍵的互操作性挑戰。Google DeepMind等產業巨頭的支持，迅速將MCP定位為行業內公認的標準。
MCP的技術重要性在於其對函式呼叫的標準化，使不同的巨型語言模型（LLM）能夠使用統一的語言與外部工具進行交互。這種標準化類似於Web3 AI生態系統中的’HTTP協議’。然而，MCP存在某些限制，尤其是在遠端安全通信方面，當涉及頻繁的資產交互時，這些限制會變得更加明顯。
解碼A2A（Agent對Agent協議）
由Google領軍的Agent對Agent協議是一個用於Agent之間交互的通信框架，類似於一個’Agent社交網路’。與專注於連接AI工具的MCP不同，A2A強調Agent之間的通信和交互。它使用Agent Card機制來解決能力發現問題，從而實現跨平台和多模式的Agent協作，並得到包括Atlassian和Salesforce在內的50多家公司的支持。
在功能上，A2A在AI世界中充當一個’社交協議’，通過標準化的方法促進不同小型AI實體之間的協作。除了協議本身，Google在支持AI Agent方面所扮演的角色也至關重要。
分析UnifAI
UnifAI定位為一個Agent協作網路，旨在整合MCP和A2A的優勢，為中小型企業（SME）提供跨平台的Agent協作解決方案。它的架構類似於一個’中間層’，致力於通過統一的服務發現機制來提高Agent生態系統的效率。然而，與其他協議相比，UnifAI的市場影響力和生態系統發展仍然相對有限，這表明其未來可能側重於特定的利基場景。
DARK：Solana上的MCP伺服器應用
DARK代表了在Solana區塊鏈上構建的MCP伺服器應用程序的實現。它利用受信任的執行環境（TEE）提供安全性，允許AI Agent直接與Solana區塊鏈進行交互，執行查詢帳戶餘額和發行代幣等操作。
該協議的關鍵亮點在於它能夠賦予DeFi領域內的AI Agent能力，從而解決了鏈上操作的受信任執行問題。DARK基於MCP的應用層實現為探索開闢了新的途徑。
鏈上AI Agent的潛在擴展方向和機會
在這些標準化協議的幫助下，鏈上AI Agent可以探索各種擴展方向和機會：
去中心化執行應用能力： DARK基於TEE的設計解決了一個核心挑戰——使AI模型能夠可靠地執行鏈上操作。這為DeFi領域中AI Agent的實施提供了技術支持，可能導致更多的AI Agent自主執行交易、發行代幣和管理流動性池。
與純粹概念性的Agent模型相比，這種實際的Agent生態系統具有真正的價值。（然而，目前GitHub上只有12個Actions，DARK仍處於早期階段，距離大規模應用還很遙遠。）
多Agent協作區塊鏈網路： A2A和UnifAI對多Agent協作場景的探索為鏈上Agent生態系統引入了新的網路效應可能性。想像一個由各種專業Agent組成的去中心化網路，其能力可能超過單個LLM，並形成一個自主、協作、去中心化的市場。這與區塊鏈網路的分佈式特性完美契合。
AI Agent格局的演變
AI Agent領域正逐漸擺脫單純的炒作驅動。鏈上AI的發展路徑可能涉及首先解決跨平台標準問題（MCP、A2A），然後再深入應用層創新（例如DARK在DeFi方面的努力）。
一個去中心化的Agent生態系統將形成一個新的分層擴展架構：底層由TEE等基本安全保障組成，中間層包括MCP/A2A等協議標準，上層則具有特定的垂直應用場景。（這可能對現有的Web3 AI鏈上標準協議不利。）
對於一般用戶而言，在經歷了鏈上AI Agent的最初繁榮和崩潰之後，重點應該從識別能夠創造最大市場價值泡沫的項目轉向真正解決Web3與AI整合的核心痛點的項目，例如安全性、信任和協作。為了避免再次陷入泡沫陷阱，建議監控項目進度是否與Web2中的AI技術創新保持一致。
主要收穫
- AI Agent可能基於Web2 AI標準協議（MCP、A2A等）迎來新一波的應用層擴展和炒作機會。
- AI Agent不再僅限於單一實體的信息推送服務。多AI Agent交互和協作執行工具服務（DeFAI、GameFAI等）將成為一個關鍵焦點。
深入探討MCP在標準化AI互動中的作用
MCP的核心在於為AI模型創建一種與外部世界通信的通用語言。可以將其視為提供一個通用翻譯器，使AI系統能夠與各種工具和服務進行交互，而無需為每個工具和服務進行自定義集成。這是一個重大的飛躍，因為它可以大大降低構建AI驅動應用程序的複雜性和所需時間。
MCP的一個主要優勢是它能夠抽象化不同工具和服務的底層複雜性。這意味著AI開發人員可以專注於其應用程序的邏輯，而不必陷入如何與特定API或數據格式交互的細節中。這種抽象也使得更換一個工具變得更容易，只要它們都支持MCP標準。
此外，MCP促進了一種更加模組化和可組合的AI開發方法。通過為AI模型如何與外部工具交互定義一個清晰的介面，可以更容易地通過組合更小、更專業的組件來構建複雜的AI系統。這種模組化也使得在不同項目中重用和共享AI組件變得更容易。
然而，MCP帶來的標準化也帶來了一些挑戰。定義一個適用於廣泛工具和服務的通用介面需要仔細的考慮和妥協。存在這樣一種風險，即該標準可能變得過於通用，而無法完全捕捉到特定工具的細微差別。此外，確保該標準的安全並防止惡意攻擊至關重要。
A2A對協作式AI生態系統的願景
雖然MCP側重於AI模型與外部工具之間的互動，但A2A採取了更廣泛的視角，並設想了一個協作式AI Agent生態系統。這個生態系統將允許不同的AI Agent進行通信、協調和協同工作，以解決複雜的問題。
Agent Card機制是A2A的一個關鍵組件，使Agent能夠發現彼此的能力並交換信息。這種機制允許Agent宣傳其技能和服務，使其他Agent更容易找到並利用它們。Agent Card還提供了一種標準化的方式來描述其能力，確保無論其底層實現如何，它們都能被其他Agent理解。
A2A對通信和協作的關注為AI應用程序開闢了廣泛的可能性。想像一個由AI Agent組成的團隊協同工作以管理供應鏈，每個Agent負責特定的任務，例如預測需求、優化物流或協商合同。通過協作和共享信息，這些Agent可以使供應鏈更高效和更具彈性。
然而，構建協作式AI生態系統也帶來了重大的挑戰。確保Agent可以相互信任並安全地交換信息至關重要。此外，開發用於解決衝突和協調多個Agent之間行動的協議至關重要。
UnifAI彌合差距的雄心
UnifAI旨在通過提供一個統一的平台來構建和部署AI應用程序，從而彌合MCP和A2A之間的差距。它試圖結合這兩種協議的優勢，為開發人員提供一套全面的工具，用於與外部服務進行交互並與其他AI Agent協作。
UnifAI對中小企業的關注尤其值得關注。中小企業通常缺乏從頭開始構建複雜AI系統的資源和專業知識。通過提供一個即用型平台，UnifAI可以幫助中小企業採用AI技術並改進其業務流程。
然而，UnifAI面臨著與AI市場中的老牌企業競爭的挑戰。為了成功，它需要提供一個引人注目的價值主張，使其與現有解決方案區分開來。這可能涉及專注於特定的利基市場或提供其他地方無法獲得的獨特功能。
DARK邁向DeFi的勇敢一步
DARK在Solana上實現MCP伺服器代表著將AI與去中心化金融（DeFi）整合在一起的勇敢一步。通過利用受信任的執行環境（TEE），DARK使AI Agent能夠安全地與Solana區塊鏈進行交互，從而為AI驅動的DeFi應用程序開闢了一系列的可能性。
DARK的一個主要優勢是它能夠自動執行複雜的DeFi策略。可以對AI Agent進行編程，以監控市場狀況、執行交易和管理流動性池，而無需人工干預。這種自動化可以提高效率並降低人為錯誤的風險。
然而，將AI與DeFi集成在一起也帶來了重大的風險。AI Agent可能容易受到攻擊，這些攻擊會利用其代碼或底層DeFi協議中的漏洞。此外，在DeFi中使用AI可能會引起對透明度和問責制的擔憂。
AI Agent的未來：一種多層方法
AI Agent的演變很可能遵循一種多層方法，不同的層負責系統的不同方面。底層將側重於提供基本的安全性和信任，使用TEE等技術。中間層將包含MCP和A2A等協議標準，這些標準可實現互操作性和協作。上層將具有特定的垂直應用程序，針對不同的行業和用例量身定制。
這種多層方法將允許以模組化和可擴展的方式構建AI Agent。可以獨立開發和改進不同的層，而不會影響其他層的功能。這種模組化還使得將AI Agent適應新技術和用例變得更容易。
然而，確保不同層無縫協同工作將是一個關鍵的挑戰。必須設計不同的層以使其相互兼容，並且它們之間必須有清晰的介面。此外，確保不同的層是安全的並防止惡意攻擊至關重要。