Manus 的問世，不僅標(biāo)志著通用 AI Agent 產(chǎn)品發(fā)展的重要里程碑，更在 Web3 世界中扮演著破局者的角色。面對外界對 Web3 僅剩炒作而無實(shí)用價值的質(zhì)疑，一款真正能夠改變格局的產(chǎn)品亟待出現(xiàn)。3 月 6 日，由中國創(chuàng)業(yè)公司 Monica 推出的全球首款通用 AI Agent 產(chǎn)品 Manus，迅速引爆國內(nèi)科技媒體和社交網(wǎng)絡(luò)。上線首日，邀請碼全網(wǎng)瘋搶，閑魚上甚至出現(xiàn) 5 萬元一個的離譜價格。盡管如此，仍有眾多行業(yè) KOL 提前獲得邀請碼，鋪天蓋地的體驗(yàn)解讀文章如潮水般涌現(xiàn)。Manus 作為通用 AI Agent 的杰出代表，具備從規(guī)劃到執(zhí)行的全流程自主完成任務(wù)能力，無論是撰寫報告還是制作表格，都能輕松勝任。它不僅能生成創(chuàng)意，更能獨(dú)立思考并付諸行動，以強(qiáng)大的自主規(guī)劃、復(fù)雜任務(wù)執(zhí)行及完整成果交付能力，展現(xiàn)了前所未有的通用性與執(zhí)行力。Manus 的火爆，不僅吸引了行業(yè)目光，更為各類 AI Agent 開發(fā)提供了寶貴的思路與靈感。隨著 AI 技術(shù)的日新月異，AI Agent 正從概念走向現(xiàn)實(shí)，在醫(yī)療、金融、教育等各行各業(yè)展現(xiàn)出巨大潛力，Web3 領(lǐng)域也不例外。

AI Agent，即人工智能代理，是一種能夠根據(jù)環(huán)境、輸入和預(yù)定義目標(biāo)自主決策并執(zhí)行任務(wù)的計算機(jī)程序。其核心架構(gòu)包括：以大語言模型（LLM）為「大腦」的推理與決策系統(tǒng)，能夠處理信息、從交互中學(xué)習(xí)并執(zhí)行行動；觀察與感知機(jī)制，使其能夠感知環(huán)境變化；推理思考過程，通過分析觀察結(jié)果和記憶內(nèi)容來制定行動方案；行動執(zhí)行模塊，作為思考與感知的顯性響應(yīng)；以及記憶與檢索系統(tǒng)，用于存儲經(jīng)驗(yàn)以供學(xué)習(xí)。AI Agent 的設(shè)計模式主要分為兩大路線：一條側(cè)重規(guī)劃能力，如 REWOO、Plan & Execute、LLM Compiler；另一條側(cè)重反思能力，包括 Basic Reflection、Reflexion、Self Discover、LATS。其中，ReAct 模式作為最早出現(xiàn)的 AI Agent 設(shè)計模式，目前應(yīng)用最為廣泛。ReAct 通過結(jié)合語言模型中的推理（Reasoning）和行動（Acting）能力，解決多樣化的語言推理和決策任務(wù)。其典型流程可用 TAO 循環(huán)來概括：思考（Thought）→ 行動（Action）→ 觀察（Observation）。思考階段，深入分析問題，明確關(guān)鍵信息和推理步驟；行動階段，根據(jù)思考結(jié)果采取具體措施；觀察階段，評估行動效果，檢驗(yàn)是否接近目標(biāo)。這一循環(huán)不斷迭代，推動問題逐步解決。AI Agent 還可根據(jù)智能體數(shù)量分為 Single Agent 和 Multi Agent。Single Agent 側(cè)重 LLM 與工具的配合，可能涉及與用戶的多次交互；Multi Agent 則為不同 Agent 賦予角色，通過協(xié)同合作完成復(fù)雜任務(wù)，但用戶交互相對較少。目前多數(shù)框架聚焦于 Single Agent 場景。

Model Context Protocol (MCP) 由 Anthropic 公司于 2024 年 11 月 25 日推出，旨在解決 LLM 與外部數(shù)據(jù)源連接與交互的難題。將 LLM 比作操作系統(tǒng)，MCP 則如同 USB 接口，支持靈活接入外部數(shù)據(jù)和工具供用戶使用。MCP 通過三種能力擴(kuò)展 LLM：Resources（知識擴(kuò)展）、Tools（執(zhí)行函數(shù)，調(diào)用外部系統(tǒng)）、Prompts（預(yù)編寫提示詞模板）。MCP 采用 Client-Server 架構(gòu)，底層傳輸使用 JSON-RPC 協(xié)議，任何人可開發(fā)并托管 MCP Server，隨時上線或下線。Web3 領(lǐng)域的 AI Agent 發(fā)展現(xiàn)狀，自今年一月份達(dá)到高峰后迅速降溫，市值縮水超過 90%。目前熱度較高的仍圍繞 AI Agent 框架展開，主要包括三種模式：以 Virtuals Protocol 為代表的發(fā)射平臺模式、以 ElizaOS 為代表的 DAO 模式、以及以 Swarms 為代表的商業(yè)公司模式。發(fā)射平臺允許用戶創(chuàng)建、部署和變現(xiàn) AI Agent，類似 Meme 平臺 pump.fun，但專注于 AI Agent。Virtuals Protocol 作為最大發(fā)射平臺，已發(fā)行超十萬個 Agent，其中「幣圈 KOL」 AIXBT 即基于其創(chuàng)建。Virtuals 的 G.A.M.E 模塊化 Agent 框架，讓 AI Agent 開發(fā)像 WordPress 建站一樣簡單。DAO 模式以 ElizaOS（前身為 ai16z）為代表，由 @shawmakesmagic 在 daos.fun 平臺創(chuàng)立，最初模擬風(fēng)投機(jī)構(gòu) a16z 的投資決策，結(jié)合 DAO 成員建議進(jìn)行投資，后發(fā)展為以 Eliza 框架為核心的 AI Agent 開發(fā)者 DAO。ElizaOS 使用 TypeScript 構(gòu)建，提供靈活可擴(kuò)展的平臺，Agent 可跨平臺交互并保持一致個性。Swarms 由 @KyeGomezB 于 2022 年發(fā)起，是企業(yè)級 Multi Agent 框架，通過智能編排讓多個 Agent 協(xié)作完成復(fù)雜任務(wù)。早期 Swarms 僅作為 Web2 項(xiàng)目，服務(wù)全球最大金融、保險和醫(yī)療機(jī)構(gòu)，2024 年 12 月發(fā)行代幣 $SWARMS 后正式進(jìn)軍 Web3。

從經(jīng)濟(jì)模型來看，目前只有發(fā)射平臺可實(shí)現(xiàn)自給自足。以 Virtuals 為例：代理創(chuàng)建者支付 100 $VIRTUAL 代幣啟動新 Agent；綁定曲線設(shè)置為新 Agent 代幣創(chuàng)建綁定曲線并配對 $VIRTUAL；流動性池創(chuàng)建，代理「畢業(yè)」后創(chuàng)建與 $VIRTUAL 配對的流動性池，堅(jiān)持公平啟動原則：無預(yù)挖或內(nèi)部分配，固定總供應(yīng)量，流動性鎖定較長時間。Virtuals 除收取發(fā)射費(fèi)用，還收取代理代幣交易費(fèi)和 API 推理費(fèi)。ElizaOS 和 Swarms 正計劃搭建自有發(fā)射平臺。然而，發(fā)射平臺存在缺陷：資產(chǎn)發(fā)行需本身具有吸引力才能形成正向飛輪，但目前多數(shù) AI Agent 缺乏內(nèi)在價值支撐，一旦失去市場關(guān)注便會迅速歸零。在當(dāng)前市場環(huán)境下，發(fā)射平臺甚至難以吸引創(chuàng)建者，經(jīng)濟(jì)模型難以運(yùn)轉(zhuǎn)。

MCP 的出現(xiàn)為 Web3 AI Agent 帶來新方向：一是將 MCP Server 部署到區(qū)塊鏈網(wǎng)絡(luò)，解決單點(diǎn)問題并實(shí)現(xiàn)抗審查；二是讓 MCP Server 具備與區(qū)塊鏈交互功能，如 DeFi 交易管理，降低技術(shù)門檻。前者對底層區(qū)塊鏈的存儲系統(tǒng)、數(shù)據(jù)管理能力和異步計算能力要求極高，可考慮類似 0G 的模塊化 AI 區(qū)塊鏈。0G 具備可擴(kuò)展可編程 DA 層，支持 AI dapp，其模塊化技術(shù)實(shí)現(xiàn)鏈間無摩擦互操作性，打造去中心化 AI 生態(tài)系統(tǒng)。后者類似 DeFAI 變種，UnifAI 創(chuàng)建統(tǒng)一 DeFAI MCP Server，避免重復(fù)造輪子。UnifAI 平臺支持自主 AI 代理執(zhí)行鏈上鏈下任務(wù)，包含 UniQ 任務(wù)自動化工具、代理服務(wù)市場和工具發(fā)現(xiàn)基礎(chǔ)設(shè)施。此外，@brucexu_eth 提出 OpenMCP.Network 方案，基于以太坊構(gòu)建創(chuàng)作者激勵網(wǎng)絡(luò)。MCP Server 需托管并提供穩(wěn)定服務(wù)，用戶付費(fèi)給 LLM 提供商，后者通過智能合約將激勵分配到被調(diào)用的 MCP Servers，維持網(wǎng)絡(luò)可持續(xù)性。這一方案需借助以太坊錢包、ZK 技術(shù)實(shí)現(xiàn)簽名、權(quán)限驗(yàn)證和隱私保護(hù)。

盡管 MCP 與 Web3 結(jié)合理論上能注入去中心化信任機(jī)制與經(jīng)濟(jì)激勵層，但零知識證明（ZKP）技術(shù)尚難驗(yàn)證 Agent 行為真實(shí)性，去中心化網(wǎng)絡(luò)也存在效率問題，短期內(nèi)難以實(shí)現(xiàn)。Manus 的發(fā)布標(biāo)志著通用 AI Agent 產(chǎn)品的重要里程碑，Web3 領(lǐng)域同樣需要一款里程碑級產(chǎn)品來打破質(zhì)疑。MCP 的探索方向?yàn)?Web3 AI Agent 帶來新希望，包括部署到區(qū)塊鏈網(wǎng)絡(luò)、實(shí)現(xiàn)區(qū)塊鏈交互、構(gòu)建創(chuàng)作者激勵網(wǎng)絡(luò)等。AI 作為歷史最宏大的敘事，Web3 與 AI 融合是必然趨勢。我們需保持耐心與信心，持續(xù)探索。本文由 ZAN Team（X 賬號@zan_team）的 pignard.eth（X 賬號@pignard_web3） 撰寫。注：本文僅作為技術(shù)分享，不構(gòu)成任何推薦和建議。