원문 작성자: Haotian(X: @tme l0 211)
친구들이 말하길, #ai16z, $arc 등 web3 AI Agent 표적의 지속적인 하락은 최근 폭발적으로 성장한 MCP 프로토콜 때문이라고 합니다. 처음에는 정말 당황스러웠지만, 곰곰이 생각해보니 어느 정도 논리가 있습니다: 기존 web3 AI Agent의 평가 논리가 바뀌었고, 서사 방향과 제품 실현 경로가 시급히 조정되어야 합니다! 개인적인 견해를 말씀드리면 다음과 같습니다:
1) MCP(Model Context Protocol)는 다양한 AI LLM/Agent가 seamless하게 다양한 데이터 소스와 도구에 연결될 수 있게 하는 오픈소스 표준화 프로토콜로, 마치 범용 USB 인터페이스와 같아서 과거 특정 방식으로 포장해야 했던 것을 대체합니다.
즉, 기존 AI 애플리케이션 간에는 명확한 데이터 고립이 있었고, Agent/LLM 간 상호운용성을 구현하려면 각자 API 인터페이스를 개발해야 했는데, 복잡한 작업 프로세스에 더해 양방향 상호작용 기능도 부족했습니다. 하지만 MCP가 등장하면서 통합 프레임워크를 제공하여 AI 애플리케이션이 데이터 고립에서 벗어나 외부 데이터와 도구에 '동적'으로 접근할 수 있게 되었고, 개발 복잡성과 통합 효율성을 크게 개선할 수 있게 되었습니다. 특히 자동화 작업 실행, 실시간 데이터 쿼리, 크로스 플랫폼 협업 등에서 두드러진 추진력을 발휘합니다.
이렇게 보면 다중 Agent 협업 혁신 Manus가 MCP 오픈소스 프레임워크를 활용한다면 정말 무적이 될 것 같습니다.
맞습니다, Manus + MCP가 web3 AI Agent가 이번에 타격을 받은 핵심 요인입니다.
2) 그런데 이상하게도 Manus나 MCP 모두 web2 LLM/Agent를 대상으로 하는 프레임워크와 프로토콜 표준이며, 중앙화된 서버 간 데이터 교환과 협업 문제를 해결하는 것이고, 권한과 접근 제어도 각 서버 노드의 '능동적' 개방에 의존합니다. 다시 말해 단순한 오픈소스 도구 속성에 불과합니다.
이는 web3 AI Agent가 추구하는 '분산 서버, 분산 협업, 분산 인센티브' 등의 핵심 사상과 완전히 배치됩니다. 중앙화된 대포가 어떻게 탈중앙화된 요새를 무너뜨릴 수 있겠습니까?
그 이유는 첫 단계 web3 AI Agent가 너무 'web2화' 되었기 때문입니다. 일부 팀이 web2 배경에서 왔고 web3 Native의 본질적 수요를 충분히 이해하지 못했기 때문입니다. 예를 들어 ElizaOS 프레임워크는 처음에 개발자가 AI Agent 애플리케이션을 빠르게 배포할 수 있도록 돕는 포장 프레임워크였는데, Twitter, Discord 등 플랫폼과 OpenAI, Claude, DeepSeek 등의 API 인터페이스를 통합했습니다. 이는 Memory, Character 등 일반적인 프레임워크를 제공하여 개발자가 AI Agent 애플리케이션을 빨리 개발할 수 있게 했습니다. 그런데 이런 서비스 프레임워크가 web2의 오픈소스 도구와 어떤 차이가 있고 어떤 차별화 우위가 있는지 의문이 듭니다.
아, 혹시 장점은 Tokenomics 인센티브 방식이라고 할까요? 그리고 web2에서 완전히 대체 가능한 프레임워크로 새로운 코인을 발행하는 AI Agent를 육성하고 있다니 무서운 일이군요. 이런 논리를 따라가다 보면 Manus+MCP가 web3 AI Agent에 타격을 줄 수 있는 이유를 대략 알 수 있습니다.
많은 web3 AI Agent 프레임워크와 서비스가 web2 AI Agent의 빠른 개발과 애플리케이션 수요만 해결했을 뿐, 기술 서비스와 표준, 차별화 우위 면에서 web2의 혁신 속도를 따라가지 못했기 때문에 시장/자본이 이전 web3 AI Agent에 대한 재평가와 재가격 책정을 했습니다.
3) 여기까지 오면 문제의 핵심을 찾은 것 같습니다. 그렇다면 어떻게 돌파구를 찾을 수 있을까요? 답은 하나입니다: web3 네이티브 솔루션에 집중하는 것입니다. 분산 시스템의 운영과 인센티브 구조가 web3의 절대적인 차별화 우위입니다.
분산 클라우드 컴퓨팅, 데이터, 알고리즘 등 서비스 플랫폼을 예로 들면, 겉으로 보기에는 유휴 자원을 활용한다는 점에서 단기적으로는 혁신적인 엔지니어링 구현을 충족시키기 어려워 보입니다. 하지만 많은 AI LLM이 중앙화된 컴퓨팅 성능 향상 군비 경쟁을 벌이고 있는 지금, '유휴 자원, 저비용'을 내세운 서비스 모델은 web2 개발자와 VC들의 관심을 끌 수 있습니다.
하지만 web2 AI Agent가 성능 혁신 단계를 지나면 반드시 수직 애플리케이션 영역 확장과 세분화된 모델 최적화 등의 방향을 추구할 것이고, 그때 web3 AI 자원 서비스의 장점이 드러날 것입니다.
사실 자원 독점으로 거대 기업 자리에 오른 web2 AI가 일정 단계에 이르면 농촌 포위 도시 전략으로 세분화된 시장을 공략하기 어려워질 것입니다. 그때가 바로 과잉 web2 AI 개발자와 web3 AI 자원이 힘을 합칠 때입니다.
요약하면, web3 AI Agent는 web2의 빠른 배포와 다중 Agent 협업 통신 프레임워크, 코인 발행 서사 외에도 web3 Native의 혁신 방향이 많이 있습니다:
1. 탈중앙화 DID 신원 인증 시스템을 갖추어 Agent가 검증 가능한 체인 상의 신원을 가질 수 있게 합니다. 이는 스마트 컨트랙트에 생성되는 고유 주소와 유사한 역할을 합니다.
2. 탈중앙화 오라클 예언기 시스템을 구축하여 체인 외부 데이터의 신뢰할 수 있는 획득과 검증을 담당합니다. 기존 오라클과 다른 점은 AI Agent에 특화된 데이터 수집 계층, 의사결정 합의 계층, 실행 피드백 계층 등 다중 Agent 구조를 가질 수 있다는 것입니다.
3. 탈중앙화 저장 DA 시스템을 갖추어 LLM의 불확실한 지식베이스 상태와 추론 과정을 분산 저장 시스템에 기록하고 비용 효율적인 데이터 증명 메커니즘을 제공합니다.
4. 영지식 증명 ZKP 프라이버시 계산 계층을 구축하여 TEE, FHE 등 프라이버시 계산 솔루션과 연계하여 실시간 프라이버시 계산과 데이터 증명 검증을 가능하게 합니다. 이를 통해 의료, 금융 등 더 많은 전문 수직 데이터 소스에 접근할 수 있고 그 위에 맞춤형 서비스 Agent를 구축할 수 있습니다.
5. 크로스체인 상호운용성 프로토콜을 개발하여 Agent의 실행, 전달, 검증을 위한 relay와 통신 조정 메커니즘을 제공합니다. 이를 통해 Agent가 다른 체인 간에 자산 이전과 상태 동기화를 수행할 수 있습니다. 특히 Agent의 컨텍스트, Prompt, 지식베이스, Memory 등 복잡한 상태를 포함합니다.
결국 진정한 web3 AI Agent의 핵심은 AI Agent의 '복잡한 워크플로우'와 블록체인의 '신뢰 검증 프로세스'를 최대한 부합시키는 것이라고 봅니다. 이러한 증분 솔루션들은 기존 프로젝트의 업그레이드와 진화로 나올 수도 있고, 새로운 AI Agent 서사 트랙의 프로젝트에서 처음부터 구축될 수도 있습니다.
이것이 web3 AI Agent가 노력해야 할 방향이며, AI+Crypto의 거시적 서사 아래 혁신 생태계의 근본적인 기반입니다. 그렇지 않으면 web2 AI 트랙의 어떤 변화에도 web3 AI가 요동칠 수밖에 없습니다.
