Tác giả bài viết: Haotian (X: @tme l0 211)
Một số bạn bè nói rằng, sự sụt giảm liên tục của các mục tiêu Token web3 AI Agent như #ai16z, $arc là do sự bùng nổ gần đây của giao thức MCP? Nghe thì có vẻ hơi lạ, WTF có liên quan gì? Nhưng sau khi suy nghĩ kỹ, thì thấy cũng có một số logic: Định giá và logic định giá của các Token web3 AI Agent đã thay đổi, hướng kể chuyện và lộ trình triển khai sản phẩm cần được điều chỉnh gấp! Dưới đây, tôi xin chia sẻ quan điểm cá nhân:
1) MCP (Model Context Protocol) là một giao thức chuẩn hóa mã nguồn mở nhằm cho phép các AI LLM/Agent kết nối không gián đoạn với các nguồn dữ liệu và công cụ khác nhau, như một "giao diện USB phổ dụng", thay thế cho cách tiếp cận "đặc thù" từ đầu đến cuối trong quá khứ.
Nói một cách đơn giản, trước đây các ứng dụng AI đều có các "hòn đảo dữ liệu" rõ ràng, để các Agent/LLM có thể trao đổi thông tin với nhau thì cần phát triển các API gọi tương ứng, quy trình vận hành phức tạp, và thường có các hạn chế về quyền truy cập và mô hình.
Sự xuất hiện của MCP đã cung cấp một khuôn khổ thống nhất, cho phép các ứng dụng AI thoát khỏi tình trạng "hòn đảo dữ liệu", thực hiện khả năng "động" truy cập dữ liệu và công cụ bên ngoài, giúp giảng đáng kể độ phức tạp trong phát triển và hiệu quả tích hợp, đặc biệt là trong các lĩnh vực như thực thi tự động hóa nhiệm vụ, truy vấn dữ liệu thời gian thực và hợp tác liên nền tảng.
Nói đến đây, nhiều người lập tức nghĩ rằng, nếu sử dụng khung làm việc hợp tác đa Agent như Manus kết hợp với MCP - một framework mã nguồn mở thúc đẩy hợp tác đa Agent, thì sẽ trở nên vô địch?
Đúng vậy, Manus + MCP chính là yếu tố then chốt khiến các Token web3 AI Agent gặp khó khăn lần này.
2) Tuy nhiên, điều khó hiểu là, cả Manus và MCP đều là các khung và giao thức tiêu chuẩn hướng tới LLM/Agent web2, giải quyết vấn đề trao đổi dữ liệu và hợp tác giữa các máy chủ tập trung, quyền hạn và kiểm soát truy cập vẫn phụ thuộc vào "chủ động" mở ra của từng nút máy chủ, nói cách khác, chúng chỉ là các công cụ mã nguồn mở.
Lý lẽ là, chúng hoàn toàn trái ngược với tư tưởng "máy chủ phân tán, hợp tác phân tán, khích lệ phân tán" mà các web3 AI Agent theo đuổi, thì làm sao một khẩu pháo tập trung có thể phá hủy được pháo đài phi tập trung?
Nguyên nhân là, giai đoạn đầu của web3 AI Agent đã quá "web2 hóa", một mặt là do nhiều nhóm đến từ nền tảng web2, thiếu hiểu biết sâu sắc về nhu cầu bản địa web3, ví dụ, khung ElizaOS ban đầu chỉ là một framework giúp nhà phát triển nhanh chóng triển khai ứng dụng AI Agent, tích hợp các nền tảng như Twitter, Discord và một số API như OpenAI, Claude, DeepSeek, cung cấp một số khung Memory, Charater chung, giúp nhà phát triển nhanh chóng xây dựng ứng dụng AI Agent. Nhưng nếu xem kỹ, thì bộ khung dịch vụ này và các công cụ mã nguồn mở web2 có gì khác biệt? Và lợi thế cạnh tranh là gì?
Ồ, liệu ưu thế chỉ là có một cơ chế khích lệ Tokenomics? Sau đó sử dụng một bộ khung hoàn toàn có thể thay thế bằng web2, để khích lệ một nhóm AI Agent chỉ tồn tại vì phát hành token mới? Kinh khủng... Theo logic này, bạn có thể hiểu tại sao Manus + MCP lại có thể tác động đến web3 AI Agent.
Do các khung và dịch vụ web3 AI Agent chỉ giải quyết nhu cầu phát triển và ứng dụng nhanh tương tự như web2 AI Agent, nhưng về mặt dịch vụ kỹ thuật, tiêu chuẩn và lợi thế cạnh tranh thì vẫn chưa theo kịp tốc độ đổi mới của web2, nên thị trường/vốn đã định giá và định giá lại các web3 AI Agent trước đó.
3) Nói đến đây, vấn đề cốt lõi đã được tìm ra, nhưng làm thế nào để phá vỡ? Chỉ có một con đường: Tập trung vào việc xây dựng các giải pháp bản địa web3, bởi vì cấu trúc vận hành phân tán và khích lệ mới là lợi thế cạnh tranh tuyệt đối của web3.
Lấy ví dụ về các nền tảng dịch vụ điện toán đám mây, dữ liệu, thuật toán phân tán, trên bề mặt thì việc tập hợp các tài nguyên nhàn rỗi để cung cấp dịch vụ, ngắn hạn hoàn toàn không thể đáp ứng nhu cầu triển khai đổi mới công nghiệp, nhưng trong bối cảnh các AI LLM đang cạnh tranh quyết liệt để đạt được bước nhảy vọt về hiệu suất, thì một mô hình dịch vụ dựa trên "tài nguyên nhàn rỗi, chi phí thấp" tự nhiên sẽ khiến các nhà phát triển và quỹ đầu tư web2 coi thường.
Nhưng khi web2 AI Agent vượt qua giai đoạn cạnh tranh về hiệu suất, tất yếu sẽ theo đuổi hướng mở rộng ứng dụng chuyên ngành và tối ưu hóa mô hình, lúc đó mới thực sự thể hiện ưu thế của dịch vụ tài nguyên AI web3.
Thực tế, khi những "ông lớn" web2 AI đã chiếm lĩnh vị trí thống trị thông qua độc quyền tài nguyên, rất khó quay trở lại với tư duy "vây làng đánh thành", từng bước phá vỡ các细分thị trường, đó chính là thời điểm các nhà phát triển web2 AI dư thừa kết hợp với nguồn lực web3 AI ra sức tấn công.
Thực ra, ngoài khung triển khai nhanh + hợp tác đa Agent + kịch bản phát hành token của web2, web3 AI Agent còn có rất nhiều hướng đổi mới mang tính bản địa web3 đáng để khám phá:
Ví dụ, trang bị một khung hợp tác đồng thuận phân tán, do đặc tính tính toán ngoài chuỗi + lưu trữ trạng thái trên chuỗi của LLM, cần nhiều thành phần thích ứng.
1. Một hệ thống xác thực danh tính phi tập trung (DID), cho phép Agent có một danh tính có thể xác minh trên chuỗi, giống như địa chỉ duy nhất do máy ảo tạo ra cho hợp đồng thông minh, chủ yếu để theo dõi và ghi lại trạng thái liên tục.
2. Một hệ thống oracle phi tập trung, chủ yếu chịu trách nhiệm thu thập và xác minh dữ liệu ngoài chuỗi một cách đáng tin cậy, khác với oracle truyền thống, hệ thống oracle này phù hợp với AI Agent có thể bao gồm nhiều Agent cho lớp thu thập dữ liệu, lớp đồng thuận quyết định và lớp phản hồi thực thi.
3. Một hệ thống lưu trữ phân tán (DA), do trạng thái kiến thức và quá trình suy luận của AI Agent có tính tạm thời, cần lưu trữ các thư viện trạng thái then chốt và lộ trình suy luận vào hệ thống lưu trữ phân tán, cung cấp cơ chế chứng minh dữ liệu có chi phí kiểm soát được để đảm bảo tính sẵn có khi xác minh trên chuỗi.
4. Một lớp tính toán bằng chứng không tri thức (ZKP), có thể kết hợp các giải pháp tính toán riêng tư như TEE, FHE, v.v., để thực hiện tính toán riêng tư theo thời gian thực + xác minh dữ liệu, cho phép Agent truy cập vào nhiều nguồn dữ liệu chuyên ngành hơn (y tế, tài chính), từ đó xuất hiện nhiều Agent dịch vụ chuyên sâu hơn.
5. Một giao thức khả năng tương tác liên chuỗi, tương tự như khung định nghĩa của giao thức MCP, nhưng khác ở chỗ giải pháp Interoperability này cần có cơ chế relay và điều phối truyền thông để thích ứng với việc chạy, truyền và xác minh Agent, giải quyết vấn đề chuyển tài sản và đồng bộ hóa trạng thái giữa các chuỗi, đặc biệt là các trạng thái phức tạp như Prompt, Knowledge Base, Memory, v.v. của Agent.
Theo tôi, trọng tâm thực sự của web3 AI Agent nên là làm thế nào để "luồng công việc phức tạp" của AI Agent và "luồng xác minh tin cậy" của blockchain có thể tương thích tối đa. Liệu các giải pháp tăng cường này sẽ đến từ việc nâng cấp các dự án kể chuyện cũ, hay được xây dựng lại từ đầu bởi các dự án mới trên đường đua AI + Crypto, đều có khả năng xảy ra.
Đây mới chính là hướng mà web3 AI Agent nên nỗ lực xây dựng, đây mới là cơ sở đổi mới sinh thái phù hợp với xu hướng lớn AI + Crypto. Nếu không thể có những đổi mới liên quan và xây dựng các rào cản cạnh tranh khác biệt, thì mỗi lần gió thổi qua đường đua AI web2, đều có thể làm lung lay cả web3 AI.
