Chainfeeds hướng dẫn đọc:
AI Agent trên chuỗi đang âm thầm hồi sinh, các tiêu chuẩn giao thức như MCP, A2A, UnifAI dần được hoàn thiện, đang xây dựng một cơ sở hạ tầng mới với sự hợp tác của nhiều AI Agent. AI Agent đang tiến hóa từ công cụ thông tin trở thành thực thể thực thi ứng dụng. Đây có phải là mùa xuân thứ hai của AI Agent trên chuỗi không?
Nguồn bài viết:
https://x.com/tmel0211/status/1912430381305065865
Tác giả bài viết:
Haotian
Quan điểm:
Haotian: 1) Giao thức MCP (Model Context): Một giao thức tiêu chuẩn mở do Anthropic giới thiệu, về bản chất là kết nối "hệ thần kinh" giữa mô hình AI và các công cụ bên ngoài, giải quyết vấn đề khả năng tương tác của AI Agent với các công cụ bên ngoài. Cả Google DeepMind đều bày tỏ sự ủng hộ, khiến MCP nhanh chóng trở thành tiêu chuẩn giao thức được ngành công nhận. Giá trị kỹ thuật của MCP nằm ở việc chuẩn hóa việc gọi hàm, cho phép các LLM khác nhau tương tác với các công cụ bên ngoài bằng một ngôn ngữ thống nhất, tương đương như "giao thức HTTP" trong thế giới Web3 AI, nhưng còn hạn chế trong giao diện chuyển tiếp giao tiếp từ xa an toàn. 2) Giao thức A2A (Agent-to-Agent): Giao thức giao tiếp giữa các AI Agent do Google dẫn đầu, tạo nên khung giao thức cho "mạng xã hội AI Agent". So với MCP tập trung vào kết nối AI với các công cụ, A2A quan tâm hơn đến việc giao tiếp và tương tác giữa các AI Agent. Thông qua cơ chế khả năng phát hiện vấn đề của AI Agent, hợp tác giữa các AI Agent trên nhiều nền tảng và đa phương thức, đã nhận được sự ủng hộ từ hơn 50 doanh nghiệp như Atlassian, Salesforce. Về chức năng, A2A giống như "giao thức xã hội" trong thế giới AI, cho phép các AI nhỏ làm việc hài hòa theo một cách thức thống nhất. Theo cá nhân tôi, việc Google đứng ra "tập hợp" và背书cho các AI Agent có ý nghĩa lớn hơn. 3) UnifAI: Định vị là mạng lưới hợp tác AI Agent, cố gắng tích hợp ưu điểm của MCP và A2A, cung cấp giải pháp hợp tác AI Agent xuyên nền tảng cho các doanh nghiệp vừa và nhỏ. Kiến trúc của nó tương tự như một lớp trung gian, hy vọng thông qua cơ chế dịch vụ thống nhất để làm cho hệ sinh thái AI Agent hiệu quả hơn. Mặc dù hiệu quả hơn so với các giao thức khác, ảnh hưởng thị trường và xây dựng hệ sinh thái của UnifAI vẫn rõ ràng không đủ, trong tương lai có thể sẽ tập trung vào một số kịch bản cụ thể. AI Agent trên chuỗi có thể tận dụng những giao thức tiêu chuẩn này để mở ra những hướng mở rộng và cơ hội nào? 1) Thực thi ứng dụng phi tập trung: Dark dựa trên thiết kế TEE, đã nêu ra một vấn đề cốt lõi - làm thế nào để các mô hình AI có thể thực hiện các thao tác trên chuỗi một cách đáng tin cậy. Điều này cung cấp sự hỗ trợ kỹ thuật cho AI Agent trong lĩnh vực DeFi, có nghĩa là trong tương lai có thể xuất hiện nhiều AI Agent tự động thực hiện các giao dịch, phát hành token, quản lý nhà cung cấp thanh khoản, v.v. Tích hợp các mô hình AI Agent thuần túy để đánh bóng, hệ sinh thái AI Agent có giá trị thực tế mới là giá trị thực sự. (Tuy nhiên, hiện tại github của Dark chỉ có 12 Action hạn chế trong quá khứ, chỉ có thể coi là một khởi đầu tốt, còn xa mới đến giai đoạn áp dụng quy mô lớn.) 2) Mạng blockchain hài hòa với nhiều AI Agent: Việc khám phá các kịch bản hợp tác của A2A và UnifAI mang lại khả năng hiệu ứng mạng hoàn toàn mới cho hệ sinh thái AI Agent trên chuỗi. Hãy thử tưởng tượng một mạng phi tập trung bao gồm nhiều AI Agent chuyên nghiệp, có thể vượt qua giới hạn năng lực của một LLM duy nhất, tạo nên một thị trường phi tập trung tự chủ, điều này hoàn toàn phù hợp với đặc tính mạng chia sẻ của blockchain.
Nguồn nội dung
