3月6日，由中国创业公司Monica发布的全球首款通用AI Agent产品Manus在国内科技圈掀起热潮。上线首日，其邀请码便一码难求，甚至被炒至数万元，引发众多KOL和媒体争相体验解读。Manus不仅能自主规划任务，还能独立执行诸如撰写报告、制作表格等复杂操作，展现出前所未有的通用性和执行能力。它的爆火不仅吸引了行业目光，也为AI Agent的开发提供了宝贵思路。随着AI技术快速发展，AI Agent正从概念走向现实，在各行各业展现出巨大潜力，Web3领域也不例外。

AI Agent，即人工智能代理，是一种能够根据环境、输入和预定义目标自主做出决策并执行任务的计算机程序。它的核心组成部分包括大语言模型（LLM）作为其“大脑”，使其能够处理信息、从交互中学习、做出决策并执行行动；观察和感知机制，使它能够感知环境；推理思考过程，涉及分析观察结果和记忆内容并考虑可能的行动；行动执行，作为对思考和观察的显式响应；以及记忆和检索，存储过去的经验以供学习使用。

AI Agent的设计模式从ReAct出发，有两条发展路线：一条更偏重AI Agent的规划能力，包括REWOO、Plan & Execute、LLM Compiler。另一条更偏重反思能力，包括Basic Reflection、Reflexion、Self Discover、LATS。其中ReAct模式是最早出现的AI Agent设计模式，目前也是应用最广泛的。ReAct是指通过结合语言模型中的推理（Reasoning）和行动（Acting）来解决多样化的语言推理和决策任务。它的典型流程可以用一个有趣的循环来描述：思考（Thought）→行动（Action）→观察（Observation），简称TAO循环。思考阶段需要定义问题、确定关键信息和推理步骤；行动阶段根据思考方向采取相应措施；观察阶段检验行动结果是否有效，并不断循环迭代。

AI Agent又可以根据智能体的数量分为单体智能体（Single Agent）和多体智能体（Multi Agent）。单体智能体的核心在于LLM与工具的配合，在完成任务的过程中可能与用户有多轮交互。多体智能体则为不同的Agent赋予不同的角色定位，通过Agent之间的协同合作来完成复杂的任务，但与用户的交互相对较少。目前大多数框架都聚焦于单体智能体的场景。

Model Context Protocol (MCP)是由Anthropic公司推出的一项开源协议，旨在解决LLM与外部数据源之间的连接和交互问题。可以把LLM类比成操作系统，MCP类比成USB接口，支持将外部数据和工具灵活插入，然后用户可以读取使用这些外部数据和工具。MCP提供了三种能力对LLM进行扩展：Resources（知识扩展）、Tools（执行函数，调用外部系统）、Prompts（预编写提示词模板）。MCP协议采用Client-Server架构，底层传输使用的是JSON-RPC协议。任何人进行开发和托管MCP Server，并且可以随时下线停止服务。

Web3行业中的AI Agent热度

Web3行业中的AI Agent热度在今年一月达到顶峰后大幅回落，整体市值缩水超过90%。目前市场上声量和规模较大的项目主要围绕AI Agent框架进行Web3探索，形成了三种主要模式：以Virtuals Protocol为代表的发射平台模式、以ElizaOS为代表的DAO模式，以及以Swarms为代表的商业公司模式。

发射平台允许用户创建、部署和变现AI Agent，类似于Meme币领域的pump.fun，但专注于AI Agent。Virtuals Protocol是目前最大的发射平台，已发行超过十万个Agent，知名的"币圈KOL"AIXBT就是基于该平台创建。Virtuals Protocol采用模块化Agent框架G.A.M.E，旨在为开发者提供高效开放的框架，让AI Agent开发变得像WordPress建站一样简单。

DAO模式代表去中心化自治组织。ElizaOS（前身为ai16z）由@shawmakesmagic在daos.fun平台上创立，最初理念是利用AI模型模拟知名风投机构a16z及其联创Marc Andreessen的投资决策，结合DAO成员建议进行投资。后来发展为以Eliza框架为核心的AI Agent开发者DAO。Eliza框架使用TypeScript构建，为开发AI Agent提供灵活可扩展的平台，这些Agent可以跨多个平台交互，同时保持一致的个性和知识。

Swarms由20岁的@KyeGomezB于2022年发起，是一个企业级多智能体框架。它通过智能编排和高效协作，让多个AI Agent像团队一样分工合作，解决复杂业务需求。最初Swarms只是Web2项目，据创始人称，有超过4500万个智能体在生产环境中运行，为全球最大的金融、保险和医疗机构提供服务。直到2024年12月发行代币$SWARMS后，才正式从Web2转向Web3。

从经济模型角度看，目前只有发射平台能够实现自给自足的经济闭环。以Virtuals为例：创建者在平台上启动新AI Agent时支付100$VIRTUAL代币，为新代理代币创建绑定曲线并与$VIRTUAL配对；达到绑定曲线限制后，代理"毕业"并创建代理代币与$VIRTUAL配对的流动性池，坚持无预挖、无内部分配、固定总供应量和长期流动性锁定的公平启动原则。

Virtuals除了收取AI Agent发射费用，还收取代理代币的交易费用，以及AI Agent通过其API访问LLM的推理费用。目前ElizaOS和Swarms都在计划搭建自己的发射平台。

然而发射平台也存在问题：这种资产发行模式需要发行的资产本身具有"吸引力"才能形成正向循环。目前多数发行的AI Agent本质上都是Meme，缺乏内在价值支撑，一旦失去市场关注就会快速归零。在冷清的市场环境下，发射平台甚至难以吸引创建者，导致经济模型无法有效运转。

MCP的Web3部署架构

MCP的出现为Web3的AI Agent领域开辟了新的探索路径，主要集中在两个直观方向：一是将MCP Server部署到区块链网络，在解决单点问题的同时实现抗审查能力；二是让MCP Server具备与区块链交互的功能，例如执行DeFi交易和管理操作，从而降低技术使用门槛。

第一个方向对底层区块链的存储系统、数据管理能力和异步计算能力提出了极高要求。类似0G这样的模块化AI区块链成为可选方案，它具备可扩展可编程的数据可用层，能够实现链间无摩擦互操作，在确保安全性的同时打造去中心化的AI生态系统。

第二个方向类似于DeFAI的变体，但避免了重复开发。UnifAI平台创建了统一的DeFAI MCP Server，使自主AI代理能够在Web3生态中执行链上和链下任务。该平台提供任务自动化的UniQ工具、代理服务市场以及用于工具发现的基础设施。

OpenMCP.Network激励机制流程

除了上述两个方向，还有基于以太坊构建OpenMCP.Network创作者激励网络的方案。该方案要求MCP Server提供稳定托管服务，用户向LLM提供商付费，LLM提供商再将激励分配到被调用的MCP Server上，从而维持网络可持续性和稳定性。这套网络使用智能合约实现激励的自动化、透明和抗审查，运行过程中的签名、权限验证和隐私保护则通过以太坊钱包和ZK等技术实现。

尽管从理论上讲，MCP与Web3的结合能为AI Agent应用注入去中心化信任机制和经济激励层，但目前的零知识证明技术还难以验证Agent行为的真实性，同时去中心化网络也存在效率问题，这并非一个短期内就能成功的方案。

未来已来：AI Agent与Web3的共生之路

Manus的发布标志着通用AI Agent产品的一个重要里程碑，在Web3的世界也需要一个里程碑的产品，来打破外界对于Web3没有实用性只有炒作的质疑。MCP的出现为Web3的AI Agent带来了新的探索方向，包括将MCP Server部署到区块链网络，以及MCP Server具备和区块链交互的功能，亦或是构建一个MCP Server创作者激励网络。AI是历史最宏大的叙事，对于Web3来说，与AI融合是不可避免的，我们依然需要保持耐心和信心，持续探索。