MCP: Основний двигун екосистеми Web3 AI Agent

MCP швидко стає ключовим компонентом екосистеми Web3 AI Agent. Він вводить MCP Server через архітектуру подібну до плагінів, що надає нові інструменти та можливості для AI Agent. Як і інші новітні концепції у сфері Web3 AI, MCP (скорочення від Model Context Protocol) походить з Web2 AI і зараз переосмислюється в середовищі Web3.

Суть MCP

MCP - це відкритий протокол, спрямований на стандартизацію способу передачі контекстної інформації додатками до великих мовних моделей (LLMs). Це дозволяє інструментам, даним та AI-агентам більш ефективно співпрацювати.

Важливість MCP

На сьогодні великі мовні моделі стикаються з кількома основними обмеженнями:

• Немає можливості переглядати мережу в реальному часі
• Не можна безпосередньо отримати доступ до локальних або приватних файлів
• Не може самостійно взаємодіяти з зовнішнім програмним забезпеченням

MCP, виступаючи в ролі універсального інтерфейсного шару, заповнює ці прогалини в можливостях, дозволяючи AI Agent використовувати різні інструменти.

MCP можна порівняти зі стандартом єдиного інтерфейсу в галузі AI-додатків, що дозволяє AI легше підключатися до різних джерел даних і функціональних модулів. Уявіть, що кожна LLM є різним пристроєм, який використовує різні інтерфейси. Якщо ви розробник, вам потрібно буде розробити набір аксесуарів для кожного інтерфейсу, що призводить до надзвичайно високих витрат на обслуговування.

Це саме та проблема, з якою стикаються розробники AI-інструментів: налаштування плагінів для кожної платформи LLM значно ускладнює процес і обмежує можливості масштабування. MCP створено для вирішення цієї проблеми шляхом встановлення єдиного стандарту, що дозволяє всім LLM і постачальникам інструментів використовувати один і той же інтерфейс.

Цей стандартизований протокол вигідний для обох сторін:

• Для AI Agent (клієнт): можна безпечно підключати зовнішні інструменти та джерела даних у реальному часі
• Для розробників інструментів (серверна частина): один раз підключитися, доступно на всіх платформах

Остаточний результат - це більш відк ecosystem, що може взаємодіяти, з низьким тертям AI.

MCP та традиційний API: різниця

Дизайн API створено для обслуговування людей, а не для пріоритету AI. Кожен API має свою структуру та документацію, розробники повинні вручну вказувати параметри, читати документацію інтерфейсу. Агенти AI не можуть читати документацію, їх потрібно жорстко кодувати для адаптації до кожного API (такого як REST, GraphQL, RPC тощо).

MCP стандартизує формат виклику функцій у внутрішньому API, абстрагуючи ці неструктуровані частини, забезпечуючи єдиний спосіб виклику для Agent. MCP можна розглядати як адаптаційний шар API, упакований для Autonomous Agent.

Нещодавно одна відома платформа хмарних послуг оголосила, що розробники можуть безпосередньо розгортати віддалені MCP-сервери на її платформі з найнижчими вимогами до обладнання. Це значно спростило процес розгортання та управління MCP-серверами, включаючи аутентифікацію та передачу даних, вважається "одним натисканням кнопки".

Хоча MCP сам по собі виглядає недостатньо привабливо, він зовсім не є незначним. Як чисто інфраструктурний компонент, MCP не може безпосередньо використовуватись споживачами, його цінність справді проявиться лише тоді, коли верхні AI-агенти викликають інструменти MCP і демонструють реальні результати.

Web3 AI та екосистема MCP

AI в Web3 також стикається з проблемами "недостатності контекстних даних" та "ізоляції даних", тобто AI не має доступу до реальних даних на ланцюгу або до нативної логіки виконання смарт-контрактів.

У минулому деякі проекти намагалися створити мережу співпраці кількох агентів, але врешті-решт через залежність від централізованих API та індивідуальних інтеграцій опинилися в ситуації "повторного винаходу колеса". Кожного разу, коли потрібно було підключити джерело даних, необхідно було переписувати адаптаційний шар, що призводило до різкого зростання витрат на розробку. Щоб вирішити цю проблему, агенти наступного покоління потребують більш модульної, конструкторської архітектури для безшовної інтеграції сторонніх плагінів та інструментів.

Отже, на основі MCP та A2A протоколів виникає нове покоління інфраструктури та застосунків AI Agent, спеціально розроблених для сценаріїв Web3, які дозволяють агентам отримувати доступ до багатоланцюгових даних та нативно взаємодіяти з DeFi протоколами.

Проектні кейси: DeMCP та DeepCore

DeMCP є децентралізованим ринком серверів MCP, що спеціалізується на рідних криптоінструментах та забезпеченні суверенітету інструментів MCP.

Його переваги включають:

• Використання TEE (достовірне середовище виконання) для забезпечення незмінності інструменту MCP
• Використання механізму стимулювання токенами для заохочення розробників вносити внесок у сервери MCP
• Забезпечити агрегатор MCP та функцію мікроплатежів, знизити бар'єри для використання

Інший проєкт DeepCore також пропонує систему реєстрації MCP Server, зосереджуючись на криптосфері та подальшому розширенні до протоколу A2A (Agent-to-Agent).

A2A є відкритим протоколом, призначеним для забезпечення безпечної комунікації, співпраці та координації завдань між різними AI агентами. A2A підтримує корпоративну AI співпрацю, наприклад, дозволяючи AI агентам з різних компаній спільно виконувати завдання.

У кількох словах:

• MCP: забезпечує можливість доступу до інструментів для агентів
• A2A: надає агентам можливість співпрацювати між собою

Цінність блокчейну для серверів MCP

Інтеграція технології блокчейн на сервері MCP має багато переваг:

1. Отримання довгих даних через механізм криптографічного рідного стимулювання, що заохочує внесок спільноти в рідкісні набори даних.
2. Захист від атаки "отруєння інструментів", тобто зловмисні інструменти маскуються під легітимні плагіни, щоб ввести в оману Агент.
3. Введення механізму стейкінгу/покарання, поєднання з системою репутації на блокчейні для побудови системи довіри сервера MCP
4. Підвищення відмовостійкості та реального часу системи, уникнення єдиної точки відмови централізованої системи
5. Сприяти відкритим інноваціям, дозволити малим розробникам публікувати такі дані, як джерела ESG, для збагачення екологічної різноманітності

Наразі більшість інфраструктури MCP Server все ще виконує підбір інструментів шляхом аналізу природних мовних запитів користувачів. У майбутньому AI Agent зможе самостійно шукати необхідні інструменти MCP для досягнення складних цілей завдань.

Проте, наразі проект MCP все ще знаходиться на ранній стадії. Більшість платформ все ще є централізованими ринками плагінів, де команда проекту вручну збирає сторонні інструменти Server з GitHub і розробляє деякі плагіни, по суті, не відрізняючись від ринку плагінів Web2, єдина різниця полягає в акценті на сценах Web3.

Майбутні тенденції та вплив на галузь

Все більше людей з криптоіндустрії починають усвідомлювати потенціал MCP у з'єднанні AI і блокчейну. Зі зрілістю інфраструктури конкурентна перевага компаній з підходом "перш ніж розробник" також буде переходити від дизайну API до: хто зможе запропонувати більш багатий, різноманітний і легкий у комбінації набір інструментів.

У майбутньому кожен додаток може стати клієнтом MCP, а кожен API може бути сервером MCP. Таким чином, це може призвести до виникнення нових механізмів ціноутворення: Агент може динамічно вибирати інструменти залежно від швидкості виконання, ефективності витрат, релевантності тощо, формуючи більш ефективну економічну систему послуг Агентів, що підтримується криптовалютою та блокчейном.

Звичайно, MCP сам по собі не орієнтований на кінцевих користувачів, це рівень протоколу нижчого рівня. Іншими словами, справжня цінність і потенціал MCP можуть бути дійсно побачені лише тоді, коли AI Agent інтегрує його та перетворить на практичні застосування.

Врешті-решт, Agent є носієм і підсилювачем можливостей MCP, а блокчейн та криптографічні механізми створюють для цієї інтелектуальної мережі надійну, ефективну та комбіновану економічну систему.