【长推】加密 AI Agent 估值定价逻辑已变？该如何调整叙事方向及落地路线？

Chainfeeds 导读：

在我看来，真正的 Web3 AI Agent 的攻克重点应该在于如何让 AI Agent 的复杂工作流和区块链的信任验证流如何尽可能契合。

文章来源：

https://x.com/tmel0211/status/1901500405940727922

文章作者：

Haotian

观点：

Haotian：MCP（Model Context Protocol）是一个旨在让各类 AI LLM/Agent 无缝连接到各种数据源和工具的开源标准化协议，相当于一个即插即拔 USB「通用」接口，取代了过去要端到端「特定」封装方式。简单而言，原本 AI 应用之间都有明显的数据孤岛，Agent/LLM 之间要实现互通有无则需要各自开发相应的调用 API 接口，操作流程复杂不说，还缺乏双向交互功能，通常都有相对有限的模型访问和权限限制。MCP 的出现等于提供了一个统一的框架，让 AI 应用可以摆脱过去的数据孤岛状态，实现动态访问外部的数据与工具的可能性，可以显著降低开发复杂性和集成效率，尤其在在自动化任务执行、实时数据查询以及跨平台协作等方面有明显助推作用。说到此，很多人立马想到了，如果用多 Agent 协作创新的 Manus 集成此能促进多 Agent 协作的 MCP 开源框架，是不是就无敌了？没错，Manus + MCP 才是 web3 AI Agent 此番遭受冲击的关键。 但匪夷所思的是，无论 Manus 还是 MCP 都是面向 web2 LLM/Agent 的框架和协议标准，其解决的都是中心化服务器之间的数据交互和协作的问题，其权限和访问控制还依赖各个服务器节点的主动开放，换句话来说，它只是一种开源工具属性。按理说，它和 Web3 AI Agent 追求的分布式服务器、分布式协作、分布式激励等等中心思想完全背离，中心化的意大利炮怎么能炸掉去中心化的碉堡呢？究其原因在于，第一阶段的 web3 AI Agent 太过于 Web2 化了，一方面源于不少团队都来自 Web2 背景，对 Web3 Native 的原生需求缺乏充分的理解，比如，ElizaOS 框架最初就是一个，帮助开发者快捷部署 AI Agent 应用的封装框架，恰恰就是集成了 Twitter、Discord 等平台和一些 OpenAI、Claude、DeepSeek 等 API 接口，适当封装了一些 Memory、Charater 通用框架，帮助开发者快速开发落定 AI Agent 应用。但较真的话，这套服务框架和 web2 的开源工具有何区别呢？又有什么差异化优势呢？ 该如何破局呢？就一条路：专注于做 Web3 原生的解决方案，因为分布式系统的运转和激励架构才是属于 Web3 绝对差异化的优势。以分布式云算力、数据、算法等服务平台为例，表面上看似这种以闲置资源为由头聚合起来的算力和数据，短期根本无法满足工程化实现创新的需要，但在大量 AI LLM 正在拼集中化算力搞性能突破军备竞赛的时候，一个以闲置资源、低成本为噱头的服务模式自然会让 Web2 的开发者和 VC 天团不屑一顾。但等 Web2 AI Agent 过了拼性能创新的阶段，就势必会追求垂直应用场景拓展和细分微调模型优化等方向，那个时候才会真正显现 Web3 AI 资源服务的优势。