有朋友說，諸如#ai16z、 arc 等web3 AI Agent標的的持續陰跌是由最近爆火的MCP 協議造成的？乍聽，整個人有點懵，WTF有關係嗎？但細想之後發現，真有一定的邏輯：已有web3 AI Agent的估價定價邏輯變了，敘事方向和產品落地路線亟需調整！以下，談個人觀點：

1）MCP（Model Context Protocol）是一個旨在讓各類AI LLM/Agent 無縫連接到各種資料來源和工具的開源標準化協議，相當於一個即插即拔USB「通用」接口，取代了過去要端到端「特定」封裝方式。

簡單而言，原本AI應用之間都有明顯的資料孤島，Agent/LLM之間要實現互通有無則需要各自開發相應的調用API接口，操作流程複雜不說，還缺乏雙向交互功能，通常都有相對有限的模型訪問和權限限制。

MCP的出現等於提供了一個統一的框架，讓AI應用可以擺脫過去的資料孤島狀態，實現「動態」存取外部的資料與工具的可能性，可以顯著降低開發複雜性和整合效率，尤其在在自動化任務執行、即時資料查詢以及跨平台協作等方面有明顯助推作用。

說到此，很多人立刻想到了，如果用多Agent協作創新的Manus整合此能促進多Agent協作的MCP開源框架，是不是就無敵了？

沒錯，Manus + MCP 才是web3 AI Agent此番遭受衝擊的關鍵。

2）但，匪夷所思的是，無論Manus或MCP都是面向web2 LLM/Agent 的框架和協定標準，其解決的都是中心化伺服器之間的資料互動和協作的問題，其權限和存取控制也依賴各個伺服器節點的「主動」開放，換句話說，它只是一種開源工具屬性。

照理說，它和web3 AI Agent追求的「分散式伺服器、分散式協作、分散式激勵」等等中心思想完全背離，中心化的義大利炮怎麼能炸掉去中心化的碉堡呢？

究其原因在於，第一階段的web3 AI Agent太過於“web2化”了，一方面源於不少團隊都來自web2背景，對web3 Native的原生需求缺乏充分的理解，比如，ElizaOS框架最初就是一個，幫助開發者快捷部署AI、Agent應用的封裝框架，恰恰是集成了Twitter、Discord等平台和一些幫助新工具定AI Agent應用。但更真的話，這套服務框架和web2的開源工具有何差別呢？又有什麼差異化優勢呢？

呃，難道優勢就是有一套Tokenomics激勵方式？然後用一套web2可以完全取代的框架，激勵一批更多為了發新幣而存在的AI Agent？可怕。 。順著這個邏輯看，你大概明白，為何Manus +MCP能夠對web3 AI Agent產生衝擊？

由於一眾web3 AI Agent框架和服務只解決了類同web2 AI Agent的快速開發和應用需求，但在技術服務和標準和差異化優勢上又跟不上web2的創新速度，所以市場/資本對上一批的web3的AI Agent進行了重新估值和定價。

3）說到此，大致的問題想必找到癥結所在了，但又該如何破局呢？就一條路：專注於做web3 原生的解決方案，因為分散式系統的運作與激勵架構才是屬於web3絕對差異化的優勢。

以分散式雲算力、數據、演算法等服務平台為例，表面上看似這種以閒置資源為由頭聚合起來的算力和數據，短期根本無法滿足工程化實現創新的需要，但在大量AI LLM正在拼集中化算力搞性能突破軍備競賽的時候，一個以“閒置資源、低成本”為會讓web天團的服務模式自然一屑。

但等web2 AI Agent過了拼性能創新的階段，就勢必會追求垂直應用場景拓展和細分微調模型優化等方向，那時才會真正顯現web3 AI資源服務的優勢。

事實上，當以資源壟斷方式爬上巨頭位置上的web2 AI到一定階段，很難再退回來用農村包圍城市的思想，逐個細分場景擊破，那個時候就是過剩web2 AI 開發者+ web3 AI 資源抱團發力的時候。

事實上，web3 AI Agent除了web2的那套快速部署+多Agent協作通訊框架外+Tokenomic 發幣敘事之外，還有很多web3 Native的創新方向值得去探索：

例如，配備一套分散式共識協作框架，考慮到LLM大模型鏈下運算+鏈上狀態儲存的特性，需要許多適配性的元件。

1.一套去中心化的DID身份驗證系統，讓Agent能夠擁有可驗證的鏈上身份，這像執行虛擬機為智能合約生成的唯一性地址一樣，主要為了後續狀態的持續追蹤和記錄；

2.一套去中心化的Oracle預言機系統，主要負責鏈下數據的可信獲取和驗證，和以往Oracle不同的是，這套適配AI Agent的預言機可能還需要做包括數據採集層、決策共識層、執行反饋層多個Agent的組合架構，以便於Agent的鏈上所需數據和鏈下計算和決策和決策制定決策和決策；

3.一套去中心化的儲存DA系統，由於AI Agent運作時的知識庫狀態存在不確定性，且推理過程也較為臨時性，需要一套把LLM背後的關鍵狀態庫和推理路徑記錄下來儲存於分散式儲存系統中，並提供成本可控的資料證明機制，以確保公鏈驗證時的資料可用性；

4.一套零知識證明ZKP隱私計算層，可以連動包括TEE時、FHE等在內的隱私計算解決方案，實現實時的隱私計算+數據證明驗證，讓Agent可以有更廣泛的垂直數據來源（醫療、金融），繼而on top之上有更多專業定制化的服務Agent出現；

5.一套跨鏈互通協議，有點類似MCP開源協定定義的框架，差別在於這套Interoperability解決方案，需要有適配Agent運作、傳遞、驗證的relay和通訊調度機制，能夠完成Agent在不同鏈間的資產轉移和狀態同步問題，尤其是包含Agent上下文和Prompt、知識庫、Memory等複雜的狀態等等；

……

在我看來，真正的web3 AI Agent的攻克重點應該在於如何讓AI Agent的「複雜工作流程」和區塊鏈的「信任驗證流程」如何盡可能契合。至於這些增量解決方案，由現有的老敘事項目升級迭代而來，還是由新構成的AI Agent敘事賽道上的項目重新鑄就，都有可能性。

這才是web3 AI Agent應該努力Build的方向，才是符合AI +Crypto大宏觀敘事下的創新生態基本面。若無法有相關的創新開拓與差異化競爭壁壘建立，那麼，每一次web2 AI 賽道的風吹草動，都可能攪得web3 AI天翻地覆。