인공지능 에이전트의 지속적인 마이너스 하락이 최근 폭발한 MCP 프로토콜 때문일까요?

저자: Haotian

#ai16z, $arc 등 웹3.0 AI 에이전트 타깃의 지속적인 마이너스 하락이 최근 폭발적으로 증가한 MCP 프로토콜 때문이라고 말하는 친구들이 있는데요? 언뜻 보기에는 WTF가 무슨 상관이냐고 약간 혼란스러웠습니다. 하지만 곰곰이 생각해보니 기존 웹3.0 AI 에이전트의 가치평가와 가격 책정 논리가 바뀌었고, 내러티브 방향과 제품 랜딩 경로를 조정할 필요가 있다는 확실한 논리가 있다는 것을 알 수 있었습니다. 아래에서 개인적인 견해를 말씀드리겠습니다.

1) MCP(모델 컨텍스트 프로토콜)는 플러그 앤 플레이 USB처럼 모든 유형의 AI LLM/Agent가 다양한 데이터 소스 및 도구에 원활하게 연결할 수 있도록 설계된 오픈소스 표준 프로토콜입니다. "MCP(모델 컨텍스트 프로토콜)는 오픈 소스 표준 프로토콜로, AI LLM/Agent가 다양한 데이터 소스 및 도구에 원활하게 연결할 수 있도록 설계되었습니다.

단순히 말해, 기존 AI 애플리케이션 사이에는 명백한 데이터 사일로가 존재하고 에이전트/LLM은 상호 운용성을 위해 자체 API 인터페이스를 개발해야 하므로 프로세스가 복잡하고 양방향 상호 작용이 부족하며 일반적으로 모델 및 권한에 대한 액세스가 상대적으로 제한적입니다.

MCP의 등장은 AI 애플리케이션이 과거의 데이터 사일로를 없애고 외부 데이터와 도구에 '동적으로' 액세스할 수 있는 가능성을 실현할 수 있는 통합 프레임워크를 제공함으로써 개발의 복잡성과 통합 효율성을 크게 줄여줍니다. 이를 통해 개발 복잡성과 통합 효율성을 크게 줄일 수 있을 뿐만 아니라 작업 실행, 실시간 데이터 쿼리, 크로스 플랫폼 협업을 자동화할 수 있습니다. 말하자면, 많은 사람들이 즉시 생각한 멀티 에이전트 협업의 혁신이 이것과 통합되어 멀티 에이전트 협업 MCP 오픈 소스 프레임 워크를 촉진 할 수 있다면 무적하지 않습니까?

맞습니다, Manus + MCP가 바로 웹3.0 AI 에이전트의 영향력의 핵심입니다.

2) 하지만 Manus와 MCP 모두 중앙화된 서버 간의 데이터 상호 작용과 협업을 처리하는 웹2 LLM/Agent 지향 프레임워크 및 프로토콜이며, 권한과 액세스 제어는 각 서버 노드의 '능동적' 개방성에 의존한다는 점이 놀랍습니다. "다시 말해, 오픈 소스 도구일 뿐입니다.

웹3 AI 에이전트가 추구하는 "분산 서버, 분산 협업, 분산 인센티브" 등의 핵심 개념에서 완전히 벗어난 것으로, 중앙 집중식 이탈리아 포병이 어떻게 분산된 벙커를 폭파할 수 있을까요?

그 이유는 웹3 AI 에이전트의 첫 단계가 너무 "웹2 지향적"이기 때문이며, 한편으로는 많은 팀이 웹2 배경에서 왔으며 웹3 네이티브의 기본 요구 사항을 완전히 이해하지 못하기 때문입니다. 예를 들어 ElizaOS 프레임워크는 처음에는 개발자가 AI 에이전트 애플리케이션을 신속하게 배포할 수 있도록 지원하는 패키징 프레임워크로, 정확하게는 트위터, Discord 및 기타 플랫폼과 일부 OpenAI, Claude, DeepSeek 및 기타 API 인터페이스의 통합, 일부 메모리, Charater 일반 프레임워크를 적절하게 캡슐화하여 개발자가 AI 에이전트 애플리케이션을 신속하게 개발하고 마무리할 수 있도록 지원하는 프레임워크로 이해하면 개발자가 AI 에이전트 애플리케이션을 빠르게 개발하고 마무리할 수 있습니다. 개발자가 AI 에이전트 애플리케이션을 빠르게 개발하고 마무리할 수 있도록 도와줍니다. 하지만 더 중요한 것은 이 서비스 프레임워크와 웹2.0의 오픈 소스 도구의 차이점은 무엇일까요? 그리고 차별화된 장점은 무엇일까요?

토노믹스의 인센티브가 있다는 점이 장점일까요? 그리고 웹2.0이 완전히 대체할 수 있는 일련의 프레임워크로 새로운 코인을 나눠주기 위해 존재하는 더 많은 AI 에이전트에게 인센티브를 주는 것? 끔찍하죠. 이 논리를 따라 생각해보면 마누스 + MCP가 웹3.0 AI 에이전트에 영향을 미칠 수 있는 이유를 알 수 있을 것입니다. 수많은 웹3 AI 에이전트 프레임워크와 서비스가 웹2와 유사한 AI 에이전트의 빠른 개발과 적용 요구만 충족시킬 뿐, 기술 서비스와 표준, 차별화 이점 측면에서 웹2의 혁신 속도를 따라잡지 못하기 때문에 시장/자본은 웹3용 AI 에이전트의 마지막 배치에 대한 재평가와 가격 재조정을 단행한 것입니다.

3) 그렇다면 문제의 핵심을 찾았을 텐데, 어떻게 하면 판을 깰 수 있을까요? 한 가지 방법은 분산 시스템과 인센티브 아키텍처의 운영이 웹3의 절대적인 차별화이기 때문에 웹3 네이티브 솔루션에 집중하는 것일까요?

분산 클라우드 컴퓨팅 파워, 데이터, 알고리즘 및 기타 서비스 플랫폼을 예로 들어, 표면적으로는 이러한 종류의 유휴 자원이 컴퓨팅 파워와 데이터를 모으는 이유로서 단기적으로는 혁신을 달성하기위한 엔지니어링의 요구를 충족시킬 수없는 것처럼 보일 수 있지만 많은 수의 AI LLM에서 중앙 집중식 컴퓨팅 파워가 "유휴 자원, 저비용", "저비용"으로 획기적인 군비 경쟁의 성과에 참여하기 위해 철자가 나오고 있습니다. 그러나 수많은 AI LLM이 중앙 집중식 컴퓨팅 파워로 획기적인 성능 경쟁을 벌이고 있는 상황에서 '유휴 자원과 저비용'을 내세운 서비스 모델은 웹2.0 개발자와 VC 그룹으로부터 자연스럽게 경멸을 받게 될 것입니다.

하지만 웹2 AI 에이전트가 맞춤법 성능 혁신 단계를 지나면 필연적으로 수직적 응용 시나리오 확장 및 세분화 미세 조정 모델 최적화의 방향을 추구할 것이며, 그래야만 웹3 AI 자원 서비스의 장점이 실제로 나타날 것입니다. 사실, 웹2 AI의 거대한 위치에 올라가는 자원 독점 방식이 특정 단계에 이르면 도시의 아이디어에 둘러싸인 농촌으로 돌아 오기 어렵고, 하나씩 세분화 된 장면 돌파구는 그 당시 잉여 웹2 AI 개발자 + 웹3 AI 자원이 시대의 힘을 포용하는 것입니다.

따라서 이제 웹3 AI 에이전트 기회 공간도 매우 명확합니다. 웹3 AI 리소스 플랫폼에는 웹2 개발자 수요 고객이 넘쳐나고 웹3 분산 아키텍처 세트를 탐색하는 것은 실행 가능한 솔루션과 경로가 될 수 없습니다. 실제로 웹3 AI 에이전트는 웹2의 빠른 배포 + 멀티 에이전트 협업 커뮤니케이션 프레임워크 + 토큰노믹 코인 발행 내러티브 외에도 탐색할 가치가 있는 많은 웹3 네이티브 혁신 방향이 있습니다.

예를 들어, 일련의 분산 합의 협업 프레임워크가 장착되어 있습니다.

예를 들어, LLM의 대규모 오프체인 계산 + 온체인 상태 저장 모델을 고려한 분산 합의 협업 프레임워크는 여러 가지 적응 가능한 구성요소를 필요로 합니다.

1. 주로 후속 상태의 지속적인 추적 및 로깅을 목적으로 스마트 컨트랙트를 실행하는 VM이 생성한 고유 주소와 같이 에이전트가 검증 가능한 온체인 신원을 가질 수 있도록 하는 탈중앙화 DID 인증 시스템

2.

2. 탈중앙화된 오라클 예언 머신 시스템 세트는 주로 오프체인 데이터의 신뢰할 수 있는 수집 및 검증을 담당하며, 이전 오라클과 달리 AI 에이전트에 적용된 이 예언 머신 세트는 에이전트의 온체인 데이터와 오프체인 계산 및 의사 결정을 용이하게 하기 위해 데이터 수집 계층, 의사 결정 및 합의 계층, 실행 및 피드백 계층을 포함한 여러 에이전트 아키텍처의 조합이 필요할 수도 있습니다. 필요한 데이터와 오프체인 계산 및 의사결정은 실시간으로 이루어질 수 있으며,

3. 분산 저장 DA 시스템은 인공지능 에이전트의 운영 중 지식 베이스의 상태와 임시 추론 과정의 불확실성으로 인해 핵심 상태 베이스의 기록 세트와 LLM의 추론 경로를 분산 저장 시스템에 저장해야 하고 핵심 상태 베이스의 기록 세트와 LLM의 추론 경로를 인공지능 에이전트에 제공해야 합니다. 분산 스토리지 시스템에 저장하고, 퍼블릭 체인 검증 중 데이터 가용성을 보장하기 위해 비용 제어 데이터 증명 메커니즘을 제공해야 합니다.

4. 영지식 증명 ZKP 프라이버시 컴퓨팅 계층 세트는 TEE, FHE 등을 포함한 프라이버시 컴퓨팅 솔루션에 연결하여 실시간 프라이버시 컴퓨팅+데이터 증명을 실현할 수 있습니다. 검증, 에이전트가 더 넓은 범위의 수직 데이터 소스 (의료, 금융)를 가질 수 있도록 한 다음보다 전문적인 맞춤형 서비스의 출현에 더하여 에이전트;

5, 프레임 워크에서 정의한 MCP 오픈 소스 프로토콜과 다소 유사한 교차 체인 상호 운용성 프로토콜 세트, 차이점은이 세트가 다음과 같다는 것입니다. 상호운용성 솔루션은 에이전트 운영, 전달, 릴레이 및 통신 스케줄링 메커니즘의 검증, 에이전트의 다른 체인 간 자산 전송 및 상태 동기화 문제, 특히 에이전트 컨텍스트와 Promopt, 지식 기반, 메모리 및 기타 복잡한 상태 등을 포함한 상태 동기화 문제를 완료할 수 있어야 합니다.

. style="text-align: 왼쪽;">......

제 생각에는 실제 웹3.0 AI 에이전트 공격은 어떻게 하면 AI 에이전트의 "AI 에이전트의 '복잡한 워크플로우'와 블록체인의 '신뢰 검증 흐름'을 최대한 잘 맞추는 데 초점을 맞춰야 한다고 생각합니다. 이러한 점진적인 솔루션은 기존의 오래된 내러티브 프로젝트에서 업그레이드되거나 새롭게 형성된 AI 에이전트 내러티브 트랙의 프로젝트에서 재구성될 수 있습니다.

이것이 AI + Crypto 매크로 내러티브에 따른 혁신 생태계의 기본에 따라 웹3 AI 에이전트가 구축해야 할 방향입니다. 관련 혁신을 선도하고 차별화된 경쟁 장벽을 구축하지 못한다면, 웹2 AI 트랙에 바람이 불 때마다 웹3 AI의 하늘과 땅을 뒤흔들 수 있습니다.