Nyligen verkar on-chain AI-agenter visa tecken på återhämtning. Protokollstandarder som MCP, A2A och UnifAI kompletterar varandra för att bilda en ny Multi-AI Agent-interaktionsinfrastruktur, vilket uppgraderar AI Agent från en ren informationspush-tjänst till en servicenivå för exekveringsapplikationsverktyg. Frågan är om detta kommer att vara början på den andra vågen av AI Agent on-chain-fjäder? 1) Model Context Protocol (MCP): Ett öppet standardprotokoll lanserat av Anthropic, som i huvudsak öppnar upp "nervsystemet" mellan AI-modeller och externa verktyg och löser problemet med interoperabilitet mellan agenter och externa verktyg. Googles DeepMind har uttryckt sitt stöd för det, vilket gör att MCP snabbt blir en branschkänd protokollstandard. Det tekniska värdet av MCP ligger i att standardisera funktionsanrop, så att olika LLM:er kan interagera med externa verktyg i ett enhetligt språk, vilket motsvarar "HTTP-protokollet" i Web3 AI-världen, men det har fortfarande brister i fjärrsäkerhetskommunikation (@SlowMist_Team @evilcos Det finns många säkerhetsrapporter och analyser), särskilt efter att interaktionsbeteendet som involverar tillgångar är intensivt; 2) A2A (Agent-to-Agent Protocol): Google-lett kommunikationsprotokoll mellan agenter, liknande protokollramverket för "Agent Social Network". Jämfört med MCP, som fokuserar på anslutning av AI-verktyg, fokuserar A2A mer på kommunikation och interaktion mellan agenter. Agent Card-mekanismen löser problemet med att upptäcka kapacitet och realiserar plattformsoberoende och multimodalt agentsamarbete, vilket har stödts av mer än 50 företag som Atlassian och Salesforce. Ur funktionell synvinkel är A2A mer som ett "socialt protokoll" i AI-världen, vilket gör det möjligt för olika små AI:er att arbeta tillsammans på ett enhetligt sätt. Personligen anser jag att det är mer meningsfullt för Google att "spara spelet" för att stödja AI-agenten, förutom avtalet. 3) UnifAI: Positionerat som ett nätverk för agentsamarbete försöker det integrera fördelarna med MCP och A2A för att tillhandahålla plattformsoberoende lösningar för agentsamarbete för små och medelstora företag. Dess layout liknar ett "mellanlager", i hopp om att göra agentekosystemet mer effektivt genom en enhetlig mekanism för upptäckt av tjänster. Jämfört med flera andra protokoll är dock UnifAI:s marknadsinflytande och ekosystemkonstruktion fortfarande otillräckliga, och det kan fokusera på ett visst segmentscenario i framtiden. @darkresearchai: Det är en MCP-serverapplikationsimplementering baserad på Solana-blockkedjan, som ger säkerhetsförsäkran genom TEE-betrodd exekveringsmiljö, så att AI-agenten kan interagera direkt med Solana-blockkedjan, t.ex. genom att fråga efter kontosaldon, utfärda tokens och andra operationer. Den största höjdpunkten i protokollet är att det gör det möjligt att välja väg för DeFi med AI Agent, vilket löser problemet med tillförlitligt utförande av operationer i kedjan. Dess motsvarande Ticker $DARK har tyst stigit mot trenden nyligen, men i linje med den försiktiga attityden att bli biten av en orm och vara rädd för brunnsrepet i tio år, kommer jag inte att rekommendera det här. Expansionen av applikationslagret, DARK baserad på MCP, öppnar dock upp en ny riktning. Frågan är vilka expansionsriktningar och möjligheter som kan genereras av AI-agenter på kedjan med hjälp av dessa standardiserade protokoll? 1) Applikationsfunktioner för decentraliserad exekvering: Baserat på TEE:s design löser Dark ett kärnproblem - hur man får AI-modeller att på ett trovärdigt sätt utföra operationer i kedjan. Detta ger tekniskt stöd för implementeringen av AI Agents inom DeFi-området, vilket innebär att det i framtiden kan finnas fler AI Agents som självständigt utför DeFi-operationer som handel, tokenutgivning och LP-hantering. Jämfört med Agent-modellen som tidigare var en rent konceptuell hype, är det i denna typ av Agentekologi med praktiskt värde som det verkliga värdet ligger. (Dark har dock för närvarande bara ett begränsat antal av 12 Actions på github, vilket bara kan ses som en bra start, och det är fortfarande en lång väg att gå från att helt lämna konceptstadiet till storskalig tillämpning) 2) Blockkedjenätverk med samarbete mellan flera agenter: A2A och UnifAI:s utforskning av scenarier för samarbete med flera agenter har medfört nya möjligheter till ekosystemet för agenter på kedjan. Föreställ dig ett decentraliserat nätverk som består av flera professionella agenter, som kan bryta igenom kapacitetsgränserna för en enda LLM och bilda en decentraliserad marknad för autonomt samarbete, vilket råkar passa perfekt med egenskaperna hos det distribuerade nätverket av blockchain. Över. I vilket fall som helst håller AI-agentspåret på att bli av med "MEME"-dilemmat, och utvecklingsvägen för on-chain AI kan vara att först lösa det plattformsoberoende standardproblemet (MCP, A2A) och sedan härleda innovation på applikationslager (som Darks försök inom DeFi-området). Det decentraliserade agentekosystemet kommer att bilda en ny hierarkisk expansionsarkitektur: det nedre lagret är grundläggande säkerhetsgarantier som TEE, det mellersta lagret är MCP/A2A och andra protokollstandarder, och det övre lagret är specifika vertikala scenarioapplikationer. (Detta kan vara negativt för det en gång rena web3 AI on-chain-standardprotokollet?) Frossa. ) För vanliga användare, efter att ha upplevt den första vågen av upp- och nedgångar i AI Agent-kedjan, handlar det inte längre om vem som kan hypa upp den största marknadsvärdebubblan, utan vem som verkligen kan lösa de grundläggande smärtpunkterna som säkerhet, pålitlighet och samarbete i processen att kombinera Web3 och AI. När det gäller hur man undviker att hamna i ytterligare en bubbelfälla tycker jag personligen att det är bra att observera om projektets framsteg kan hålla jämna steg med den AI-tekniska innovationen web2. För att sammanfatta: 1. AI Agent kommer att ha en ny våg av hype-möjligheter för förlängning av applikationslager baserat på web2 AI-standardprotokoll (MCP, A2A, etc.); 2. AI-agenter är inte längre nöjda med monolitiska meddelandepush-tjänster, och exekveringsverktygstjänster (DeFAI, GameFAI, etc.) för interaktion och samarbete med flera AI-agenter kommer att bli en ny höjdpunkt.