Manus引爆AI Agent热潮 Web3跨界探索新里程碑

Manus 的问世，不仅标志着通用 AI Agent 产品发展的重要里程碑，更在 Web3 世界中扮演着破局者的角色。面对外界对 Web3 仅剩炒作而无实用价值的质疑，一款真正能够改变格局的产品亟待出现。3 月 6 日，由中国创业公司 Monica 推出的全球首款通用 AI Agent 产品 Manus，迅速引爆国内科技媒体和社交网络。上线首日，邀请码全网疯抢，闲鱼上甚至出现 5 万元一个的离谱价格。尽管如此，仍有众多行业 KOL 提前获得邀请码，铺天盖地的体验解读文章如潮水般涌现。Manus 作为通用 AI Agent 的杰出代表，具备从规划到执行的全流程自主完成任务能力，无论是撰写报告还是制作表格，都能轻松胜任。它不仅能生成创意，更能独立思考并付诸行动，以强大的自主规划、复杂任务执行及完整成果交付能力，展现了前所未有的通用性与执行力。Manus 的火爆，不仅吸引了行业目光，更为各类 AI Agent 开发提供了宝贵的思路与灵感。随着 AI 技术的日新月异，AI Agent 正从概念走向现实，在医疗、金融、教育等各行各业展现出巨大潜力，Web3 领域也不例外。

AI Agent，即人工智能代理，是一种能够根据环境、输入和预定义目标自主决策并执行任务的计算机程序。其核心架构包括：以大语言模型（LLM）为「大脑」的推理与决策系统，能够处理信息、从交互中学习并执行行动；观察与感知机制，使其能够感知环境变化；推理思考过程，通过分析观察结果和记忆内容来制定行动方案；行动执行模块，作为思考与感知的显性响应；以及记忆与检索系统，用于存储经验以供学习。AI Agent 的设计模式主要分为两大路线：一条侧重规划能力，如 REWOO、Plan & Execute、LLM Compiler；另一条侧重反思能力，包括 Basic Reflection、Reflexion、Self Discover、LATS。其中，ReAct 模式作为最早出现的 AI Agent 设计模式，目前应用最为广泛。ReAct 通过结合语言模型中的推理（Reasoning）和行动（Acting）能力，解决多样化的语言推理和决策任务。其典型流程可用 TAO 循环来概括：思考（Thought）→ 行动（Action）→ 观察（Observation）。思考阶段，深入分析问题，明确关键信息和推理步骤；行动阶段，根据思考结果采取具体措施；观察阶段，评估行动效果，检验是否接近目标。这一循环不断迭代，推动问题逐步解决。AI Agent 还可根据智能体数量分为 Single Agent 和 Multi Agent。Single Agent 侧重 LLM 与工具的配合，可能涉及与用户的多次交互；Multi Agent 则为不同 Agent 赋予角色，通过协同合作完成复杂任务，但用户交互相对较少。目前多数框架聚焦于 Single Agent 场景。

Model Context Protocol (MCP) 由 Anthropic 公司于 2024 年 11 月 25 日推出，旨在解决 LLM 与外部数据源连接与交互的难题。将 LLM 比作操作系统，MCP 则如同 USB 接口，支持灵活接入外部数据和工具供用户使用。MCP 通过三种能力扩展 LLM：Resources（知识扩展）、Tools（执行函数，调用外部系统）、Prompts（预编写提示词模板）。MCP 采用 Client-Server 架构，底层传输使用 JSON-RPC 协议，任何人可开发并托管 MCP Server，随时上线或下线。Web3 领域的 AI Agent 发展现状，自今年一月份达到高峰后迅速降温，市值缩水超过 90%。目前热度较高的仍围绕 AI Agent 框架展开，主要包括三种模式：以 Virtuals Protocol 为代表的发射平台模式、以 ElizaOS 为代表的 DAO 模式、以及以 Swarms 为代表的商业公司模式。发射平台允许用户创建、部署和变现 AI Agent，类似 Meme 平台 pump.fun，但专注于 AI Agent。Virtuals Protocol 作为最大发射平台，已发行超十万个 Agent，其中「币圈 KOL」 AIXBT 即基于其创建。Virtuals 的 G.A.M.E 模块化 Agent 框架，让 AI Agent 开发像 WordPress 建站一样简单。DAO 模式以 ElizaOS（前身为 ai16z）为代表，由 @shawmakesmagic 在 daos.fun 平台创立，最初模拟风投机构 a16z 的投资决策，结合 DAO 成员建议进行投资，后发展为以 Eliza 框架为核心的 AI Agent 开发者 DAO。ElizaOS 使用 TypeScript 构建，提供灵活可扩展的平台，Agent 可跨平台交互并保持一致个性。Swarms 由 @KyeGomezB 于 2022 年发起，是企业级 Multi Agent 框架，通过智能编排让多个 Agent 协作完成复杂任务。早期 Swarms 仅作为 Web2 项目，服务全球最大金融、保险和医疗机构，2024 年 12 月发行代币 $SWARMS 后正式进军 Web3。

从经济模型来看，目前只有发射平台可实现自给自足。以 Virtuals 为例：代理创建者支付 100 $VIRTUAL 代币启动新 Agent；绑定曲线设置为新 Agent 代币创建绑定曲线并配对 $VIRTUAL；流动性池创建，代理「毕业」后创建与 $VIRTUAL 配对的流动性池，坚持公平启动原则：无预挖或内部分配，固定总供应量，流动性锁定较长时间。Virtuals 除收取发射费用，还收取代理代币交易费和 API 推理费。ElizaOS 和 Swarms 正计划搭建自有发射平台。然而，发射平台存在缺陷：资产发行需本身具有吸引力才能形成正向飞轮，但目前多数 AI Agent 缺乏内在价值支撑，一旦失去市场关注便会迅速归零。在当前市场环境下，发射平台甚至难以吸引创建者，经济模型难以运转。

MCP 的出现为 Web3 AI Agent 带来新方向：一是将 MCP Server 部署到区块链网络，解决单点问题并实现抗审查；二是让 MCP Server 具备与区块链交互功能，如 DeFi 交易管理，降低技术门槛。前者对底层区块链的存储系统、数据管理能力和异步计算能力要求极高，可考虑类似 0G 的模块化 AI 区块链。0G 具备可扩展可编程 DA 层，支持 AI dapp，其模块化技术实现链间无摩擦互操作性，打造去中心化 AI 生态系统。后者类似 DeFAI 变种，UnifAI 创建统一 DeFAI MCP Server，避免重复造轮子。UnifAI 平台支持自主 AI 代理执行链上链下任务，包含 UniQ 任务自动化工具、代理服务市场和工具发现基础设施。此外，@brucexu_eth 提出 OpenMCP.Network 方案，基于以太坊构建创作者激励网络。MCP Server 需托管并提供稳定服务，用户付费给 LLM 提供商，后者通过智能合约将激励分配到被调用的 MCP Servers，维持网络可持续性。这一方案需借助以太坊钱包、ZK 技术实现签名、权限验证和隐私保护。

尽管 MCP 与 Web3 结合理论上能注入去中心化信任机制与经济激励层，但零知识证明（ZKP）技术尚难验证 Agent 行为真实性，去中心化网络也存在效率问题，短期内难以实现。Manus 的发布标志着通用 AI Agent 产品的重要里程碑，Web3 领域同样需要一款里程碑级产品来打破质疑。MCP 的探索方向为 Web3 AI Agent 带来新希望，包括部署到区块链网络、实现区块链交互、构建创作者激励网络等。AI 作为历史最宏大的叙事，Web3 与 AI 融合是必然趋势。我们需保持耐心与信心，持续探索。本文由 ZAN Team（X 账号@zan_team）的 pignard.eth（X 账号@pignard_web3） 撰写。注：本文仅作为技术分享，不构成任何推荐和建议。