Протокол агентов: потенциал MCP в Web3

Начавшись как экспериментальный побочный проект в Anthropic, протокол Model Context Protocol (MCP) стал де-факто стандартом для организации агентных взаимодействий между наборами данных, вычислительными ресурсами и внешними артефактами.

Это может быть одним из самых преобразующих протоколов для эпохи ИИ и отличным решением для архитектур Web3.

Подобно тому, как HTTP революционизировал веб-коммуникации, MCP предоставляет универсальную основу, которая лежит в основе практически всех крупных AI-платформ, обеспечивая их возможность интегрировать интеллектуальных агентов с различными источниками информации и операционными точками взаимодействия.

Краткое введение в MCP

MCP изначально был разработан для оптимизации взаимодействий между прототипами агентов и хранилищами документов. Ранний успех в координации процессов извлечения и логического анализа привлёк внимание других лабораторий, и к середине 2024 года исследователи представили открытые эталонные реализации. 

Вскоре последовал всплеск расширений, созданных сообществом, что позволило MCP поддерживать безопасный обмен учетными данными, сценарии федеративного обучения и адаптеры ресурсов в стиле плагинов. К началу 2025 года ведущие платформы — включая OpenAI, Google DeepMind и Meta AI — внедрили MCP на нативном уровне, закрепив его роль в качестве протокола, эквивалентного HTTP, для агентных коммуникаций.

MCP использует легковесную клиент-серверную парадигму с тремя основными участниками: MCP Host (приложение ИИ, управляющее запросами), один или несколько MCP Clients (компоненты, поддерживающие выделенные подключения) и MCP Servers (службы, предоставляющие контекстуальные примитивы). Каждая пара клиент-сервер взаимодействует через отдельный канал, обеспечивая параллельный сбор контекста с нескольких серверов.

Слой данных MCP основывается на трёх фундаментальных примитивах — Инструментах, Ресурсах и Подсказках, которые вместе обеспечивают беспрепятственное взаимодействие агентов.

Инструменты инкапсулируют удалённые операции или функции, которые агент может вызвать для выполнения специализированных задач, в то время как Ресурсы представляют собой конечные точки данных — такие как базы данных, векторные хранилища и on-chain оракулы, откуда агенты могут получать контекстную информацию.

Подсказки выступают в роли структурированных шаблонов, направляющих процесс рассуждения агента, определяя, как должны формулироваться и интерпретироваться входные данные. Стандартизируя эти основные строительные блоки, MCP обеспечивает возможность для различных агентов обнаруживать, запрашивать и использовать функции последовательно и совместимо на любой базовой инфраструктуре.

MCP и Web3

С точки зрения первых принципов пересечение Web3 и MCP может проявиться в двух ключевых областях:

1. Обеспечение возможности каждому блокчейн-данным и децентрализованному протоколу функционировать в качестве MCP сервера или клиента
2. Используйте Web3 для создания нового поколения сетей MCP.

В совокупности эти задачи обещают создание расширяемой, минимизирующей доверие основы для агентного интеллекта.

Данные Web3 как артефакты MCP

Для стимулирования работы ИИ-агентов в криптовалютных средах крайне важно обеспечить беспрепятственный доступ к данным на цепочке и функционалу смарт-контрактов. Мы предполагаем, что узлы блокчейна будут предоставлять истории блоков и транзакций через MCP-серверы, в то время как DeFi-платформы будут публиковать компонуемые операции через MCP-интерфейсы.

Дополняя эту тенденцию, традиционные крипто-шлюзы — биржи, кошельки, обозреватели — выступают в роли клиентов MCP, единообразно запрашивая и обрабатывая контекст. Представьте себе единого агента, который одновременно взаимодействует с кредитными рынками Aave, межсетевыми мостами Layer0 и аналитикой MEV — всё через единый согласованный программный интерфейс.

Сети Web3 MCP

MCP — это чрезвычайно мощный протокол, но, подобно HTTP, он эволюционирует от изолированных конечных точек к обеспечению работы полноценных сетей. В настоящее время использование MCP по-прежнему требует глубоких знаний о клиентских и серверных конечных точках. Аналогично, такие возможности, как аутентификация и идентификация, являются ключевыми отсутствующими элементами в протоколах, но необходимы для упрощенного внедрения MCP.

Следующий этап MCP будет поддерживаться сетевыми платформами, которые обеспечивают более сложные возможности:

• Динамическое обнаружение, которое выявляет правильные конечные точки MCP для конкретной задачи.
• Возможности поиска, которые позволяют агентам находить соответствующие конечные точки MCP.
• Рейтинги серверов и клиентов MCP для отслеживания их репутации.
• Координация серверов MCP для достижения конкретного результата.
• Проверяемость результатов, создаваемых конечными точками MCP.
• Отслеживаемость взаимодействий с клиентами и серверами MCP
• Механизмы аутентификации и контроля доступа для серверов MCP.

Многие из этих возможностей требуют правильного уровня экономических стимулов для координации узлов в сети MCP. Это кажется идеальным сочетанием искусственного интеллекта и Web3. Прослеживаемость, доверенные и проверяемые вычисления — одни из ключевых примитивов, способных обеспечить работу первого поколения сетей MCP. Web3 — самая эффективная из нескольких поколений технологий для обеспечения вычислительных сетей, и MCP требует новых сетей.

Проект Namda

Идея объединения Web3 и MCP для создания нового поколения MCP-сетей вовсе не является теоретической, и мы начинаем наблюдать реальные успехи в этой области. Одной из самых интересных инициатив в этой сфере является Проект Namda Массачусетского технологического института (MIT).

Возглавляемый исследователями из CSAIL и MIT-IBM Watson AI Lab, Namda был запущен в 2024 году с целью разработки масштабируемых, распределённых агентных архитектур, основанных на коммуникационных основах MCP. Namda (Networked Agent Modular Distributed Architecture) создаёт открытую экосистему, в которой гетерогенные агенты — охватывающие облачные сервисы, периферийные устройства и специализированные ускорители — могут беспрепятственно обмениваться контекстом и координировать сложные рабочие процессы. Благодаря использованию стандартизированных примитивов JSON-RPC от MCP, Namda демонстрирует, как можно достигать масштабного, с низкой задержкой сотрудничества без ущерба для совместимости и безопасности.

Архитектура Namda уже включает многие идеи децентрализованной сети MCP, такие как динамическое обнаружение узлов, балансировка нагрузки и отказоустойчивость в распределённых кластерах. С децентрализованным реестром, вдохновлённым блокчейн-технологиями, Namda обеспечивает подтверждённые идентичности агентов и арбитраж ресурсов на основе политик, позволяя реализовывать доверенные многосторонние рабочие процессы. Расширения для механизмов стимулов на основе токенов и сквозного отслеживания происхождения данных ещё больше обогащают протокол, а ранние прототипы демонстрируют эффективное федеративное обучение по задачам распознавания образов и обработки языка на глобальных тестовых площадках.

Другая основа для децентрализованного ИИ

Десятилетиями децентрализованный ИИ испытывал трудности с нахождением чёткой ниши для поддержки основных приложений ИИ. Появление MCP и необходимость в сетях MCP быстро превратились в один из самых заметных кейсов использования для нового поколения инфраструктуры ИИ. Это может стать одним из крупнейших кейсов использования в области ИИ и тем, что Web3 идеально подходит для решения таких задач. Сочетание Web3 и MCP может стать новой основой для децентрализованного ИИ.