代理协议：Web3 的 MCP 潜力

作为Anthropic的一个实验性侧项目，模型上下文协议（MCP）已成为在数据集、计算资源和外部工具之间协调智能代理交互的事实标准。

这可能代表了人工智能时代最具变革性的协议之一，并且非常适合 Web3 架构。

正如 HTTP 革新了网络通信，MCP 也提供了一个通用框架，支撑着几乎所有主要 AI 平台整合智能代理与多样化信息源及操作终端的能力。

MCP 简要介绍

MCP 最初旨在简化原型代理与文档存储之间的交互。协调检索和推理工作流程的早期成功引起了其他实验室的关注，到2024年中期，研究人员已推出了开源参考实现。 

随后出现了一波由社区驱动的扩展，赋能MCP支持安全凭证交换、联合学习场景以及插件式资源适配器。到2025年初，包括OpenAI、Google DeepMind和Meta AI在内的领先平台已原生采用MCP，巩固了其作为代理通信的HTTP等效协议的地位。

MCP采用轻量级客户端–服务器范式，包含三大核心参与者：MCP主机（负责协调请求的人工智能应用）、一个或多个MCP客户端（保持专用连接的组件）以及MCP服务器（提供上下文原语的服务）。每对客户端–服务器通过独立通道通信，实现从多个服务器并行获取上下文信息。

MCP的数据层围绕三大基础原语——工具、资源和提示，构建起无缝的代理协作能力。

工具封装了代理可调用以执行专门任务的远程操作或功能，而资源则代表数据端点——例如数据库、向量存储以及链上预言机——代理可从中获取上下文信息。

提示作为结构化模板，引导代理的推理过程，定义输入应如何制定和解读。通过标准化这些核心构建模块，MCP 确保不同代理能够以一致且互操作的方式，在任何底层基础设施上发现、请求并利用功能。

MCP 与 Web3

从第一性原理的角度来看，Web3 与 MCP 的交汇点可能体现在两个关键领域：

1. 使每个区块链数据集和去中心化协议能够作为 MCP 服务器或客户端运行
2. 利用 Web3 推动新一代 MCP 网络的发展。

这些要务共同构建了一个可扩展、信任最小化的智能代理基础架构。

作为 MCP 资产的 Web3 数据

为了促进 AI 代理在加密环境中的应用，必须实现对链上数据和智能合约功能的无缝访问。我们设想区块链节点通过 MCP 服务器公开区块和交易历史，而 DeFi 平台则通过 MCP 接口发布可组合的操作。

与此模式相辅相成的是，传统的加密货币入口——交易所、钱包、区块浏览器——作为MCP客户端，统一查询和处理上下文。设想一个单一代理同时与Aave的借贷市场、Layer0的跨链桥以及MEV分析进行交互，所有操作均通过同一连贯的编程接口完成。

Web3 MCP 网络

MCP 是一项极其强大的协议，但正如 HTTP 一样，它将从孤立的端点发展为驱动完整网络的基础。目前，使用 MCP 仍需具备客户端和服务器端点的详细知识。同样，诸如身份验证和身份识别等功能虽然是协议中缺失的核心部分，但对于 MCP 的顺利推广至关重要。

MCP的下一阶段将由能够实现更复杂功能的网络平台驱动：

• 针对特定任务动态发现合适的 MCP 端点。
• 允许代理查找合适 MCP 端点的搜索功能。
• 对 MCP 服务器和客户端进行评级以跟踪其声誉。
• 协调 MCP 服务器以实现特定目标。
• MCP 端点生成输出的可验证性。
• 与 MCP 客户端和服务器交互的可追溯性
• MCP服务器的身份验证与访问控制机制。

许多这些能力需要适当程度的经济激励来协调 MCP 网络中的节点。这看起来像是为 Web3 量身打造的 AI 天作之合。可追溯性、无需信任且可验证的计算是驱动第一代 MCP 网络的一些关键原语。Web3 是多代技术中最有效率的计算网络驱动技术，而 MCP 需要新的网络。

项目 Namda

将 Web3 与 MCP 结合以驱动新一代 MCP 网络的理念绝非空谈，且我们已开始在该领域看到实际进展。其中最引人注目的举措之一是 麻省理工学院的Namda项目.

由CSAIL和MIT-IBM Watson人工智能实验室的研究人员牵头，Namda于2024年启动，旨在开创基于MCP消息基础的可扩展分布式代理框架。Namda（网络化代理模块化分布式架构）构建了一个开放生态系统，使得涵盖云服务、边缘设备及专用加速器的异构代理能够无缝交换上下文信息并协调复杂工作流程。通过利用MCP标准化的JSON-RPC基本操作，Namda展示了如何在不牺牲互操作性或安全性的前提下，实现大规模低延迟的协作。

Namda 的架构已融合了许多去中心化 MCP 网络的理念，如动态节点发现、负载均衡以及跨分布式集群的容错能力。借助受区块链技术启发的去中心化注册表，Namda 确保了代理身份的可验证性和基于策略的资源仲裁，支持可信的多方工作流。基于代币的激励机制和端到端溯源追踪的扩展进一步丰富了该协议，早期原型展示了在全球测试平台上对视觉与语言任务的高效联合学习能力。

去中心化人工智能的不同基础

数十年来，去中心化人工智能一直难以找到明确的切入点来驱动主流人工智能应用。MCP 的出现及对 MCP 网络的需求迅速成为新一代人工智能基础设施中最突出的应用场景之一。这或许是人工智能领域最大的应用案例之一，也是 Web3 完美契合的解决方向。Web3 与 MCP 的结合，或将成为去中心化人工智能的新基石。