گراف می‌گوید عوامل هوش مصنوعی درون‌زنجیره‌ای برای عمل خودکار به هویت، داده‌های ساختاریافته و پرداخت‌ها نیاز دارند.

هوش مصنوعی و بلاکچین سال‌هاست که عمدتاً در مسیرهای موازی توسعه یافته‌اند. هوش مصنوعی به طور فزاینده‌ای قادر به استدلال، تفسیر دستورالعمل‌ها و تصمیم‌گیری شده است، در حالی که شبکه‌های بلاکچین سیستم‌های مالی قابل برنامه‌ریزی ایجاد کرده‌اند که می‌توانند بدون واسطه‌های متمرکز عمل کنند. مرحله بعدی، گرد هم آوردن این قابلیت‌هاست.

نتیجه می‌تواند اینترنتی باشد که نه تنها توسط کاربران انسانی، بلکه توسط عوامل هوش مصنوعی خودران که قادر به کشف اطلاعات، تصمیم‌گیری، تعامل با پروتکل‌ها و پرداخت هزینه خدمات به صورت مستقل هستند، پر شود.

این آینده به چیزی فراتر از مدل‌های زبانی بزرگِ قدرتمندتر نیاز دارد. همانطور که بنیاد گراف در پست وبلاگ ۱۸ آگوست خود با عنوان «زیرساخت پشته عامل درون‌زنجیره‌ای توضیح داده شد» (The Onchain Agent Infrastructure Stack Explained) توضیح می‌دهد، عوامل خودران به زیرساختی نیاز دارند که استدلال هوش مصنوعی را به اقدامات بلاکچین قابل اعتماد تبدیل کند. گراف این پشته نوظهور را حول سه نیاز اساسی چارچوب‌بندی می‌کند: هویت، آگاهی محیطی و عاملیت اقتصادی.

هویت: دادن گذرنامه درون‌زنجیره‌ای به عوامل

قبل از اینکه یک عامل خودران بتواند تراکنش انجام دهد، یک بلاکچین به روشی قابل اعتماد برای شناسایی آن و تعیین اینکه چه کاری را مجاز به انجام آن است، نیاز دارد.

صرفاً دادن دسترسی به کلید خصوصی کیف پول کاربر به یک عامل هوش مصنوعی مشکلات آشکاری را ایجاد می‌کند. یک تصمیم نادرست یا توهم می‌تواند تمام دارایی‌های مرتبط با آن کیف پول را در معرض خطر قرار دهد. همچنین تمایز بین اقدامات انجام شده توسط یک شخص و اقدامات انجام شده توسط یک سیستم خودران را دشوار می‌کند.

ERC-8004، که توسط گراف به عنوان استاندارد عوامل بدون اعتماد (Trustless Agents) توصیف شده است، این مشکل را از طریق سه رجیستری درون‌زنجیره‌ای که هویت، شهرت و اعتبارسنجی را پوشش می‌دهند، حل می‌کند. این رجیستری‌ها به عوامل اجازه می‌دهند هویت‌های قابل تشخیص ایجاد کنند و بدون نیاز به اعتماد قبلی بین شرکت‌کنندگان تعامل داشته باشند.

همراه با انتزاع حساب، این مدل همچنین می‌تواند مجوزهای کاملاً مشخصی ایجاد کند. برای مثال، یک عامل ممکن است مجاز باشد که فقط مقدار مشخصی را در روز معامله کند، بدون اینکه کنترل نامحدودی بر وجوه کاربر داشته باشد.

هویت با توسعه تاریخچه‌ها توسط عوامل، ارزشمندتر می‌شود. از آنجا که اقدامات و بازخوردها می‌توانند درون‌زنجیره ثبت شوند، عوامل می‌توانند شهرت‌های قابل تأییدی را جمع‌آوری کنند که سایر عوامل و قراردادهای هوشمند می‌توانند آن‌ها را ارزیابی کنند.

گراف از این لایه از طریق Agent0 Subgraphs پشتیبانی می‌کند، که ثبت‌نام‌های عامل، ابرداده‌ها، اطلاعات شهرت و فعالیت اعتبارسنجی را در شبکه‌های متعدد فهرست‌بندی می‌کند. به گفته گراف، این امر باعث می‌شود که عوامل بتوانند بدون نیاز به اسکن مستقل تاریخچه‌های بلاکچین، عوامل دیگر را بر اساس ویژگی‌هایی مانند قابلیت یا شهرت جستجو کنند.

داده: کمک به هوش مصنوعی برای درک دنیای درون‌زنجیره‌ای

دانستن اینکه یک عامل کیست، تنها بخشی از مشکل را حل می‌کند. یک عامل خودران همچنین به اطلاعات دقیق در مورد محیطی که در آن فعالیت می‌کند، نیاز دارد.

بلاکچین‌ها حاوی مقادیر عظیمی از داده‌های شفاف هستند، اما شفافیت لزوماً به معنای دسترسی‌پذیری نیست. اطلاعات در سراسر بلوک‌ها، تراکنش‌ها، رویدادها و قراردادهای هوشمند توزیع شده است. درخواست از یک مدل زبانی بزرگ برای پیمایش مستقیم آن اطلاعات خام ناکارآمد است و می‌تواند خطر نتیجه‌گیری‌های نادرست را افزایش دهد.

اینجاست که ایندکس‌سازی بلاکچین به بخش حیاتی زیرساخت عامل تبدیل می‌شود.

ساب‌گراف‌های گراف، اطلاعات بلاکچین را به مجموعه‌های داده ساختاریافته و قابل جستجو سازماندهی می‌کنند. هنگامی که با پروتکل مدل زمینه (MCP) ترکیب می‌شوند، این اطلاعات فهرست‌بندی شده می‌توانند مستقیماً توسط سیستم‌های هوش مصنوعی قابل استفاده شوند. گراف، Subgraph MCP را به عنوان یک مترجم مؤثر بین عوامل و داده‌های پیچیده بلاکچین توصیف می‌کند.

یک عامل معاملاتی خودران را در نظر بگیرید که وظیفه دارد فرصتی جذاب شامل یک جفت ETH را پیدا کند. قبل از اجرای یک تراکنش، عامل ممکن است نیاز به مقایسه نقدینگی در سراسر پروتکل‌ها، ارزیابی شرایط فعلی و تأیید اینکه فرصت هنوز وجود دارد، داشته باشد.

به جای تلاش برای تفسیر میلیون‌ها لاگ بلاکچین، عامل می‌تواند از ساب‌گراف‌های مربوطه از طریق MCP کوئری بگیرد و اطلاعات ساختاریافته‌ای را دریافت کند که می‌تواند درباره آن استدلال کند.

این یک تمایز مهم در زیرساخت عامل را نشان می‌دهد. لایه هوش و لایه داده مشکلات متفاوتی را حل می‌کنند. یک مدل زبانی بزرگ ممکن است تصمیم بگیرد که به چه اطلاعاتی نیاز دارد و در مورد پاسخ استدلال کند، در حالی که زیرساخت ایندکس‌سازی مسئول در دسترس قرار دادن اطلاعات بلاکچین قابل اعتماد در قالبی قابل استفاده است.

پرداخت‌ها: دادن عاملیت اقتصادی به عوامل

قطعه نهایی، توانایی پرداخت است.

زیرساخت پرداخت اینترنتی امروزی عمدتاً برای افراد و کسب و کارها طراحی شده است. کاربران حساب ایجاد می‌کنند، اشتراک‌ها را مدیریت می‌کنند، اطلاعات پرداخت را وارد می‌کنند یا تراکنش‌ها را به صورت دستی تأیید می‌کنند. نرم‌افزار خودران که به طور مداوم کار می‌کند، نمی‌تواند به این گردش کارها وابسته باشد.

استاندارد نوظهور x402 مدل دیگری را ارائه می‌دهد. این استاندارد کد وضعیت «۴۰۲ پرداخت مورد نیاز» HTTP را احیا می‌کند تا خدمات را قادر سازد تا پرداخت را مستقیماً به عنوان بخشی از یک درخواست اینترنتی درخواست کنند.

گراف x402 را در دروازه‌های ساب‌گراف خود ادغام کرده است، که به عوامل اجازه می‌دهد بدون نیاز به نگهداری حساب‌های API سنتی یا کلیدها، برای کوئری‌های فردی در USDC پرداخت کنند. یک عامل داده‌ها را درخواست می‌کند، نیاز به پرداخت را دریافت می‌کند، پرداخت را امضا می‌کند و درخواست را مجدداً ارسال می‌کند قبل از اینکه اطلاعات درخواستی را دریافت کند. زیرساخت GraphTally گراف، تسویه حساب را با ایندکس‌کننده‌ها در پشت صحنه انجام می‌دهد.

اهمیت آن فراتر از پرداخت برای کوئری‌های بلاکچین است. تجارت ماشین به ماشین به سیستم‌های پرداختی نیاز دارد که مناسب حجم‌های بالقوه عظیم تراکنش‌های کوچک و خودکار باشد. اگر عوامل دائماً در حال خرید داده، محاسبات یا خدمات از یکدیگر هستند، میکروناپ‌های هر درخواست می‌توانند یک مدل اقتصادی را ارائه دهند که با نحوه عملکرد واقعی نرم‌افزار خودران مطابقت بیشتری دارد.

از کاربران وب۳ تا عوامل وب۳

این لایه‌ها را کنار هم قرار دهید تا تصویری واضح‌تر از پشته عامل درون‌زنجیره‌ای به دست آید.

یک عامل هویت ایجاد می‌کند و با مجوزهای از پیش تعیین شده کار می‌کند. به داده‌های بلاکچین ساختاریافته دسترسی پیدا می‌کند تا شرایط فعلی را درک کند. سپس می‌تواند اطلاعات یا خدمات مورد نیاز خود را خریداری کرده و یک اقدام مجاز را اجرا کند. این فرآیند می‌تواند بدون نیاز به تأیید هر مرحله میانی توسط انسان تکرار شود.

گراف این فرآیند را «حلقه عامل» می‌نامد. ERC-8004 هویت و پاسخگویی را فراهم می‌کند، ساب‌گراف‌ها و MCP آگاهی محیطی را ارائه می‌دهند، در حالی که x402 و GraphTally از پرداخت‌ها و تسویه‌حساب خودران پشتیبانی می‌کنند.

این معماری همچنین به سمت تغییر گسترده‌تری در نحوه طراحی زیرساخت بلاکچین اشاره دارد. بسیاری از وب۳ امروزه فرض می‌کنند که یک انسان پشت صفحه نمایش نشسته است، یک رابط کاربری را پیمایش می‌کند، یک کیف پول را متصل می‌کند و تراکنش‌ها را تأیید می‌کند. یک محیط عامل‌محور به زیرساختی نیاز دارد که به طور پیش‌فرض ماشین‌خوان، قابل برنامه‌ریزی و از نظر اقتصادی خودران باشد.

گراف در حال حاضر زیرساخت داده‌های بلاکچین را در بیش از ۶۰ شبکه فراهم می‌کند و گزارش داده است که تا اوایل سال ۲۰۲۶، بیش از ۱.۲۷ تریلیون کوئری را به بیش از ۷۵,۰۰۰ پروژه ارائه کرده است. ظهور عوامل خودران به طور بالقوه نوع جدیدی از کاربر را به این نوع زیرساخت می‌دهد: خود نرم‌افزار.

هوش مصنوعی ممکن است موتور استدلال را برای اینترنت عامل‌محور نوظهور فراهم کند، اما هوش به تنهایی نمی‌تواند یک اقتصاد خودران ایجاد کند. عوامل همچنین به هویت، داده‌های قابل اعتماد و روش‌های بومی برای انجام تراکنش نیاز دارند. توسعه این پشته زیربنایی می‌تواند تعیین کند که آیا هوش مصنوعی درون‌زنجیره‌ای مجموعه‌ای از آزمایش‌ها باقی می‌ماند یا به یک اقتصاد عملی ماشین به ماشین در مقیاس اینترنت تبدیل می‌شود.