AI-Agent „Erwachsenwerden“: Was fehlt noch zwischen Simulationstraining und echtem Handel?

Mit einer Trainings- und Feedback-Umgebung sowie der Lösung von Autorisierungs- und Ausführungsfragen kann der AI-Agent im Web3 tatsächlich eine Aufgabe erfüllen.

Verfasst von: imToken

Wenn Sie ein Token-High-Consumption-Nutzer sind, sollten Sie im vergangenen Jahr die zentralen Entwicklungen des AI-Agenten hautnah miterlebt haben:

Neben dem intellektuellen Sprung des zugrunde liegenden großen Modells beginnt er, immer mehr wie ein echter „Arbeiter“ zu wirken.

Von den frühesten Chatbots bis hin zu den zunehmend ausgereiften Infrastrukturen wie MCP, Skills und Harness hat der Agent immer mehr „Hände und Füße“ erhalten. Er kann Webseiten öffnen, Echtzeitdaten lesen, Software bedienen und sogar Wallets und Handelskonten verbinden.

Doch an diesem Punkt tauchen neue reale Probleme auf: Werkzeuge zu benutzen und tatsächlich eine Arbeitsaufgabe zu erfüllen, sind zwei verschiedene Dinge.

Ein Agent, der tatsächlich Aufgaben übernehmen kann, sollte nicht nur nach Erhalt eines Befehls einmal eine API aufrufen, sondern muss in einer sich ständig verändernden Umgebung basierend auf den Ergebnissen kontinuierlich seine nächsten Schritte anpassen.

Die Finanzmärkte verdeutlichen diesen Unterschied besonders deutlich.

Sie können einem Agenten sagen: „Hilf mir, zu beurteilen, wer in einem bestimmten Spiel wahrscheinlicher gewinnen wird“, und er kann innerhalb von Sekunden eine ansprechende Analyse liefern. Wenn die Anforderung jedoch lautet: „Gib dir ein Kapital, um im nächsten Monat kontinuierlich am Prognosemarkt teilzunehmen und die Rendite bei gleichzeitiger Kontrolle des maximalen Rückgangs zu steigern“, wird es zu einer ganz anderen Herausforderung.

Er muss kontinuierlich Echtzeitnachrichten, Quoten und Orderbücher lesen, beurteilen, ob der Markt bereits ausreichend bewertet ist, entscheiden, wann er Positionen aufbauen, erhöhen oder schließen soll, und seine Strategie rechtzeitig anpassen, wenn seine eigenen Urteile fehlerhaft sind.

Eine Reihe kürzlich aufgetretener Infrastrukturinnovationen scheint jedoch dabei zu helfen, dieses zuvor relativ fehlende Puzzlestück nach und nach zu vervollständigen.

1. Braucht der AI-Agent einen „Simulationsübungsplatz“?

Mitte August stellte SKALE ein interessantes neues Produkt vor, AgentPit.

Einfach gesagt, es handelt sich um eine „Simulationshandels-Sandbox“, die speziell für AI-Agenten im Prognosemarkt entwickelt wurde, die die Marktinformationen von Polymarket in Echtzeit synchronisiert und dessen API kompatibel ist, während sie ein CLOB-Orderbuch und CTF-Token sowie Abrechnungsmechanismen verwendet, die der Produktionsumgebung nahekommen, jedoch echtes Kapital durch simuliertes USDC ersetzen.

Entwickler können den Agenten in dieser Umgebung in Echtzeit die Märkte lesen, Aufträge erteilen, Positionen verwalten und Strategien ohne Risiko eines Kapitalverlusts testen. Außerdem können sie das kollektive Verhalten mehrerer Agenten beobachten, die im selben Orderbuch konkurrieren.

Das sieht ein wenig aus wie Backtesting und Simulationshandel im traditionellen quantitativen Handel, hat jedoch für den AI-Agenten eine viel tiefere Bedeutung.

Denn ein langfristiges Problem, dem der Agent gegenübersteht, ist: Wie wissen Sie, ob ein Agent „wirklich handeln kann“?

Es ist allgemein bekannt, dass die Branche bei der Bewertung der Fähigkeiten großer Modelle stark auf statische Benchmark-Tests angewiesen ist – einige mathematische Probleme lösen, einen Code reparieren oder einen langen Text zusammenfassen.

Aber komplexe Entscheidungen in der realen Welt haben keine vorgegebenen Standardantworten, insbesondere auf den Finanzmärkten. Angenommen, der Agent beurteilt, dass der faire Wert eines prognostizierten Ereignisses „JA“ 0,7 USD betragen sollte, während der aktuelle Marktpreis 0,55 USD beträgt. Nachdem er gekauft hat, könnte der Preis weiter auf 0,45 USD fallen oder aufgrund plötzlicher Nachrichten schnell steigen. Darüber hinaus kann die momentane Liquidität des Orderbuchs den tatsächlichen durchschnittlichen Ausführungspreis direkt beeinflussen.

Das bedeutet, dass der Agent nicht einfach eine Vorhersage abgeben und die Aufgabe beenden kann. Er muss sich ständig den realen Konsequenzen seiner letzten Entscheidung stellen, was den Kernwert von AgentPit ausmacht. Es bietet dem Agenten einen dynamischen Feedback-Loop, der der realen Produktionsumgebung nahekommt:

Beobachten → Beurteilen → Ausführen → Feedback erhalten → Anpassen → Erneut ausführen.

Natürlich bedeutet das „Training“ hier nicht unbedingt, dass der Agent bei jedem abgeschlossenen Handel automatisch die Parameter des zugrunde liegenden Modells anpasst. Es bietet eine Umgebung, in der Strategien wiederholt ausgeführt, Ergebnisse bewertet und Arbeitsabläufe iteriert werden können.

So wie ein autonomes Fahrsystem, bevor es auf die Straße geht, eine Vielzahl von extremen Szenarien im Simulator durchlaufen muss, kann auch ein zukünftiger Finanzagent, der möglicherweise echtes Kapital verwaltet, nicht einfach durch ein paar Prompt-Tests direkt die Kontrolle über Vermögenswerte erlangen. Er muss zuerst nachweisen, wie er sich in einer Umgebung mit kontinuierlichen Entscheidungen verhält.

Doch damit kommt auch das Problem.

Eine gute Leistung in einer Simulationsumgebung bedeutet nicht, dass man sofort echtes Geld an den AI übergeben kann; es bedarf noch einer entscheidenden Schicht dazwischen.

2. Infrastruktur im Einklang: Wenn Zahlungen und Handel zu nativen Komponenten des Agenten werden

Wenn man die Bewegungen der großen Cloud-Anbieter und führenden Handelsplattformen in den letzten Monaten beobachtet, wird schnell klar, dass die Betriebsbahn des Agenten mit erstaunlicher Geschwindigkeit standardisiert wird.

Zuerst die Einführung von maschinen-nativen Zahlungsprotokollen.

Am 18. August wurde Amazon Bedrock AgentCore Payments offiziell GA, dieser Dienst ermöglicht es Agenten, die auf AgentCore laufen, selbstständig Drittanbieter-APIs, MCP-Dienste oder professionelle Datenquellen zu entdecken und zu bezahlen. Er integriert die Wallet-Infrastrukturen von Coinbase und Stripe / Privy und unterstützt nativ Stablecoins sowie maschinenbasierte Zahlungsprotokolle wie x402.

Das löst ein äußerst drängendes Problem: Wenn der Agent beim Analysieren des Marktes feststellt, dass eine hochwertige Echtzeitdatenquelle kostenpflichtig ist, musste der Workflow in der Vergangenheit unterbrochen werden, um zu warten, bis ein Mensch manuell die Kreditkarte zückt und die API-Schlüssel konfiguriert, bevor es weitergehen konnte.

Im Rahmen von AgentCore Payments wird die Zahlung direkt als ein automatisierter Knoten im Workflow verpackt. Der Benutzer muss lediglich ein Budget und eine Strategie im Voraus festlegen, und der Agent kann bei Erkennung von Zahlungsbarrieren selbstständig Mikrozahlungen initiieren, um die Aufrufe abzuschließen, ohne dass menschliches Eingreifen erforderlich ist. Zudem bleiben die privaten Schlüssel und Zertifikate vom Modell selbst isoliert.

Zwei Tage später, am 20. August, brachte Binance das Agent OS heraus und öffnete die nativen Schnittstellen für Agenten.

Im Gegensatz zu einem einfachen Angebot einer bestimmten AI-Funktion ähnelt das Agent OS eher einer speziellen Finanzinfrastruktur-Schnittstelle für Agenten, die die Binance-API, Wallet Agentic Hub, x402, Skills Hub und MCP zusammenführt.

Es ermöglicht kompatiblen AI-Anwendungen, über MCP Marktdaten abzurufen, Kontoinformationen einzusehen und nach Benutzerautorisierung unterstützte Handelsoperationen auszuführen. Noch wichtiger ist, dass es auf der Mechanismusebene die Grenzen und die Isolation der Berechtigungen betont:

Benutzer können Agenten spezielle Unterkonten zuweisen, um Kapital und Handelsaktivitäten vom Hauptkonto zu isolieren und spezifische Berechtigungen für den Agenten festzulegen; die entsprechenden Zugriffsrechte können jederzeit widerrufen werden.

Wenn man AgentPit, AWS AgentCore Payments und Binance Agent OS zusammen betrachtet, wird ein immer klarer werdender Wandel sichtbar:

AgentPit bietet eine Umgebung für Strategietests und kontinuierliches Feedback, x402 und AWS AgentCore Payments beginnen, maschinen-native Zahlungen zu integrieren, während Binance Agent OS die Markt-, Konto-, Handels- und On-Chain-Fähigkeiten für Agenten weiter öffnet, sodass die ursprünglich verstreuten Fähigkeiten allmählich zu einem vollständigen Workflow verbunden werden.

Allerdings gibt es einen besonders speziellen Punkt im Finanzszenario: Wenn der Code falsch geschrieben wird, kann man ihn einfach neu ausführen, aber wenn der Agent einen fehlerhaften Handel ausführt, könnte das Kapital bereits tatsächlich aus der Wallet verschwunden sein.

Das bedeutet, dass beim Übergang von der Simulationsumgebung zur realen Welt eine Rolle nicht umgangen werden kann.

Das ist die Wallet.

3. Was ist der wahre Wert der Agent Wallet?

Wenn man den vollständigen Workflow des zukünftigen AI-Agenten skizziert, wird eine klare Kette sichtbar:

• Zuerst im Simulationsumfeld wie AgentPit Strategien trainieren und testen;
• Dann Informationen und Werkzeuge über MCP, Skills und verschiedene APIs erhalten;
• Daten und Rechenressourcen über Protokolle wie x402 kaufen;
• Anschließend in den echten Markt eintreten und Handelsgeschäfte ausführen;
• Und schließlich die Strategien basierend auf den tatsächlichen Ergebnissen weiter optimieren;

Wenn es zu diesem Schritt kommt, wird die Rolle der Wallet ganz anders sein als heute.

Immerhin ist die Interaktionslogik traditioneller Web3-Wallets für die Mensch-Maschine-Interaktion konzipiert – jede Signatur erfordert, dass der Mensch vor dem Bildschirm visuell überprüft und manuell bestätigt. Wenn jedoch ein Hochfrequenz-Agent jede Sekunde mehrere Marktinformationen lesen und kontinuierlich Positionen feinjustieren muss, würde es den automatisierten Sinn zunichte machen, wenn weiterhin menschliche Signaturen für jede einzelne Transaktion erforderlich sind.

Wenn man jedoch den privaten Schlüssel direkt der AI anvertraut, würde das gleichbedeutend mit dem Verzicht auf alle Sicherheitsstandards sein.

Daher besteht die wahre Herausforderung der Agent Wallet nicht darin, „wie man der AI den privaten Schlüssel gibt“, sondern darin, „wie man dem Agenten eine sichere und kontrollierbare Ausführungsbefugnis gewährt, ohne die endgültige Kontrolle über die Vermögenswerte aufzugeben“.

Das ist auch die zentrale Lösung, die imToken im Designrahmen der Agent Wallet anbietet:

• Konto-Isolierung und Sitzungsschlüssel (Session Keys): In der Designkonzeption der imToken-Agent-Wallet entspricht jeder Agent, der Ausführungsrechte erhält, einem unabhängigen Agent-Konto, dessen Sitzungsschlüssel in einer vertrauenswürdigen Ausführungsumgebung (TEE) generiert und isoliert wird und diese sichere Umgebung nicht verlässt.
• Harte Beschränkungen der Strategie-Regeln (Policy): Jedes Agent-Konto muss an eine klare Policy gebunden sein, einschließlich einer Whitelist der erlaubten Interaktionsprotokolle, einer Obergrenze für Einzeltransaktionen, einem täglichen Limit, einer Frequenz der Operationen und einer Gültigkeitsdauer der Autorisierung. Mit anderen Worten, der Agent erhält nicht einfach eine unbeschränkte Wallet, sondern ein Ausführungskonto, das von Regeln umgeben ist.
• Benutzer behält die endgültige Kontrolle: Der Agent kann nur innerhalb des von den Benutzern im Voraus autorisierten Policy-Rahmens autonom agieren. Operationen, die über die Grenzen hinausgehen, müssen erneut vom Benutzer bestätigt werden. Der Benutzer kann die Policy jederzeit anpassen, den Agenten pausieren oder wieder aktivieren, Berechtigungen widerrufen und Kapital zurückziehen. Bei Transaktionen, die als abnormal oder außerhalb der festgelegten Strategie identifiziert werden, wird die automatische Ausführung ebenfalls pausiert und eine erneute Benutzeridentitätsprüfung angefordert.

Wenn man das gesamte Ökosystem aus dieser Perspektive betrachtet, wird deutlich, dass das Simulationstraining (wie AgentPit) und die intelligente Wallet (wie imToken Agent Wallet) tatsächlich zwei Phasen sind, die dasselbe Problem lösen.

Ersteres ist verantwortlich für die Verbesserung der Entscheidungsfähigkeit des Agenten, während letzteres dafür sorgt, dass die Sicherheitsstandards des Agenten gewahrt bleiben.

Beide sind unverzichtbar.

Das könnte die wichtigste Veränderung der Agent Wallet im Vergleich zu traditionellen Wallets sein.

Schlussfolgerung

In diesem Sinne steht mit dem Erscheinen von AgentPit eine neue Phase bevor, die es wert ist, beobachtet zu werden.

AI-Agenten entwickeln sich von „Werkzeuge benutzen lernen“ zu „lernen, wie man arbeitet“.

Und wenn sie schließlich den Simulationsübungsplatz verlassen und in die unberechenbare Welt des echten Handels eintreten, hängt es oft nicht nur von der Intelligenz des zugrunde liegenden großen Modells ab, wie stabil und weit sie diesen Schritt gehen können, sondern auch davon, wie robust die Konten- und Autorisierungsgrenzen sind, die wir für sie errichten.

Immerhin benötigen wir in einem komplexen realen Wirtschaftssystem nicht einen Agenten, der niemals Fehler macht, sondern einen Agenten, dessen Risiken selbst bei möglichen Fehlern innerhalb kontrollierbarer Grenzen bleiben.

Dieser Inhalt wird nur zu allgemeinen Informationszwecken bereitgestellt und stellt keine finanzielle, Anlage-, Rechts- oder Steuerberatung dar. Alle erwähnten Ereignisse, Prämien, Online-Aktionen oder zugehörige Informationen sollten nicht als Empfehlung, Aufforderung oder Einladung zum Kauf, Verkauf, Handel oder anderweitigem Umgang mit Krypto-Assets betrachtet werden. Krypto-Assets sind sehr volatil und können zu Verlusten führen. Die Verfügbarkeit von WEEX Services, Produkten und zugehörigen Aktionen kann je nach Region unterschiedlich sein. Sie sind dafür verantwortlich sicherzustellen, dass Ihre Teilnahme mit geltenden lokalen Gesetzen und Vorschriften übereinstimmt.