AI Agent „Rytuał przejścia”: Co jeszcze brakuje, aby przejść od symulacji do rzeczywistych transakcji?

Mając środowisko treningowe i feedbackowe oraz rozwiązując kwestie autoryzacji i wykonania, AI Agent w Web3 może naprawdę wykonać zadanie.

Autor: imToken

Jeśli jesteś użytkownikiem intensywnie korzystającym z tokenów, w ciągu ostatniego roku powinieneś odczuć najważniejszy postęp AI Agenta:

Oprócz wzrostu inteligencji podstawowego modelu, zaczyna on coraz bardziej przypominać prawdziwego „pracownika”.

Od najwcześniejszych chatbotów, przez stopniowe dojrzewanie infrastruktury takiej jak MCP, Skills, Harness, Agent zaczyna zdobywać coraz więcej „rąk i nóg”, może otwierać strony internetowe, odczytywać dane w czasie rzeczywistym, obsługiwać oprogramowanie, a nawet łączyć się z portfelami i kontami handlowymi.

Jednak na tym etapie pojawiają się nowe, rzeczywiste problemy: Umiejętność korzystania z narzędzi a zdolność do wykonania zadania to dwie różne sprawy.

Prawdziwy Agent, który może podejmować zadania, nie powinien tylko wywoływać API po otrzymaniu polecenia, ale musi w ciągle zmieniającym się środowisku dostosowywać swoje działania na podstawie wyników.

Rynki finansowe szczególnie wyraźnie ilustrują tę różnicę.

Możesz powiedzieć Agentowi „pomóż mi ocenić, kto ma większe szanse na wygraną w danym meczu”, a on w kilka sekund dostarczy dobrze wyglądającą analizę, ale jeśli wymaganie zmieni się na „dostaniesz fundusze, aby przez następny miesiąc aktywnie uczestniczyć w rynku prognoz, zwiększając zyski przy jednoczesnym kontrolowaniu maksymalnych strat”, to staje się to zupełnie innym problemem.

Musi on nieustannie odczytywać wiadomości w czasie rzeczywistym, kursy i książki zamówień, oceniać, czy rynek jest już odpowiednio wyceniony, decydować, kiedy otworzyć pozycję, zwiększyć ją lub wyjść, a także dostosowywać strategię, gdy jego ocena okaże się błędna.

Ostatnie innowacje w infrastrukturze wydają się stopniowo uzupełniać ten wcześniej brakujący element układanki.

I. Czy AI Agent potrzebuje „symulacyjnego placu treningowego”?

W połowie sierpnia SKALE wprowadziło interesujący nowy produkt, AgentPit.
W skrócie, jest to „symulacyjna piaskownica handlowa” stworzona specjalnie dla AI Agentów na rynku prognoz, **synchronizująca rzeczywiste informacje rynkowe z Polymarket i kompatybilna z jego API, jednocześnie przy użyciu CLOB książki zamówień, mechanizmu CTF Token i rozliczeń, tylko że rzeczywiste fundusze zostały zastąpione symulowanym USDC.**
Deweloperzy mogą pozwolić Agentowi na odczytywanie danych w czasie rzeczywistym, składanie zamówień, zarządzanie pozycjami i testowanie strategii bez ryzyka utraty funduszy, a także obserwować, jak wiele Agentów rywalizuje na tej samej książce zamówień, co prowadzi do pojawienia się zachowań zbiorowych.
Wygląda to trochę jak tradycyjne testy w handlu algorytmicznym, ale dla AI Agenta ma to znacznie głębsze znaczenie.
Ponieważ długoterminowym problemem, przed którym stoi Agent, jest to, jak naprawdę możesz wiedzieć, że Agent „naprawdę handluje”?
Powszechnie wiadomo, że w przeszłości ocena zdolności dużych modeli w branży opierała się na statycznych testach benchmarkowych — rozwiązywaniu kilku zadań matematycznych, naprawie fragmentu kodu lub podsumowywaniu długiego tekstu.
Jednak w rzeczywistym świecie złożone decyzje nie mają z góry ustalonych odpowiedzi, szczególnie na rynkach finansowych. Załóżmy, że Agent ocenia, że „TAK” dla danego zdarzenia prognozowego powinno mieć wartość godziwą 0,7 USD, podczas gdy obecna cena rynkowa wynosi 0,55 USD. Po zakupie cena może spaść do 0,45 USD lub wzrosnąć z powodu nagłej wiadomości, a także chwilowa płynność książki zamówień może bezpośrednio wpłynąć na rzeczywistą cenę transakcji.
To oznacza, że Agent nie może zakończyć zadania po jednym przewidywaniu; musi nieustannie stawiać czoła rzeczywistym konsekwencjom swojej ostatniej decyzji, co jest kluczową wartością Agent Pit. Zapewnia on inteligentnym agentom dynamiczną pętlę sprzężenia zwrotnego, która zbliża się do rzeczywistego środowiska produkcyjnego:
**Obserwacja → Ocena → Wykonanie → Otrzymanie feedbacku → Dostosowanie → Ponowne wykonanie.**
Oczywiście, „trening” tutaj niekoniecznie oznacza, że Agent automatycznie zmienia parametry modelu podstawowego po każdej transakcji; oferuje on środowisko, w którym można wielokrotnie uruchamiać strategie, oceniać wyniki i iterować przepływy pracy.
Podobnie jak systemy autonomicznej jazdy muszą przejść przez wiele ekstremalnych scenariuszy w symulatorze przed wyjechaniem na drogę, **przyszły Agent finansowy, który może zarządzać rzeczywistymi funduszami, również nie może uzyskać kontroli nad aktywami tylko na podstawie kilku testów Prompt; musi najpierw udowodnić, jak radzi sobie w środowisku podejmowania decyzji.**
Ale pojawia się również problem.
Dobre wyniki w symulowanym środowisku nie oznaczają, że można natychmiast powierzyć AI prawdziwe pieniądze; potrzebna jest jeszcze jedna kluczowa warstwa.
II. Infrastruktura w harmonii: Gdy płatności i transakcje stają się natywnymi komponentami Agenta -----------------------------
Obserwując działania głównych gigantów chmurowych i wiodących platform handlowych w ciągu ostatnich kilku miesięcy, łatwo zauważyć, że tor działania Agenta jest w szybkim tempie standaryzowany.
Najpierw wprowadzono natywne protokoły płatności dla maszyn.
18 sierpnia Amazon Bedrock AgentCore Payments oficjalnie uzyskał status GA, a ta usługa pozwala agentom działającym na AgentCore samodzielnie odkrywać i płacić za korzystanie z zewnętrznych API, usług MCP lub profesjonalnych źródeł danych, integrując infrastrukturę portfeli Coinbase oraz Stripe / Privy, natywnie wspierając stablecoiny oraz protokoły płatności takie jak x402.
To rozwiązuje ekstremalnie istotny problem — jeśli Agent podczas analizy rynku odkryje, że wysokiej jakości dane w czasie rzeczywistym są płatne, w przeszłości przepływ pracy musiałby zostać przerwany, czekając na ręczne wprowadzenie karty przez człowieka, a następnie skonfigurowanie klucza API, aby kontynuować.
W ramach AgentCore Payments płatności są bezpośrednio opakowane jako zautomatyzowany węzeł w przepływie pracy; użytkownik musi jedynie wcześniej ustalić budżet i strategię, a Agent może samodzielnie inicjować mikropłatności, gdy napotyka przeszkody płatnicze, cały proces nie wymaga interwencji człowieka, a klucze prywatne portfela i poświadczenia są izolowane od samego modelu.
Następnie, dwa dni później, 20 sierpnia, Binance wprowadziło Agent OS, otwierając natywne interfejsy Agenta.
W przeciwieństwie do prostego dostarczania jednej funkcji AI, Agent OS bardziej przypomina warstwę interfejsu infrastruktury finansowej skierowanej do Agentów, integrując API Binance, Wallet Agentic Hub, x402, Skills Hub i MCP.
Pozwala to kompatybilnym aplikacjom AI uzyskiwać dane rynkowe, przeglądać informacje o kontach i wykonywać wspierane operacje handlowe po autoryzacji użytkownika, a co ważniejsze, na poziomie mechanizmu podkreśla granice i izolację uprawnień:
**Użytkownicy mogą przypisywać Agentowi specjalne subkonta, izolując fundusze i działania handlowe od głównego konta, oraz konfigurować konkretne uprawnienia dla Agenta; odpowiednie uprawnienia dostępu mogą być w każdej chwili cofnięte.**
Jeśli zestawimy AgentPit, AWS AgentCore Payments i Binance Agent OS, zauważymy coraz wyraźniejszą zmianę:
AgentPit zapewnia środowisko do testowania strategii i ciągłego feedbacku, x402 i AWS AgentCore Payments zaczynają integrować natywne płatności maszynowe, a Binance Agent OS dodatkowo otwiera dane rynkowe, konta, transakcje i możliwości on-chain dla Agenta, co sprawia, że rozproszone wcześniej zdolności zaczynają być stopniowo łączone w jeden spójny przepływ pracy.
Jednak w kontekście finansowym szczególnie istotne jest to, że **błąd w kodzie można naprawić, ale jeśli Agent wykona błędną transakcję, aktywa mogą już naprawdę opuścić portfel.**
To oznacza, że podczas przechodzenia z symulowanego środowiska do rzeczywistego świata, jest jedna rola, której nie można pominąć.
To portfel.
III. Jaka jest prawdziwa wartość portfela Agenta? --------------------------
Jeśli nakreślimy pełny przepływ pracy przyszłego AI Agenta, będzie on przedstawiał jasny łańcuch:

• Najpierw trenuje i testuje strategie w symulowanym środowisku takim jak AgentPit;
• Następnie uzyskuje informacje i narzędzia przez MCP, Skills i różne API;
• Kupuje dane i zasoby obliczeniowe za pośrednictwem protokołów takich jak x402;
• Następnie wchodzi na rynek rzeczywisty, aby wykonać transakcje;
• Na koniec dostosowuje strategie na podstawie rzeczywistych wyników;

Gdy dochodzi do tego etapu, rola portfela będzie zupełnie inna niż dzisiaj.
W końcu tradycyjna logika interakcji portfela Web3 jest zaprojektowana dla interakcji człowiek-maszyna — każda transakcja wymaga, aby człowiek weryfikował wizualnie na ekranie i ręcznie potwierdzał, ale jeśli Agent wysokiej częstotliwości musi co sekundę odczytywać wiele zestawów danych rynkowych i nieustannie dostosowywać pozycje, nadal wymagając, aby człowiek podpisywał każdą transakcję, to znaczenie automatyzacji zniknie.
Jednak jeśli bezpośrednio powierzymy klucz prywatny AI, to równoznaczne z rezygnacją z wszystkich standardów bezpieczeństwa.
Dlatego prawdziwym celem portfela Agenta nie jest „jak dać AI klucz prywatny”, ale „jak zapewnić Agentowi bezpieczne i kontrolowane uprawnienia wykonawcze bez przekazywania ostatecznej kontroli nad aktywami”.
To również jest kluczowe rozwiązanie, które imToken przedstawia w ramach projektu portfela Agenta:

• Izolacja konta i klucze sesji (Session Keys): W koncepcji projektowania portfela Agenta imToken, każdy Agent, który uzyskuje uprawnienia wykonawcze, odpowiada niezależnemu koncie Agenta, a jego klucz sesji jest generowany i izolowany w zaufanym środowisku wykonawczym (TEE) i nie opuszcza tego bezpiecznego środowiska.
• Twarde ograniczenia zasad (Policy): Każde konto Agenta musi być powiązane z wyraźną polityką, w tym białą listą protokołów do interakcji, maksymalnym limitem transakcji, dziennym limitem, częstotliwością operacji oraz okresem ważności autoryzacji. Innymi słowy, Agent nie uzyskuje nieograniczonego portfela, ale konto wykonawcze otoczone zasadami.
• Użytkownik zachowuje ostateczną kontrolę: Agent może samodzielnie wykonywać operacje tylko w ramach polityki wcześniej autoryzowanej przez użytkownika, a operacje przekraczające granice muszą być ponownie potwierdzone przez użytkownika, który zawsze może dostosować politykę, wstrzymać lub wznowić Agenta, cofnąć uprawnienia i odzyskać fundusze; w przypadku transakcji uznanych za nietypowe lub przekraczające ustaloną politykę, automatyczne wykonanie również zostanie wstrzymane i ponownie zażąda od użytkownika potwierdzenia tożsamości.

Patrząc na cały ekosystem z tej perspektywy, można dostrzec, że symulacyjne treningi (jak AgentPit) i inteligentne portfele (jak imToken Agent Wallet) w rzeczywistości rozwiązują ten sam problem na dwóch etapach.
Pierwszy odpowiada za podniesienie górnej granicy zdolności decyzyjnych Agenta, drugi za wzmocnienie dolnej granicy bezpieczeństwa działań Agenta.
Oba są niezbędne.
To może być najważniejsza zmiana, jaką portfel Agenta wnosi w porównaniu do tradycyjnego portfela.
Na koniec ----
W tym sensie, po pojawieniu się AgentPit, nadchodzi nowy etap, który warto obserwować.
AI Agent przechodzi od „nauki korzystania z narzędzi” do „nauki, jak pracować”.
A gdy w końcu wyjdzie z symulacyjnego placu treningowego i wkroczy w zawirowania rzeczywistego świata transakcji, to, czy uda mu się postawić pewny krok i daleko zajść, często zależy nie tylko od tego, jak mądry jest podstawowy model, ale także od tego, jak mocno zbudowane są granice konta i autoryzacji, które dla niego stworzyliśmy.
W końcu w rzeczywistej, złożonej strukturze gospodarczej, **naprawdę potrzebujemy nie Agent, który nigdy nie popełnia błędów, ale takiego, który, nawet jeśli może się pomylić, jego ryzyko wciąż pozostaje w kontrolowanych granicach.**

Niniejsza treść ma charakter wyłącznie informacyjny i nie stanowi porady finansowej, inwestycyjnej, prawnej ani podatkowej. Wszelkie wydarzenia, nagrody, promocje online lub powiązane informacje, o których tu mowa, nie powinny być traktowane jako rekomendacja, zachęta ani zaproszenie do kupna, sprzedaży, wymiany lub innego rodzaju obrotu aktywami kryptograficznymi. Aktywa kryptograficzne charakteryzują się dużą zmiennością i mogą prowadzić do strat. Dostępność usług, produktów i powiązanych wydarzeń WEEX może się różnić w zależności od regionu. Użytkownik jest odpowiedzialny za upewnienie się, że jego udział jest zgodny z obowiązującymi lokalnymi przepisami i regulacjami.