AI Agent «Повноліття»: що ще потрібно для переходу від симуляційного навчання до реальної торгівлі?

Маючи середовище для навчання та зворотного зв'язку, а також вирішивши питання авторизації та виконання, AI Agent у Web3 зможе справді виконати завдання.

Автор: imToken

Якщо ви є користувачем з високим споживанням токенів, протягом минулого року ви, напевно, відчули найважливіші еволюції AI Agent:

Окрім стрибка в інтелекті базової моделі, він починає все більше нагадувати справжнього «працівника».

Від перших чат-ботів до поступового вдосконалення інфраструктури, такої як MCP, Skills, Harness, Agent починає отримувати все більше «рук і ніг», він може відкривати веб-сторінки, читати дані в реальному часі, керувати програмним забезпеченням, навіть підключати гаманці та торгові рахунки.

Але на цьому етапі виникають нові реалії: вміти користуватися інструментами і справді виконувати робоче завдання — це дві різні речі.

Справжній Agent, здатний виконувати завдання, не повинен просто викликати API після отримання команди, а повинен постійно адаптувати свої дії в умовах змінного середовища на основі результатів.

Фінансові ринки особливо яскраво демонструють цю різницю.

Ви можете сказати Agent «допоможи мені визначити, хто зможе виграти певний матч», і він за кілька секунд надасть непоганий аналіз, але якщо вимога зміниться на «даю тобі кошти, щоб протягом місяця постійно брати участь у прогнозуванні ринку, підвищуючи прибуток при контролі максимальних втрат», це вже зовсім інше питання.

Він повинен постійно читати новини, коефіцієнти та книгу замовлень, визначати, чи ринок вже адекватно оцінює ситуацію, вирішувати, коли відкривати позицію, збільшувати обсяг або виходити, і своєчасно коригувати стратегію після помилок у своїх оцінках.

Останніми часами з'явилася низка інновацій в інфраструктурі, які, здається, поступово заповнюють цю раніше відсутню частину.

1. Чи потрібен AI Agent «симуляційний тренувальний майданчик»?

У середині серпня SKALE запустила досить цікаву нову продукцію — AgentPit.

Простими словами, це «симуляційний торговий пісочниця», спеціально створена для AI Agent прогнозування ринку, синхронізуючи реальну інформацію з Polymarket та сумісна з його API, одночасно використовуючи CLOB книгу замовлень, механізм CTF Token та розрахунків, просто замінивши реальні кошти на симульовані USDC.

Розробники можуть дозволити Agent в реальному часі читати дані, здійснювати замовлення, управляти позиціями та тестувати стратегії без ризику втрати коштів, а також спостерігати за колективною поведінкою кількох Agent на одній книзі замовлень.

Це виглядає дещо схоже на традиційне тестування та симуляційні торги в кількісній торгівлі, але для AI Agent його значення набагато глибше.

Оскільки одним із довгострокових питань, з якими стикається Agent, є: як ви дізнаєтеся, що Agent «справді торгує»?

Відомо, що в минулому оцінка можливостей великих моделей сильно залежала від статичних тестів (Benchmarks) — розв'язання кількох математичних задач, виправлення коду або підсумовування довгого тексту.

Але в реальному світі складні рішення не мають заздалегідь визначених правильних відповідей, особливо на фінансових ринках. Припустимо, Agent оцінює, що «YES» справедлива вартість певної прогнозованої події має становити 0,7 долара, а поточна ринкова ціна — 0,55 долара. Після покупки ціна може продовжити падати до 0,45 долара або, можливо, через несподівані новини різко піднятися. Крім того, миттєва ліквідність книги замовлень також безпосередньо вплине на фактичну ціну виконання.

Це означає, що Agent не може просто зробити один прогноз і завершити завдання, він повинен постійно стикатися з реальними наслідками своїх попередніх рішень, що є основною цінністю Agent Pit. Він надає агенту динамічний зворотний зв'язок, наближений до реального виробничого середовища:

Спостереження → Оцінка → Виконання → Отримання зворотного зв'язку → Коригування → Повторне виконання.

Звичайно, тут «навчання» не обов'язково означає, що Agent автоматично змінює параметри базової моделі після кожної угоди, він надає середовище, в якому можна повторно виконувати стратегії, оцінювати результати та ітераційно вдосконалювати робочі процеси.

Як і системи автономного водіння, які повинні пройти через безліч екстремальних сценаріїв у симуляторах перед виходом на дорогу, фінансовому Agent, який потенційно управлятиме реальними коштами, також важко отримати контроль над активами лише на основі кількох тестів Prompt, йому потрібно спочатку довести, як він поводиться в умовах безперервного прийняття рішень.

Але проблема виникає знову.

Добре виступати в симуляційному середовищі не означає, що можна відразу довірити реальні гроші AI, між цим ще є один критично важливий рівень.

2. Інфраструктура на одній хвилі: коли платежі та торгівля стають рідними компонентами Agent

Якщо спостерігати за діями основних хмарних гігантів та провідних торгових платформ за останні кілька місяців, неважко помітити, що траєкторія роботи Agent швидко стандартизується.

По-перше, реалізація машинних рідних платіжних протоколів.

18 серпня Amazon Bedrock AgentCore Payments офіційно запустив GA, цей сервіс дозволяє агентам, що працюють на AgentCore, самостійно знаходити та оплачувати виклики сторонніх API, MCP-сервісів або професійних джерел даних, і інтегрує інфраструктуру гаманців Coinbase та Stripe / Privy, рідно підтримуючи стейблкоїни та платіжні протоколи x402.

Це вирішує надзвичайно актуальну проблему — якщо Agent під час аналізу ринку виявить, що якісні дані в реальному часі потребують оплати, раніше робочий процес повинен був зупинитися, чекаючи, поки людина вручну проведе платіж, налаштує API Key і продовжить.

Але в рамках AgentCore Payments платіж безпосередньо інкапсульовано як автоматизований вузол у робочому процесі, користувачеві потрібно лише заздалегідь встановити бюджет і стратегію, Agent може самостійно ініціювати мікроплатежі для виконання викликів, коли стикається з платіжними бар'єрами, весь процес не потребує людського втручання, а приватний ключ гаманця та облікові дані залишаються ізольованими від самої моделі.

Два дні потому, 20 серпня, Binance запустила Agent OS, відкривши рідний інтерфейс Agent.

На відміну від простого надання певної AI-функції, Agent OS більше схоже на спеціалізований фінансовий інфраструктурний інтерфейс для Agent, який об'єднує Binance API, Wallet Agentic Hub, x402, Skills Hub та MCP.

Він дозволяє сумісним AI-додаткам отримувати ринкову інформацію через MCP, переглядати інформацію про рахунки та виконувати підтримувані торгові операції за дозволом користувача, що ще важливіше, він підкреслює межі та ізоляцію прав на механічному рівні:

Користувач може призначити Agent спеціалізовані підрахунки, ізолюючи кошти та торгову діяльність від основного рахунку, і налаштувати конкретні права для Agent; відповідні права доступу також можуть бути відкликані в будь-який час.

Якщо об'єднати AgentPit, AWS AgentCore Payments та Binance Agent OS, можна помітити все більш чітку зміну:

AgentPit надає середовище для тестування стратегій та постійного зворотного зв'язку, x402 та AWS AgentCore Payments починають з'єднувати машинні рідні платежі, а Binance Agent OS далі відкриває ринкову інформацію, рахунки, торгівлю та можливості в ланцюгу для Agent, що дозволяє поступово з'єднувати розрізнені можливості в єдиний робочий процес.

Проте, особливістю фінансових сценаріїв є те, що якщо код написано неправильно, це не страшно, можна просто перезапустити, але якщо Agent виконає помилкову угоду, активи можуть справді залишити гаманець.

Це означає, що при переході з симуляційного середовища до реального світу ще одна роль не може бути обійдена.

Це гаманець.

3. Яка справжня цінність Agent Wallet?

Якщо намалювати повний робочий процес майбутнього AI Agent, він буде виглядати як чітка ланцюг:

• Спочатку в симуляційному середовищі, такому як AgentPit, навчання та тестування стратегій;
• Потім через MCP, Skills та різні API отримання інформації та інструментів;
• За допомогою протоколів x402 тощо купівля даних та обчислювальних ресурсів;
• Потім виконання угод на реальному ринку;
• І, нарешті, продовження оптимізації стратегій на основі фактичних результатів;

На етапі виконання роль гаманця буде зовсім іншою, ніж сьогодні.

Адже традиційна логіка взаємодії Web3 гаманців розроблена для взаємодії людини з машиною — кожен підпис залежить від людини, яка перевіряє на екрані та натискає «підтвердити», але якщо високочастотний Agent щосекунди потребує читання кількох наборів даних, постійно коригуючи позиції, вимога до людини підписувати кожну угоду знищить сенс автоматизації.

Однак, якщо безпосередньо передати приватний ключ AI, це буде рівнозначно відмові від усіх стандартів безпеки.

Отже, справжнє завдання, яке має вирішити Agent Wallet, ніколи не полягало в тому, «як дати AI доступ до приватного ключа», а в тому, «як надати Agent безпечні та контрольовані права виконання без передачі остаточного контролю над активами».

Це також є основним рішенням, яке imToken пропонує в рамках дизайну Agent Wallet:

• Ізоляція облікових записів та сеансові ключі (Session Keys): у концепції дизайну Agent Wallet imToken кожен Agent, який отримує права виконання, відповідає окремому Agent Account, його Session Key генерується та ізолюється в надійному середовищі виконання (TEE) і не покидає це безпечне середовище.
• Жорсткі обмеження політики (Policy): кожен Agent Account повинен бути прив'язаний до чіткої політики, включаючи білий список дозволених протоколів, ліміт на одну угоду, щоденний ліміт, частоту операцій та термін дії авторизації. Іншими словами, Agent не отримує необмежений гаманець, а є виконуваним обліковим записом, оточеним правилами.
• Користувач зберігає остаточний контроль: Agent може самостійно виконувати дії лише в межах політики, попередньо авторизованої користувачем, дії, що виходять за межі, повинні бути повторно підтверджені користувачем, і користувач завжди може коригувати політику, призупиняти або відновлювати Agent, відкликати права та повернути кошти; для угод, які вважаються аномальними або виходять за межі попередньо встановленої стратегії, автоматичне виконання також буде призупинено, і буде повторно запитано підтвердження особи користувача.

Якщо подивитися на всю екосистему з цього ракурсу, можна побачити, що симуляційне навчання (таке як AgentPit) та розумний гаманець (такі як imToken Agent Wallet) насправді вирішують одну й ту ж задачу на двох етапах.

Перше відповідає за підвищення верхньої межі рішень Agent, друге — за зміцнення безпеки дій Agent.

Обидва елементи є невід'ємними.

Це, можливо, є найважливішою зміною Agent Wallet у порівнянні з традиційним гаманець.

Наприкінці

З цього погляду, після появи AgentPit, настає нова фаза, на яку варто звернути увагу.

AI Agent переходить від «вміння користуватися інструментами» до «навчання, як працювати».

І коли він нарешті вийде з симуляційного тренувального майданчика в мінливий світ реальної торгівлі, те, чи зможе він зробити цей крок стабільно та далеко, часто залежить не лише від того, наскільки розумною є базова модель, а й від того, наскільки міцними є межі облікових записів та авторизацій, які ми для нього створюємо.

Адже в реальній складній економічній системі нам насправді потрібен не Agent, який ніколи не помиляється, а Agent, ризик якого все ще залишається в контрольованих межах, навіть якщо він може помилитися.

Цей контент надано лише для загальних інформаційних цілей і не є фінансовою, інвестиційною, юридичною чи податковою консультацією. Події, нагороди, онлайн-акцій або пов’язану інформацію, згадана тут, не слід розглядати як рекомендацію, прохання чи запрошення до купівлі, продажу, торгівлі чи інших операцій з криптоактивами. Криптоактиви є дуже волатильними та можуть призвести до збитків. Доступність послуг, продуктів WEEX та пов’язаних із ними подій може відрізнятися залежно від регіону. Ви несете відповідальність за забезпечення відповідності вашої участі чинному місцевому законодавству та нормативним актам.