| timezone | UTC+8 |
|---|
GitHub ID: Elorze
Telegram: @Elorze
一个爱学习的人
10.11爆仓事件：极端市场，脚本或AI驱动的机器人可能因为连锁反应放大风险。
REA相关的life3.0创世经济，AI驱动的
bitseek eth 上海 workshop:
1、turstless AI agents
AI*ETH：如何让一个AI代理在链上自证身份、能力和清白。和ERC8004强相关
怎么解决验证的问题？
2、AUTONOMOUS DEFI OPS
财务助手，在黑天鹅时间下保护我们的财产
3、公共物品
让AI从“顾问”升级乘一个可信任的执行者。
bitseek模型API：https://bitseek-gitbook.vercel.app
https://www.youtube.com/watch?v=8lsJ7zLa2Pk：
更详细地介绍了三种AI AGENT FRAMEWORK：
AUTOGEN:
中心化分布式，异步消息传递框架。邮箱式，消息流形式，每个agent内部都有收到什么信息要怎么回答。这里的agent是一个完整的人物，不可拆分为更小的单元；这些agent内部由不同的逻辑单元构成，有点类似于LANGRAPH的node，但它是封装在agent的程序控制流与消息循环里的，是隐藏的、不可见的。
LANGRAPH:
可编程图。一个agent由多个负责不同功能的node构成，这些node之间构成图一样的结构。
https://www.youtube.com/watch?v=VChRPFUzJGA:
MCP 是一种让 AI 能安全访问外部工具和数据的开放协议，相当于 AI 的通用接口。
MCP使用场景：
让 AI 模型安全、高效地调用外部工具或数据时，比如访问数据库、执行代码、查询 API、读取文件或控制业务系统等。
使用建议：
MCP 要与后端 API 配合使用，而不是替代它 —— MCP 是让 AI 更高效地使用现有 API 的接口层，而不是新的通用 API 标准。
不要试图用一个 MCP 服务器做所有事情 —— 只做你独特的部分，让客户端同时连接多个 MCP 服务器协同完成任务。
保持 MCP 服务器的抽象层级尽可能高 —— 不要让 AI 直接访问底层数据库，而是提供简化的高层工具接口以提高安全性和效率。
https://www.youtube.com/watch?v=voaKr_JHvF4:
A2A（Agent-to-Agent Protocol）:
是 Google 提出的一个开放通信协议，用于让不同 AI 代理（agents）之间能够互相发现、交流和协作。它规定了统一的消息格式、任务流程和安全机制，使来自不同平台或厂商的智能体可以像互联网网站一样互通，从而构建出多代理协作的生态系统。
A2A和MCP：
🧩 MCP 让一个 Agent 能更聪明地用工具，
🔗 A2A 让多个 Agent 能更聪明地协作。
A2A目前的问题：
⚙️ 标准尚未完善 —— A2A 目前只是 Google 提出的初步规范，不同实现之间还缺乏统一的约定，很多细节（如任务生命周期、权限模型）仍在变化。
🔐 安全与信任机制不足 —— Agent 之间通信涉及身份认证、权限控制、数据隐私等问题，但目前还没有成熟、通用的安全框架。
🔄 互操作性不稳定 —— 各家 Agent 框架（如 OpenAI、Anthropic、Hugging Face 等）尚未全面支持 A2A，跨平台协作容易出现兼容性问题。
🧱 生态系统稀缺 —— 还缺少足够多的公共 Agent、工具和示例，导致开发者难以体验到多 Agent 协作的真正价值。
🚧 开发者门槛较高 —— 实现 A2A 通信目前需要自建服务、配置复杂的元数据（如 .well-known/agent.json），对普通开发者来说还不够友好。
https://www.youtube.com/watch?v=mFkw3p5qSuA&t=13s：
这个视频是A2A更全面的介绍，指导如何搭建自己的A2A项目。
A2A的缺点：有些大语言模型可能并不靠谱，但是只要套了一个代理，它就会被无条件信任。所以需要额外的质量保证机制来补充身份认证的不足。
https://www.youtube.com/watch?v=8HqeY5v0ohM：
介绍了三种AI Agent Framework：AutoGen CrewAI LangGraph。
AutoGen难用，LangGraph依赖生态。看起来CrewAI最好上手。