عاملهای هوش مصنوعی وب۳ در حال به دست آوردن ابزارهایی هستند که بتوانند در سراسر یک گردش کار معاملاتی فعالیت کنند—استراتژیها را آزمایش کنند، داده و خدمات خریداری کنند و اقدامات محدودی با پول واقعی انجام دهند—بدون اینکه کنترل نامحدودی بر کیف پول کاربر داشته باشند. انتشار محصولات اوت ماه از SKALE و آمازون، همراه با طراحیهای جدید امنیتی کیف پول از imToken، نشان میدهد که این صنعت به سمت مدلی حرکت میکند که در آن عاملها میتوانند بهصورت مستمر عمل کنند، اما تنها در محدودههای مالی و عملیاتی بسیار مشخص.
معماری در حال ظهور، یک مانع اصلی برای نرمافزارهای خودکار در بازارهای مالی را برطرف میکند. یک عامل ممکن است بتواند اخبار را تحلیل کند، قیمتها را مقایسه کند یا یک معامله پیشنهاد دهد، اما برای استفاده عملی از آن لازم است که این وظایف را هرچه شرایط بازار تغییر کند، تکرار کند. همچنین نیاز دارد که بتواند اطلاعات یا منابع محاسباتی پولی را بدون آنکه کیف پول اصلی را در معرض خطر قرار دهد یا اجازه دهد یک خطا منجر به هزینههای نامحدود شود، به دست آورد.
AgentPit شرکت SKALE که در اواسط اوت معرفی شد، بخش اول این مشکل را با ارائه یک محیط شبیهسازیشده برای عاملهای بازار پیشبینی هدف قرار میدهد. این پلتفرم دادههای زنده بازار Polymarket را بازتاب میدهد و یک API سازگار، یک دفتر مرکزی سفارشات محدود (CLOB) و USDC شبیهسازیشده بهجای وجوه واقعی ارائه میکند.
این طراحی به توسعهدهندگان اجازه میدهد عاملها را در برابر تغییرات قیمت، نقدینگی و سایر شرکتکنندگان آزمایش کنند بدون اینکه سرمایهای در معرض خطر قرار گیرد. برخلاف یک معیار ثابت که در آن یک مدل فقط یکبار به یک سؤال پاسخ میدهد، یک عامل بازار باید بهطور مداوم شرایط را مشاهده کند، تصمیم بگیرد، سفارش اجرا کند، نتیجه را ارزیابی کند و اقدام بعدی خود را تنظیم کند.
بازارهای شبیهسازیشده تصمیمات را در طول زمان آزمایش میکنند
AgentPit بر یک ضعف در ارزیابیهای مرسوم هوش مصنوعی تمرکز دارد. آزمونهایی که شامل ریاضیات، کدنویسی یا خلاصهنویسی متن هستند میتوانند اندازهگیری کنند که آیا پاسخ صحیح است یا خیر، اما نشان نمیدهند که آیا یک عامل میتواند یک موقعیت را در یک بازار پرتحرک مدیریت کند یا نه.
در یک بازار پیشبینی، یک عامل ممکن است تخمین بزند که یک نتیجه «بله» باید در ۷۰ سنت معامله شود، درحالیکه قیمت بازار ۵۵ سنت است. خرید در آن سطح بهتنهایی ثابت نمیکند که استراتژی درست بوده است. اطلاعات جدید ممکن است قرارداد را به ۴۵ سنت برساند یا یک تحول ناگهانی آن را بالاتر ببرد. حجم سفارشات موجود در هر قیمت نیز بر اینکه عامل در واقع چقدر برای ورود یا خروج پرداخت میکند، تأثیر میگذارد.
یک دفتر مرکزی سفارشات محدود (CLOB)، سفارشات خرید و فروش را در قیمتهای مختلف ثبت میکند. برای استراتژیهای خودکار، این ساختار سؤالات اجرایی فراتر از پیشبینی جهتی ساده ایجاد میکند: اینکه آیا باید اختلاف قیمت را پوشش داد، چقدر معامله کرد، آیا باید برای نقدینگی صبر کرد و چه زمانی باید موقعیت را کاهش یا افزایش داد.
اسکیل گفت که AgentPit به چندین عامل اجازه میدهد درون همان کتاب سفارش شبیهسازیشده با یکدیگر تعامل داشته باشند. این میتواند به توسعهدهندگان راهی بدهد تا مشاهده کنند استراتژیها در شرایطی که برای نقدینگی رقابت میکنند یا به معاملات یکدیگر واکنش نشان میدهند چگونه رفتار میکنند، نه اینکه هر مدل را بهصورت جداگانه ارزیابی کنند.
این محیط محدودیتهای آزمایشهای شبیهسازیشده را برطرف نمیکند. بازارهای واقعی میتوانند به شیوههایی تغییر کنند که یک نسخهٔ شبیهسازیشده نمیتواند بهطور کامل آن را منعکس کند، بهویژه در رویدادهای خبری غیرمنتظره یا دورههای غیرمعمول نقدینگی. با این حال، یک عامل که نتواند در تصمیمات شبیهسازیشدهٔ مکرر بهصورت ایمن عمل کند، پایهای ضعیف برای اعطای اختیار مدیریت داراییهای واقعی خواهد بود.
آمازون مسیری برای پرداختهای ماشینی اضافه کرد
Amazon’s Bedrock AgentCore Payments در تاریخ ۱۸ اوت به مرحلهٔ عمومیسازی رسید و لایهای زیرساختی برای عاملهایی اضافه کرد که در حین انجام یک وظیفه نیاز به خرید دسترسی به خدمات دارند. این سیستم از عاملهای اجراشونده روی Amazon Bedrock AgentCore پشتیبانی میکند و به آنها امکان میدهد APIهای شخص ثالث، پروتکل متن مدل (MCP) و منابع داده را کشف و هزینهٔ آنها را پرداخت کنند.
این محصول شامل زیرساخت کیف پول، پشتیبانی از استیبلکوین و پروتکل پرداختهای ماشینی x402 است. X402 طراحی شده تا نرمافزارها بتوانند پرداختهای بومی اینترنتی برای منابعی مانند پرسوجوهای داده یا خدمات محاسباتی انجام دهند و احتمالاً از فرآیندهای تنظیم حساب و صورتحسابهای دستی مرتبط با خریدهای آنلاین سنتی اجتناب کنند.
برای عاملهایی که بهصورت مداوم فعالیت میکنند، ورودیهای پرداختی میتوانند محدودیتی عملی باشند. یک گردش کار معاملاتی یا تحقیقاتی ممکن است پس از شروع به کار، به منبع دادهٔ جدید، پرسوجوی تحلیلی تخصصی یا ظرفیت محاسباتی اضافی نیاز پیدا کند. یک لایهٔ پرداخت با قوانین ازپیشتعیینشده برای هزینهها به آن گردش کار اجازه میدهد بدون نیاز به تأیید دستی هر تراکنش کوچک، به کار خود ادامه دهد.
آمازون گفت AgentCore Payments کلیدهای خصوصی و اعتبارنامههای کیف پول را از مدل هوش مصنوعی جدا نگه میدارد. این جداسازی بهویژه برای نرمافزارهایی مهم است که اطلاعات غیرقابل اعتماد — از جمله محتوای وب خارجی، فیدها و پاسخهای ابزارها — را پردازش میکنند. یک مدل باید بتواند درخواست پرداخت دهد بدون اینکه بتواند مواد کلیدی کنترلکنندهٔ کیف پول را افشای کند یا مستقیماً دستکاری کند.
کنترلهای کیف پول مرز داراییهای واقعی میشوند
حرکت از شبیهسازی به اجرای واقعی، طراحی کیف پول را در مرکز بحث دربارهٔ عاملها قرار میدهد. کیفپولهای سنتی فرض میکنند یک انسان هر تراکنش را بررسی و تأیید میکند. این مدل برای یک استراتژی خودکار که انتظار میرود بهطور مکرر به تغییرات قیمت واکنش نشان دهد یا پرداختهای روتین را در تمام ساعات روز انجام دهد، عملکرد ضعیفی دارد.
imToken یک رویکرد «کیف پول نماینده» را ترسیم کرده است که بر پایهی جداسازی حسابها، کلیدهای نشست و محدودیتهای سیاستهای قابل برنامهریزی شکل گرفته است. طراحی پیشنهادی، کلیدهای نشست را درون یک محیط اجرای مورد اعتماد (TEE) قرار میدهد؛ یعنی بخشی محافظتشده از سختافزار که برای جدا کردن عملیات حساس از محیط نرمافزاری گستردهتر طراحی شده است.
در چارچوب imToken، یک حساب نماینده میتواند از طریق فهرستهای مجاز پروتکل، سقفهای ارزش تراکنش، محدودیتهای روزانه هزینه، محدودیتهای فراوانی و پنجرههای ثابت مجوز محدود شود. هرگونه اقدام خارج از این محدودهها نیازمند تأیید مجدد کاربر خواهد بود.
این مدل به کاربران چندین راه برای مهار یک عامل معیوب یا هکشده ارائه میدهد. آنها میتوانند فعالیت خودکار را متوقف کنند، مجوزها را لغو نمایند، کنترل حساب را بازیابی کنند یا وجوه را برداشت نمایند. طراحی imToken همچنین الزام میکند که اجرای خودکار زمانی متوقف شود که فعالیت غیرعادی به نظر برسد یا خارج از شرایط استراتژی از پیش تعیینشده باشد و پس از آن بررسیهای هویتی مجدد انجام شود.
جداسازی حسابها خسارت ناشی از تصمیم اشتباه یا اتصال ابزاری که مورد سوءاستفاده قرار گرفته است را کاهش میدهد. به جای اتصال یک عامل به کیف پولی که تمام داراییهای کاربر در آن نگهداری میشود، اپراتور میتواند یک حساب اختصاصی را با موجودی محدود و قوانینی سفارشیسازیشده برای یک وظیفه خاص تأمین مالی کند. در این صورت، یک افزایش ناگهانی در تعداد تراکنشها هم با محدودیت موجودی و هم با محدودیتهای سیاست مواجه خواهد شد.
جهتگیری فعلی عاملهای وب۳، آموزش و اختیارات مالی را در لایههای جداگانه قرار میدهد. بازارهای شبیهسازیشده مانند AgentPit میتوانند ضعفهای موجود در حلقههای تصمیمگیری را آشکار کنند، در حالی که سیستمهای پرداخت و کیفپولهای محدود میتوانند تعیین کنند که پس از ورود به محیطهای واقعی، عامل چه کارهایی مجاز است انجام دهد. نتیجه این است که مسیری عملیتر به سمت نرمافزارهای بازار خودکار فراهم میشود: عاملها میتوانند بهصورت مداوم اجرا شوند، اما اختیارات آنها همواره تحت محدودیتهای بودجه، پروتکلهای مجاز، محدودیتهای زمانی و مجوزهای قابل لغو خواهد بود.
اجرای استراتژی خودکار را در بازارهای واقعی با Toobit امتحان کنید Agent TradeKit، طراحیشده برای عاملهای معاملاتی مبتنی بر API و تحت محدودیتهای سیاستی.
اظهار عدم مسئولیت: محتوای این صفحه تنها برای اهداف اطلاعرسانی عمومی ارائه شده و نظرات یا مشاورههای مالی Toobit را منعکس نمیکند. ما هیچ تضمینی درباره دقت یا کمال این اطلاعات ارائه نمیدهیم و در قبال هرگونه خطا، حذف یا نتایج ناشی از استفاده از آن مسئولیتی نخواهیم پذیرفت. سرمایهگذاری در داراییهای دیجیتال دارای ریسک است؛ کاربران باید وضعیت مالی خود و ریسکهای درگیر را بهصورت مستقل ارزیابی کنند. برای جزئیات بیشتر، لطفاً شرایط استفاده و افشای ریسک.
