當 AI Agent 需要自己的身分與錢包：從 zkMCP 看代理式 AI 的信任基礎建設

2025 年 Anthropic 推出 Model Context Protocol（MCP，模型上下文協定）時，業界將它比喻為「AI 應用程式的 USB-C 介面」：一個開放、通用的標準，讓大型語言模型與各種資料源、工具之間的整合，從各自為政的碎片化接點，收斂為單一協定。這是代理式 AI（Agentic AI）走向規模化的重要一步。

但 ZekoLabs 近期發表的一篇分析提醒我們一個容易被忽略的事實：MCP 在當前形態下仍有八個尚未解決的結構性問題，而這些問題的核心，幾乎全部指向同一件事——信任。本文結合該文觀點與我在 AI 安全治理領域的實務觀察，談談代理式 AI 的信任基礎建設為什麼是企業必須提前布局的課題。

MCP 的八個未解難題，本質上是「信任」的難題

ZekoLabs 歸納的八個問題包括：

1. 託管與多租戶架構：現行 MCP 實作缺乏穩健的多租戶設計，難以有效率地服務多個使用者或組織。
2. 身分驗證與授權：這是最致命的環節。資安研究人員已證實 MCP 存在提示注入（Prompt Injection）攻擊、工具權限組合可能導致檔案外洩、以及「外觀相似工具」可默默取代可信賴工具等風險，協定本身缺乏完整的身分驗證與細粒度權限管理。
3. 閘道基礎建設：缺乏速率限制、負載平衡與流量管理，MCP 伺服器暴露於直接攻擊的風險。
4. 伺服器探索性：沒有去中心化的註冊機制或市集，開發者難以發現與驗證可用的 MCP 伺服器，限制了網路效應。
5. 執行環境：缺乏安全隔離的執行環境，處理敏感資料或金融交易時風險尤甚。
6. 標準化用戶端體驗：各實作差異大，整合複雜度阻礙普及。
7. 可觀測與除錯能力：生產環境的除錯工具不足，增加維運負擔。
8. 支付與計量：缺乏原生的小額支付、用量追蹤與服務變現機制，服務提供者無法被合理回報。

這八個問題看似分散，但若用治理的眼光檢視，會發現它們共同指向三個信任層次的缺口：誰在呼叫（身分）、能做什麼（授權）、以及憑什麼被相信（可驗證性與究責）。這正是所有 AI 治理框架——從 CSA AI Control Matrix 到 ISO 42001——反覆強調的核心命題。

零知識區塊鏈的解方：讓 AI Agent 擁有自己的身分與帳本

ZekoLabs 提出的 zkMCP 架構，用零知識證明（Zero-Knowledge Proof, ZKP）與 ZK 區塊鏈補上這些缺口，幾個設計值得注意：

小額支付與用量證明：代理式 AI 的互動特性是高頻、低值——一次對話中可能呼叫數十個工具各數百次。ZK 架構的微支付通道（Micropayment Channel）能處理這類高頻低值交易，定期在鏈上結算；「用量證明」機制則以密碼學方式驗證服務消耗量，無需揭露使用模式或敏感商業資訊，兼顧計費與隱私。

智慧合約自動分潤：服務提供者的報酬透過智慧合約即時、透明地自動分配，消除傳統支付處理的延遲與中間成本，也為 AI 服務生態系建立可持續的經濟模型。

去中心化身分：這是我認為最具治理意涵的部分。現行 MCP 依賴中心化身分驗證系統，形成單點失敗風險；zkMCP 讓 AI Agent 能持有自己的密碼學身分與憑證，在不揭露敏感資訊的前提下證明自己是誰、擁有什麼授權——這是零知識應用（zkApp）對代理式 AI 信任問題最直接的回答。

鏈上可驗證聲譽：以可驗證的鏈上活動紀錄建立抗操縱的聲譽系統，讓「這個 Agent 值不值得信任」從主觀印象變成可驗證的客觀證據，同時為「Agent 出錯時的究責」留下不可否認的軌跡。

換句話說，zkMCP 的價值不在於把 AI 搬上區塊鏈，而在於第一次讓「具備自身身分、自身資源與自主決策能力」的 AI Agent 在架構上成為可能。當 Agent 擁有可驗證的身分、可追溯的行為紀錄、與可計量的資源邊界，治理才有了施力點。

從治理角度看：這對企業意味著什麼

身為長期推動資安治理與 AI 安全標準的實務工作者，我認為企業高階決策者應從這波發展讀出三個訊號：

第一，Agent 的身分治理將成為資安治理的新邊界。 過去的存取控制管的是「人」與「設備」；未來的零信任架構必須把「非人類的身分」（Non-Human Identity）——包括 AI Agent、工具、API——納入同等的驗證與授權框架。MCP 今日暴露的提示注入與工具冒用風險，正是這個新邊界尚未被治理的證據。企業在採用任何 Agent 平台前，應先確認其對 Agent 身分的驗證、授權範圍與行為紀錄機制。

第二，可驗證性（Verifiability）是 AI 治理的硬通貨。 零知識證明提供了一個重要啟發：治理不一定以「揭露更多資訊」為代價。「證明我做了什麼、但不必揭露我怎麼做」的能力，在跨組織協作、供應鏈稽核與法規遵循場景中，將成為兼顧隱私與究責的關鍵技術。半導體供應鏈等對機密極度敏感的產業，尤其值得提前關注這類「可驗證但不揭露」的信任機制。

第三，AI 服務的商業模式需要原生計量基礎建設。 當 Agent 之間開始互相呼叫付費服務，缺乏可計量、可結算的機制，就沒有可持續的生態。這不只是技術問題，更是治理問題——費用歸屬、用量稽核、變現分配，都需要建立在不可否認的紀錄之上。

結語：信任基礎建設要走在建置之前

zkMCP 仍是早期實驗，ZK 區塊鏈的工程成熟度與效能也仍有路要走；我不建議企業此刻就急著導入特定技術方案。但它揭示的方向是明確的：代理式 AI 的下一步，不是更大的模型，而是可驗證的身分、可計量的資源、與可究責的行為。

博曄顧問一直主張，數位信任不是事後補上的控制，而是設計在架構裡的基礎建設。當我們把 AI Agent 從「一個會自動回答的工具」推向「一個能自主行動的參與者」，身分、授權與究責這三件事，就必須在協定層被解決——而不是等到事故發生後，才在應用層亡羊補牢。

2027 年之前，我們將看到 MCP 生態系與 AI Agent 平台圍繞這些信任機制快速演化。企業現在能做的最好準備，就是開始盤點自己的 AI 使用場景中，哪些環節已經出現「無身分、無授權、無紀錄」的三無 Agent——那裡，就是你的數位信任缺口。

---

本文觀點部分參考 ZekoLabs 於 Medium 發表之 “zkMCP — Revolutionizing MCP and AI Agent Infrastructure with Zero-Knowledge Blockchains”，並結合作者在 AI 安全治理領域之實務觀察。