AI 代理可以搜尋網站、閱讀文件、比較資訊並呼叫其他數位工具。 但假設該代理需要獲取某棟建築入口的全新 3D 捕捉資料。 它無法僅靠更努力地搜尋來解決這個問題，仍需有人親自前往地點進行拍攝記錄。 這揭示了 AI 代理在線上能做的事情，與它們從現實世界中所需資料之間的有趣缺口。 因此，@vangrid_io 正在建立一種連接這兩端的方式：AI 代理可透過 API 創建捕捉獎勵，使用 x402 以 USDC 資助這些任務，並請求特定的現實世界資料；人類貢獻者則可接受這些請求，拍攝所需地點並提交成果供審核。 代理無需親自前往任何地方，只需透過系統發出請求並支付任務費用，而實際需要親身在場的部分則由人類處理。 這改變了我們對 AI 自動化的思考方式。 代理無需親自使用自己的工具完成每一項任務；有時更聰明的做法是，認識到自身無法直接完成的事，並支付給能完成的人。 但仍存在實際限制：請求必須清晰明確，提交的捕捉資料必須符合要求，而生成的 3D 模型也需要時間處理。將代理與支付系統連接，並不能省略這些步驟。 但核心理念非常實用：當有合適的工具與人選時，AI 代理可以在螢幕之外協調工作。 最強大的 AI 代理，未必是能親自完成所有任務的那個，而是懂得如何確保正確任務被完成的那個。
