DeFi 数据的问题
任何尝试对比不同 DeFi 协议借贷利率的人，都亲身体验过这种碎片化带来的摩擦。Aave 将它的市场称为储备金（reserves）。Compound 称其为市场（markets）。MakerDAO 有金库（vaults）。Rari Fuse 则有市场池（pools of markets）。每个协议都拥有自己的模式、事件结构和术语。
对于一个试图构建跨协议借贷市场视图的开发者来说，这种碎片化传统上意味着需要为每个协议编写一个自定义适配器。四十个协议就意味着四十个适配器。而在实践中，几乎没有人这样做。
数据存在于链上。透明性就在那里。缺少的是一种标准化的访问方式。
基础：Messari 的标准化子图
几年前，The Graph 基金会支持 Messari 成为生态系统中首个核心子图开发者，其任务是针对每种主要的 DeFi 协议类型构建统一的模式。具体到借贷协议，这项工作产生了一个规范化的数据模型，所有受支持的协议现在都共享该模型。
在此模式下，无论底层协议是什么，每个借贷子图都暴露出相同的实体结构。LendingProtocol 实体包含 TVL、收入和用户数量。Market 实体持有存款和借款余额、利率以及上限。InterestRate 对象包含利率、方向（贷方或借方）和类型（可变、稳定或固定）。Events 覆盖存款、借款、还款、清算和闪电贷。DailySnapshots 提供以上所有内容的历史汇总。
相同的查询适用于 Aave、Compound、MakerDAO、Spark Lend、Venus 以及数十个其他协议。标准化工作已经完成，只等着以创新的方式加以利用。
The Graph 社区的成果
社区建设者 Graphtronauts 的 PaulieB 以此为基础，朝着一个能够充分展示基础设施潜力的方向进行了扩展。由此诞生了 graph-lending-mcp，这是一个开源模型上下文协议（MCP）服务器，它能将单一的 GraphQL 查询同时分发到多个实时子图端点，然后将结构化的、可比较的数据返回给任何兼容 MCP 的 AI 助手。
实际效果非常直接。用户让 Claude 对比所有协议中的 USDC 借款利率。MCP 会并行地向每个已注册的子图发送相同的查询，然后返回一个统一的响应，其中包含以太坊上的 Aave v3、Compound v3、Spark Lend、BSC 上的 Venus 以及其他协议的利率，并排展示，以通俗易懂的语言呈现。无需适配器，无需为每个协议编写自定义代码，也无需了解 GraphQL。
该工具目前覆盖 15 条链上的 90 个子图部署，其中 65 个在任何给定时间均处于活跃状态。它暴露的 19 个工具覆盖了完整的借贷生命周期：按 TVL 列出协议、检索各市场的利率、并排对比协议、展示最近的清算事件及利润数据、拉取每日财务快照，以及返回所有覆盖的协议中任何钱包地址的未平仓头寸。此外，还有一个“应急查询”工具，允许通过原始 GraphQL 查询来处理命名工具未覆盖的任何内容。
AI Agent 如何消费区块链数据：子图 vs Substreams
有必要澄清一下 The Graph 的两个核心数据产品如何被 AI Agent 访问，因为它们在 Agent 需要执行不同任务时扮演着不同角色。
子图非常适合需要查询现有托管数据的 AI Agent。由于子图由 The Graph 去中心化网络上的索引器（Indexers）进行索引和提供服务，Agent 只需一个 API 密钥即可开始查询。无需管理基础设施，无需存储数据，也无需编写索引逻辑。Agent 只需调用端点，就能获得结构化的、确定性的数据。这正是 PaulieB 的 MCP 所使用的模式：子图已经上线，而 MCP 为 AI Agent 提供了通过自然语言查询这些数据的简洁接口。
Substreams 则服务于不同的目的。Substreams 并非用于查询他人托管的预索引数据，而是在一个团队需要构建并维护自己的高性能数据管道时使用，通常规模更大、转换更复杂，或者需要处理尚未存在于子图中的数据。Agent 本身通常不会直接运行 Substreams。相反，一个平台或团队会使用 Substreams 处理和存储区块链数据，然后通过一个 API 将存储的数据暴露给 Agent 查询。
这两个产品都提供确定性数据，这意味着，在获得相同原始数据输入的前提下，两个独立索引器运行相同的子图或 Substreams 模块将产生匹配的输出。这种一致性使得数据足够可靠，可供 AI Agent 大规模地进行推理。
Substreams 实践：平台如何大规模支持 AI Agent
Substreams 在 AI 场景中最引人注目的用途，并非单个 Agent 直接查询数据流，而是一个平台利用 Substreams 来摄取和存储大量区块链数据，然后将处理后的数据提供给 AI Agent 使用。Theoriq 清晰地展示了这一模式。该协议运行着一个去中心化的 AI Agent 集群网络，旨在优化 DeFi 流动性，执行交易、提供流动性，并根据实时市场状况重新平衡头寸。为了让这些 Agent 能够在链上自主运行，它们需要快速、结构化的数据。Substreams 提供了这一基础。
Theoriq 的第一个上线系统——链上流动性供应集群（Onchain Liquidity Provisioning Swarm），优化了 Base 上的 Uniswap V3 头寸。一个观察者 Agent 实时消费 Substreams 数据，追踪包括余额变化、铸币、销毁和交换在内的细粒度事件，然后触发诸如 LP 再平衡或交易执行等下游操作。结果非常显著：新流动性池支持的上线时间从数周缩短到数天，基础设施成本下降了 70%。
正如 Theoriq 联合创始人兼研究主管 Ethan Jackson 所描述的：Substreams 为 Agent 提供了直接访问干净、实时的链上数据的途径，支撑了它们做出快速、智能金融决策的能力。
对于思考如何构建原生 AI 应用的建设者来说，这是一个重要的区分。如果目标是让 Agent 按需查询现有的协议数据，那么子图是正确的起点。如果目标是构建一个平台，让 Agent 在一个需要持续维护和更新的、大型定制数据集上运行，那么 Substreams 就是使之成为可能的基础设施层。
这对 The Graph 基础设施的启示
graph-lending-mcp 项目之所以引人注目，不仅因为它是一个工具，更因为它作为一个概念验证，展示了一种更广泛的模式：The Graph 的去中心化网络如何创造复合价值。
为其提供动力的子图是一次性构建的，采用了标准化模式，并发布到了 The Graph 的去中心化网络上，索引器以冗余方式提供服务，且没有单点故障。PaulieB 无需设置或管理数据基础设施。数据层已经就绪。
基于该数据的 MCP 层，使得 AI Agent 能够访问这些数据。模型上下文协议（MCP）是 Anthropic 用于将 AI 模型连接到外部工具的开源标准，它提供了接口。The Graph 已索引的子图提供了确定性的高质量数据。两者结合，产生了一个前所未有的成果：一个能够通过自然语言查询，推理整个市场中实时的、结构化的 DeFi 借贷数据的 AI 助手。
这种模式——通过 MCP 接口访问 The Graph 去中心化网络上的标准化索引数据层——可以复制到任何协议类别中。借贷只是 PaulieB 的起点。同样的方法也适用于 DEX、预测市场、治理数据等领域。
在此基础上继续构建
graph-lending-mcp 服务器是开源的，并且已在 npm 上提供。入门需要一个来自 Subgraph Studio 的免费 Graph API 密钥，只需几分钟即可设置完成。之后，任何兼容 MCP 的 AI 助手都可以立即开始查询覆盖协议中的实时借贷数据。
对于有兴趣扩展该工具或将相同模式应用于其他协议类别的建设者，源代码可在 github.com/PaulieB14/graph-lending-mcp 获取。作为其基础的标准化子图模式由 Messari 记录，涵盖借贷、DEX 以及其他主要的 DeFi 协议类型。
数据层是开放的。基础设施已上线。在其之上构建什么，取决于社区。
