“지능형 자동화” 시대: 의도 거래와 AI 에이전트가 시너지를 낼 수 있을까?
作者: LT,EthosLau
서론
이더리움 창시자 비탈릭 부테린(Vitalik Buterin)과 패러다임(Paradigm) 팀을 포함한 많은 전문가와 업계 리더들은 의도 기반 거래(intent centric)가 미래 블록체인 애플리케이션 발전의 중요한 방향 중 하나가 될 것이라고 믿고 있습니다. 본 기사에서는 의도 거래의 개념과 잠재력을 탐구하고, 이 모델이 사용자 경험을 어떻게 단순화하고 거래의 안전성을 강화하며 탈중앙화 애플리케이션에 더 많은 혁신 기회를 제공할 수 있는지 분석합니다. 또한 AI 에이전트(AI-Agent)의 역할에 대해 논의하고, 이들이 의도 거래와 어떻게 결합되어 스마트 계약의 자동화 및 지능화를 촉진하여 사용자에게 더 스마트하고 개인화된 블록체인 상호작용 경험을 제공할 수 있는지 살펴봅니다.
의도 거래란 무엇인가
택시를 부르려 할 때, 이동 앱을 열고 출발지를 선택하면 화면 하단에 가격 범위가 나타나 설정할 수 있습니다. 음식 배달 앱을 사용하여 음식을 주문할 때 유사한 상품을 검색한 후 가격, 시간, 거리 등의 필터 조건을 선택할 수 있습니다. 이 상황에서 "무엇을 구매할 것인가"라는 질문과 시간, 가격의 제약이 결합되어 거래 의도(intent)를 형성합니다. 현재 많은 앱들이 고객의 편의를 위해 다양한 수준에서 고객이 자신의 "의도"를 입력할 수 있는 옵션을 추가하고 있습니다. 물론, 의도는 미리 설정된 거래 가격만 포함하지 않으며, 가격은 의도에서 가장 자주 사용되는 매개변수 중 하나입니다.
블록체인 맥락에서 의도 기반 거래는 사용자가 목표 지향적으로 블록체인 작업을 수행하는 것을 의미합니다. 이 과정에서 사용자는 최종 목표(시간, 거래 가격 등 거래 조건)만 표현하고, 관련된 구체적인 단계에는 신경 쓰지 않습니다. 이 과정에서 사용자는 계약에 서명하여 거래 생성을 제3자에게 "아웃소싱"할 수 있도록 허용합니다. 중간 단계는 제3자 문제 해결자(사람/프로그램일 수 있음)가 처리합니다. 출력이 사용자 의도에서 규정된 범위 내에 있는 한, 해결자(solver 또는 "해결기")는 자유롭게 결과를 구현할 수 있습니다(일반적으로 커뮤니티, 거래소에서 다른 의도와 일치하는 것을 검색하고 매칭하여 여러 사용자의 요구를 충족시킵니다). 사용자는 일반적으로 거래 완료를 돕기 위해 해결자에게 일정 금액을 지불해야 합니다.
의도 거래의 두 가지 핵심 특징:
첫째, 의도 기반 블록체인 거래는 "선언적 프로그래밍 방법"을 채택하여, 수행할 단계 시퀀스를 구체적으로 지정하지 않고 거래의 예상 결과를 직접 선언합니다.
둘째, 사용자가 거래 의도를 정의하면 실제 거래를 구축하는 과정은 제3자 해결자(solver)에게 맡겨지며, 해당 해결자는 예상 결과를 달성하기 위해 필요한 전통적인 블록체인 거래를 생성하는 책임을 집니다.
의도 거래가 성립하기 위한 필수 조건 중 하나는 비트코인을 대표로 하는 일련의 디지털 화폐가 가지는 고유한 동일성(unity)입니다. 즉, 모든 비트코인은 본질적으로 동일하며, 이는 전자와 같은 기본 입자의 동일성과 유사합니다. 이러한 특성 덕분에 비트코인은 거래 및 사용 시 일관성과 대체 가능성을 보여줍니다. 따라서 의도 거래 방식은 "동일" 속성을 가진 가상 화폐를 처리하는 데 적합하며, 사용자는 낮은 가격으로 구매한 상품의 품질이 높은 가격으로 구매한 상품보다 낮을 것이라는 걱정을 할 필요가 없습니다.
의도 거래의 잠재적 이점 및 응용
의도 기반 거래의 가장 뚜렷한 이점은 거래 과정을 단순화하는 것입니다.
이러한 방식은 거래 세부 사항(구매 토큰/기타 앱 내 구매를 포함할 수 있음)을 줄여 dApp 내 사용자 경험을 향상시킬 수 있습니다. 이는 정상 거래를 지원할 뿐만 아니라 사용자가 정기적으로 수동으로 구매/이체하는 불편을 피할 수 있도록 반복 거래를 지원합니다. 또한 시간 관련 또는 조건 기반 거래를 지원할 수 있으며, 자동으로 잔액을 충전하는 것을 포함할 수 있습니다. 예를 들어, 잔액이 부족할 때 "내 지갑 잔액이 100 미만일 때 xx 개의 코인을 이체/구매"라는 한 문장으로 자동 이체를 수행할 수 있습니다. 또한 간단한 명령으로 정기적으로 토큰을 구매하는 번거로움을 없앨 수 있습니다.
사용자 경험을 돕는 측면에서, 이는 블록체인 기술의 활용을 촉진하며, 암호화폐 초보자가 모든 번거로운 단계를 처리할 필요가 없도록 합니다.
의도 기반 거래는 출력에만 집중하기 때문에 주문이 즉시 거래될 필요는 없습니다. 시스템의 시간 유연성 덕분에 시장에서 가장 유리할 때 주문을 실행할 수 있어 가격 변동 시 슬리피지를 줄일 수 있습니다. 해결자는 최적의 경로를 찾으려 하며, 때로는 더 큰 거래의 주문을 집계하여 슬리피지를 더욱 줄일 수 있습니다. 사용자는 또한 의도에서 자신이 지불할 의향이 있는 최대 슬리피지 비용을 명시할 수 있어 각 거래가 그들에게 이상적이도록 할 수 있습니다. 주의: 슬리피지(Slippage)는 거래에서 실행 가격과 예상 가격 간의 차이를 의미합니다. 이는 일반적으로 시장 변동성이 높거나 유동성이 낮은 시기에 발생하며, 시장이 선호하는 가격으로 주문을 매칭할 수 없을 때 발생합니다. 슬리피지는 긍정적일 수도 있고 부정적일 수도 있습니다. 긍정적 슬리피지는 주문이 예상보다 더 좋은 가격으로 실행되는 것을 의미하며, 부정적 슬리피지는 주문이 예상보다 더 나쁜 가격으로 실행되는 것을 의미합니다.
의도 기반 거래는 조건과 목표를 설정하여 체인 상의 작업을 수행할 수 있으며, 많은 잠재적 응용이 있습니다. 예를 들어, 목표 가격으로 토큰을 구매하기 위한 제한 주문 설정, 슬리피지(허용되는 가격 차이 범위) 설정, 정기적으로 정해진 시간에 토큰 구매, 잔액 부족 시 자동 이체, 예언자(오라클)가 보고한 중대한 사건에 따라 적시에 토큰을 매수하거나 매도하는 것 등이 있습니다. 또는 예언자 방식을 채택하여 특정 사건(경제적 사건, 정치적 사건)이 발생할 때 즉시 특정 작업을 수행하는 것입니다. 예를 들어 주식 시장이 특정 수준으로 하락할 때 자동으로 매도하거나, 특정 후보인 테리(Terry)가 대통령으로 성공적으로 취임할 때 비트코인을 자동으로 매수하는 것입니다.
현재의 전통적인 거래 모델은 불투명성과 중앙화 위험이 존재합니다. 사용자가 거래를 제출할 때, 실제 실행 과정에 대한 이해가 제한적입니다. 거래 결과는 특정 실행 시간의 네트워크 혼잡, 채굴자 또는 검증자의 행동, 전체 블록체인 상태 등 여러 요인의 영향을 받습니다. 이러한 불투명성은 사용자가 선행 거래, 역 거래 및 기타 "최대 추출 가치"(Maximal Extractable Value, MEV) 기술의 공격에 쉽게 노출되도록 만듭니다. 또한, 채굴자, 검증자 및 중계자에게 부여된 높은 거래 자유는 그들이 재정렬, 검토 및 기타 기술을 통해 쉽게 가치를 추출할 수 있게 합니다. 실행 가시성의 부족은 사용자가 MEV 공격에 취약해지는 것을 악화시킵니다.
MEV 공격은 암호화폐 및 블록체인 분야에서 정보 비대칭과 거래 특권을 이용하여 초과 이익을 얻는 현상입니다. 이러한 공격은 사용자 경험에 영향을 미치고, 시장의 공정성을 해치며, 시스템의 안정성을 위협하고 자원을 낭비합니다. 일반적인 형태로는 선행 거래, 샌드위치 공격, 청산 차익 거래, 역주행 거래 및 채굴자의 자기 이익 행동 등이 있습니다.
샌드위치 공격의 예를 들면, 이는 일반적으로 악의적인 거래자가 탈중앙화 금융(DeFi) 프로토콜 또는 서비스에서 사용자의 거래 전후에 동시에 주문을 배치하여 자산 가격을 조작하는 것을 포함합니다. 이러한 공격 방식은 거래 실행 가격에 영향을 미칠 뿐만 아니라 유동성 제공자가 벌어들일 수 있는 수수료에도 영향을 미칠 수 있습니다.
샌드위치 공격을 방지하기 위해, 1inch와 같은 일부 플랫폼은 "플래시봇 거래"라는 새로운 주문 유형을 도입했습니다. 이러한 거래는 거래 풀에 방송되지 않으며, 채굴된 후에만 볼 수 있어 악의적인 거래자가 거래를 보고 이용하는 것을 방지합니다. 또한 사용자는 사용자 정의 RPC 엔드포인트를 사용하여 자신의 거래를 비공개로 유지하여 샌드위치 봇이 이를 보고 이용하는 것을 피할 수 있습니다.
무작위 시간 거래는 거래 시간을 예측할 수 없도록 하여 시장 조작의 난이도를 증가시키는 전략으로, 다양한 시간에 무작위로 거래를 실행함으로써 악의적인 거래자가 거래 패턴을 예측하고 이용할 위험을 줄일 수 있습니다. 그러나 무작위 시간 거래가 방지 조치로서 효과적일 수 있지만, 샌드위치 공격이 공격자에게 가치가 있는지는 이러한 거래를 실행하는 비용이 공격자가 다른 거래자로부터 얻는 재정적 이익을 초과하는지 여부에 따라 달라집니다. 따라서 무작위 시간 거래는 다른 보호 조치와 결합하여 시장 조작 및 샌드위치 공격을 보다 효과적으로 방지할 수 있습니다.
의도 거래 사례: UniswapX
Uniswap 소개
Uniswap은 하이든 아담스(Hayden Adams)가 개인적으로 발명한 것으로, 그는 한때 기계 엔지니어였습니다. 2017년 실직한 후, 하이든 아담스는 이더리움 공동 창립자 비탈릭 부테린의 자동화 시장 조성자(AMM) 개념에 영감을 받아 스마트 계약 프로그래밍 언어인 솔리디티(Solidity)를 독학하기 시작하고 Uniswap 개발에 착수했습니다. 2018년 11월, Uniswap의 첫 번째 버전 V1이 이더리움 메인넷에 출시되어 AMM 기반의 탈중앙화 토큰 교환 서비스를 제공했습니다. 이후 Uniswap은 빠르게 발전하여 V2 및 V3 버전을 출시하며 거래 경험과 유동성 제공 메커니즘을 지속적으로 최적화했습니다.
UniswapX 소개
UniswapX는 혁신적인 탈중앙화 거래 프로토콜로, 허가가 필요 없는 오픈 소스(GPL) 경매 메커니즘을 채택하여 사용자가 다양한 AMM 및 기타 유동성 출처 간에 거래할 수 있도록 합니다. 이 프로토콜의 핵심은 의도 거래로, 사용자는 거래 의도만 표현하면 거래의 구체적인 실행 과정에 신경 쓸 필요가 없습니다. 사용자는 원하는 의도를 명확히 하면 서명 하나로 모든 작업을 완료할 수 있습니다.
UniswapX에는 제한 주문 반응기(Limit Order Reactor), 네덜란드 주문 반응기(Dutch Order Reactor), 독점 네덜란드 주문 반응기(Exclusive Dutch Order Reactor)의 세 가지 서로 다른 반응기가 존재하며, 이들은 참가자가 배치할 수 있는 다양한 유형의 주문을 처리합니다. 그중 독점 네덜란드 주문은 네덜란드식 경매와 유사한 새로운 유형의 주문으로, 참가자의 수를 제한합니다.
사용자가 UniswapX를 통해 네덜란드식 주문 또는 독점 네덜란드식 주문을 내리면, 그들은 Permit2와 계약을 체결하여 해당 토큰의 이전을 허용합니다. 서명 후, 이러한 주문은 게시되어 누구나 이를 수락하고 완료할 수 있습니다. 교환자는 지정된 시간 내에 거래하고 수령할 수량을 명시하기만 하면 "채우는 자"(fillers)가 주문을 완료할 수 있습니다.
의도 거래의 기본은 참가자가 달성하고자 하는 목표에 집중하도록 하여 구체적인 거래 과정에 신경 쓰지 않도록 하는 것입니다. 의도 기반 거래의 전제는 참가자가 거래를 처리할 필요 없이 달성하고자 하는 목표를 나열하는 것입니다. 이렇게 하면 "채우는 자"가 다양한 방법을 사용하여 거래를 완료할 수 있어 UniswapX는 탈중앙화 거래소(DEXs), 중앙화 거래소(CEXs), 크로스 체인 유동성 네트워크, 네이티브 브릿지, 스테이블코인 풀 등 다양한 유동성 풀에서 이익을 얻을 수 있습니다. 이를 통해 최적의 가격을 보장합니다.
또한 "채우는 자"는 가능한 한 빨리 거래를 완료하여 더 높은 가격과 각 거래에서 더 높은 수수료를 통해 이익을 얻을 동기가 있습니다. 반응기는 계약을 검증하여 토큰의 출력량이 예상과 일치하는지 확인합니다.
전반적으로 UniswapX는 혁신적인 경매 메커니즘과 의도 거래 개념을 통해 사용자에게 보다 효율적이고 투명하며 사용자 친화적인 거래 환경을 제공하며, 전통적인 AMM이 직면한 거래 비용, MEV 공격 및 슬리피지 마모와 같은 문제를 해결합니다.
AI-Agent란 무엇인가
AI-Agent, 즉 인공지능 에이전트는 환경, 입력 및 미리 정의된 목표에 따라 자율적으로 결정을 내리고 작업을 수행할 수 있는 컴퓨터 프로그램입니다. AI-Agent의 핵심 구성 요소에는 정보를 처리하고 상호작용에서 학습하며 결정을 내리고 행동을 실행할 수 있는 대형 언어 모델(LLM)이 "두뇌" 역할을 하며, 환경을 인식할 수 있는 관찰 및 인식 메커니즘, 관찰 결과와 기억 내용을 분석하고 가능한 행동을 고려하는 추론 사고 과정, 사고 및 관찰에 대한 명시적 반응으로서의 행동 실행, 학습을 위해 과거 경험을 저장하는 기억 및 검색 기능이 포함됩니다.
AI-Agent는 반응형, 능동형, 학습형 또는 협력형일 수 있으며, 일반적으로 복잡한 작업을 수행하기 위해 독립적으로 작동합니다. LLM은 책, 기사, 웹사이트 및 사용자의 다양한 입력을 포함한 방대한 데이터 세트를 통해 훈련됩니다.
일반적인 AI-Agent의 예로는 ChatGPT, 테슬라의 자율주행 엔진 및 넷플릭스의 추천 엔진이 있습니다. 전통적인 LLM은 일반적으로 텍스트 대화를 생성하는 데 사용되지만, AI-Agent 개념은 다른 도구를 사용하고 제어하는 능력에 중점을 둡니다. ChatGPT는 자연어 처리(NLP)를 사용하여 텍스트를 이해하는 방법을 학습하는 가상 비서입니다. 훈련 과정에서 LLM은 문장에서 다음 단어를 예측하는 방법을 학습하여 맥락, 문법 및 의미를 이해하는 데 도움을 줍니다. 반면, 테슬라의 자율주행 엔진은 밀리초 내에 계산하여 자동차의 주행 속도와 각도를 결정합니다. 이는 이미지와 비디오를 통해 훈련되어 물체 간의 거리와 물체가 무엇인지 판단합니다. 도로에서 이 에이전트는 모든 카메라를 사용하여 다양한 물체를 인식하고 주변 환경의 가상 지도를 생성하여 어떻게 주행할지를 정확히 결정합니다. 넷플릭스의 AI-Agent는 사용자가 이전에 시청한 프로그램을 기반으로 영화를 추천합니다. 이는 사용자가 다양한 유형의 영화와 상호작용하는 방식에 대한 방대한 데이터를 수집하며, 시청 시간, 검색 쿼리, 평가 내용 등을 포함합니다. 또한 영화의 장르, 배우, 감독, 개봉 연도 등의 정보를 분석합니다. 이 두 가지 데이터를 결합하여 추천 엔진은 유사한 사용자의 시청 기록을 기반으로 사용자에게 영화를 추천합니다.
성숙한 AI-Agent 플랫폼에서는 사용자가 에이전트에 지시를 내리면, 두뇌 역할을 하는 LLM이 다양한 도구를 호출하여 사용자에게 콘텐츠를 제공하거나 요구를 충족시킵니다.
AI-Agent의 응용 분야는 전자상거래, 교육, 부동산, 여행, 금융, 의료, 교통, 정부 서비스, 미디어 및 엔터테인먼트 등 매우 광범위합니다. 이들은 개인화된 추천, 스마트 고객 서비스, 시장 동향 분석, 부동산 평가, 여행 마케팅 최적화, 고객 서비스 및 지원, 교육 데이터 분석, 의료 영상 분석, 스마트 추천 시스템 등의 서비스를 제공할 수 있습니다. AI-Agent의 기능에는 환경 변화 인식, 반응적 행동, 추론 및 설명, 문제 해결, 추론 및 학습, 행동 및 결과 분석 등이 포함되며, 반복적인 작업을 자동화하고 개인화된 경험을 제공하며 원활하고 경제적인 확장성을 실현하고 가용성을 높이며 비용을 절감하고 데이터 기반 통찰력을 제공합니다.
AI-Agent는 여러 가지 이점을 제공하여 기업과 서비스 운영 방식을 혁신적으로 변화시킵니다. 반복 작업 처리 시의 효율성과 일관성은 프로세스의 정확한 실행을 보장하며, 인간 노동자의 피로에 영향을 받지 않습니다. 개인화 및 동적 조정을 통해 AI-Agent는 개인 사용자의 선호에 맞춤화된 경험을 제공하고, 실시간으로 적응하여 관련성과 참여도를 보장합니다. 이들의 확장성과 가용성 덕분에 24시간 대량의 작업을 관리할 수 있으며, 중단 없이 원활한 서비스를 제공합니다. 또한 AI-Agent는 복잡한 패턴 인식에 능숙하여 데이터 내의 미세한 동향을 식별하여 보다 현명한 결정을 촉진합니다. 이는 프로세스를 최적화하고 대량의 인력 수요를 줄여 비용을 크게 절감합니다. 또한 AI-Agent는 혁신의 촉매 역할을 하여 새로운 비즈니스 모델과 서비스를 창출하고 경쟁 우위를 강화합니다. 이들은 위험 및 사기 탐지를 통해 보안을 강화하고, 의심스러운 활동을 모니터링하며 위협으로부터 보호합니다. 마지막으로, 자원 최적화 능력은 보다 지속 가능하고 효율적인 운영에 기여하여 각 산업에서 필수 자산이 됩니다. AI-Agent는 LLM 위에 구축된 새로운 기술로, 특정 상황에 따라 결정을 내리고 실행할 수 있으며, "무상태 API에서 상태 있는 도구로 대형 언어 모델을 변환"합니다.
AI-Agent와 의도 거래의 관계
의도 기반 거래에서 AI-Agent는 자연어 입력을 이해하여 사용자가 다양한 작업을 완료하도록 돕는 스마트 개인 비서 역할을 합니다. LLM(대형 언어 모델)은 의도 기반 아키텍처에 통합되어 사용자가 요구를 표현할 수 있도록 하며, 이러한 요구를 어떻게 실현할 것인지에 대한 고려는 필요하지 않습니다. 거래 분야에서 의도 기반 거래는 사용자가 거래의 예상 결과를 선언할 수 있도록 하며, 실제 거래를 구축하는 과정은 제3자 해결자가 담당합니다. AI-Agent의 통합은 이 과정의 효율성과 지능화를 향상시킬 수 있습니다. 예를 들어, AI-Agent는 인식, 계획, 기억, 도구 사용 등의 능력을 활용하여 해결자와 상호작용하고, 거래 전략을 자동으로 실행하며 거래 실행의 가격과 시간을 최적화할 수 있습니다.
AI가 사용자 의도를 해석할 수 있게 되면, 해결자와 빠르게 소통하여 결과를 생성할 수 있습니다. 해결자가 인터페이스에 통합되면 거래 속도가 더욱 빨라질 수 있습니다. 해결자는 다양한 출처를 통해 처리하며, 중앙화 거래소, 체인 내/외 유동성 출처 등 여러 출처에서 최적의 거래 환율을 찾을 수 있습니다. 이는 그들이 누구보다도 빠르게 모든 가격을 비교할 수 있기 때문입니다.
속도 외에도 해결자는 다양한 유동성 풀에 연결될 수 있습니다. 이는 해결자가 의도를 실행하는 최적의 방법을 자동으로 찾아 크로스 체인 거래의 가스 비용을 낮출 수 있게 합니다.
미래 전망
서클(Circle)과 같은 회사들은 이 두 가지 개념을 결합하는 방법을 연구하고 있습니다. 그들은 TXT2TXN이라는 프로토타입을 만들어 사용자가 일부 EVM 체인에서 자금을 교환하고 이체할 수 있도록 하고 있습니다. 사용자는 로그인하여 지갑에 연결한 후 자신의 의도를 입력해야 합니다. 의도를 작성한 후, LLM은 입력/의도가 이체인지 교환인지 인식합니다. 의도를 인식할 수 없는 경우 "일치하는 항목 없음"이 표시됩니다. 그런 다음 CowSwap 주문을 생성하기 위한 구조를 채우거나 이체의 거래 부하를 생성합니다. 사용자는 거래를 완료하기 위해 계약을 수신하고 서명하게 됩니다. 거래 처리 중에는 인터페이스에 확인 링크가 표시되어 사용자가 거래 또는 교환을 검증하고 추적할 수 있습니다.
우리는 개선할 수 있는 몇 가지 사항이 있다고 생각합니다. 예를 들어, AI가 질문을 제기하여 AI-Agent가 의도를 올바르게 이해할 수 있도록 하는 것이 매우 유익할 것입니다. 의도를 잘못 이해하면 문제가 발생할 수 있으며, 이 과정은 자금 이체와 관련이 있어 향후 법적 문제를 일으킬 수 있습니다. 우리는 AI-Agent가 dApps를 통해 NFT 또는 토큰을 구매하는 새로운 기능을 실행할 수 있기를 바랍니다. 이는 사용자가 프로그래머가 인터페이스를 지속적으로 업데이트할 필요 없이 더 많은 작업을 수행할 수 있게 하여 실용성을 크게 증가시킬 것입니다. 서클은 사용자 경험을 향상시키기 위해 개인 주소록을 AI-Agent에 통합하는 새로운 기능을 추가하는 것을 고려하고 있습니다. 이는 입력 의도를 더욱 명확하고 편리하게 만들어 줄 것입니다.
해결자가 사용자의 의도를 실현하는 데 도움을 주는 만큼, 상대방이 발견할 수 있는 문제도 고려해야 합니다. 해결자는 많은 사용자의 의도 정보를 수집하게 되며, 일반적인 정보와 데이터 유출 위험 외에도, 이들은 전략적으로 매매하여 MEV를 얻기 위해 시장을 조작할 수 있습니다. 이는 시장 분열 및 유동성 문제를 초래할 수 있습니다. 만약 해결자가 이러한 데이터를 무제한으로 활용하기로 선택한다면, 커뮤니티 내에서 탈중앙화 금융 생태계에 대한 신뢰를 잃게 될 수 있습니다.
참고 기사:
https://cointelegraph.com/learn/intent-based-architectures-and-applications-in-blockchain
https://www.halborn.com/blog/post/intent-centric-blockchain-are-intents-the-next-big-thing-in-web3
https://docs.uniswap.org/contracts/uniswapx/overview
https://blog.li.fi/uniswapx-a-deep-dive-4b4ea7673dc1
https://www.circle.com/blog/txt2txn-using-ai-llms-for-internet-based-applications
https://anoma.net/blog/an-introduction-to-intents-and-intent-centric-architectures
https://www.paradigm.xyz/2023/06/intents