گوگل با همکاری دهها غول تکنولوژیک از جمله مایکروسافت، گیتهاب، اینویدیا و سیسکو، انتشار مشخصات کشف منابع عاملگرا (Agentic Resource Discovery - ARD) را اعلام کرد. این استاندارد باز، لایهای أساسية برای حل یکی از بزرگترین چالشهای اکوسیستم عاملهای هوش مصنوعی (AI Agents) فراهم میکند: یافتن، تأیید و استفاده از ابزارها و APIها در مقیاس گسترده و فراسازمانی.
چالش کشف در عصر عاملهای هوشمند
در حال حاضر قابلیتهای هوش مصنوعی به طور گسترده در سراسر سازمانها، پلتفرمهای ابری و سرویسهای شخص سوم توزیع شدهاند. با این حال، یک مکانیزم مشترک برای کشف و اعتماد به این منابع وجود ندارد.Factorهای هوش مصنوعی اغلب به یکپارچهسازیهای هاردکد شده (Hardcoded) یا لیستهای استاتیک نقاط پایانی وابستهاند که مقیاسپذیری و خودمختاری واقعی را محدود میکند.
سرینواس کرشنان، مهندس متمایز گوگل کلاد، در این باره توضیح میدهد:
«مسئله بیانِ ساده و حلِ دشواری دارد، به خصوص در سازمانها، جایی که پاسخ نمیتواند تنها «چیزی که کار میکند را پیدا کن» باشد. باید حكومتداری (Governance) داشته باشد، با امنیت و هویتِ درونی (Built-in) نه افزودهبرده (Bolted-on).»
تفاوت ARD با پروتکلهای موجود: مکمل MCP، نه جایگزین
پروتکلهایی مانند پروتکل مدل کانتکست (MCP) استانداردی برای فراخوانی و اجرا ابزارها توسط عاملها تعریف کردهاند. ARD اما مرحله پیشینتر و حیاتیتر را هدف قرار میدهد: چگونه عاملها این ابزارها را در المقام اول کشف میکنند؟
ARD به عنوان یک لایه کشف تکمیلی (Discovery Layer) طراحی شده که در поверх پروتکلهای اجرا کار میکند و از نظر چارچوب و ارائهدهنده بیطرف (Framework-agnostic) است.
معماری ARD: کاتالوگها و رجیستریها
مشخصه ARD دو ساختار اصلی را معرفی میکند که موتور کشف را هدایت میکنند:
- کاتالوگها (Catalogs): سازمانها یک فایل
ai-catalog.jsonقابل خواندن ماشین را در دامنه خود میزبانی میکنند. این فایل قابلیتهای موجود — از ابزارها و APIها گرفته تا مهارتها (Skills) و نقاط پایانی عاملهای دیگر — را به صورت ساختاریافته توصیف میکند. - رجیستریها (Registries): این سرویسها کاتالوگهای توزیعشده را تجمیع، ایندکس و رتبهبندی میکنند. عاملها میتوانند بر اساس قصد وظیفه (Task Intent) جستجو کنند، نه بر اساس نام توابع یا مستندات فنی خاص.
این معماری به عاملها امکان میدهد منابع مرتبط را در سراسر مرزهای سازمانی بیابند، در حالی که با استانداردهای اجرا مانند MCP و OpenAPI کاملاً سازگار باقی میمانند.
امنیت، اعتماد و تأیید مالکیت دامنه
در محیطی که عاملهای خودمختار اقدامات را در سیستمهای حیاتی و خدمات شخص سوم محقق میکنند، اعتماد غیرقابل تفاوض است. ARD مکانیزمهای مالکیت و تأیید مبتنی بر دامنه (Domain-based Verification) را در هسته خود نهفته است. این مکانیزم به عاملها اجازه میدهد قبل از برقراری اتصال، اصالت و مجوز منبع کشفشده را تأیید کنند و سطح ریسک را به طور قابل توجهی کاهش دهند.
اتحاد استراتژیک غولهای تکنولوژی و پیادهسازیهای اولیه
این مشخصه با مشارکت مستقیم شرکتهای پیشرو توسعه یافته است:
- مایکروسافت، گیتهاب، هاگینگ فیس، سیسکو، دیتابریکز، گودادی، اینویدیا، سیلسفورس، سرویسناو، اسنوفلیک
پیادهسازیهای واقعی از قبل در حال اجرا هستند:
- Agent Finder در گیتهاب کوپایلوت: برای کشف قابلیتهای زمان اجرا.
- Discover Tool در هاگینگ فیس: استفاده از ARD برای یافتن مدلها و ابزارها.
دیدگاه صنعت: استانداردسازی به معنی یکپارچهسازی اجباری نیست
جنیفر مارسمن، مهندس ارشد هوش مصنوعی در مایکروسافت، تأکید میکند:
«هدف یک کاتالوگ جهانی واحد از هر منبع نیست. خواهد بود بسیاری از خدمات کشف، هر کدام بر اساس آنچه ایندکس میکنند، به چه کسی خدمت میکنند و چگونه رتبهبندی میکنند، تعریف شدهاند... ARD به کلاینتهای هوش مصنوعی کمک میکند قابلیتها را کشف کنند، اما احراز هویت، مجوزدهی، حکومتداری یا تصمیمهای اعتماد سازمانی را جایگزین نمیکند.»
بحثهای جامعه فنی (از جمله رددیت) نیز نشان میدهند که اگرچه یک پروتکل خط اساس یکنواخت ساخت ابزارهای جایگزین را آسان میکند، اما اثرگذاری نهایی به کیفیت ابزارهایExpose شده و مدلهای دسترسی/قیمتگذاری وابسته است.
آینده فدرال و توسعهیافته توسط جامعه
مشخصه ARD اکنون با پیادهسازیهای مرجع، اسکیمها و مستندات کامل در دسترس است. سازمانها میتوانند بلافاصله با انتشار کاتالوگهای خود و کاوش مدل فدراسیون مشخصه، در شکلدهی به این اکوسیستم مشارکت کنند. انتظار میرودstandard از طریق بازخورد پیادهسازی،_extensions_ اسکیم و تطور مدل حکومتداری، تکامل یابد.
