عامل‌های هوش مصنوعی امروزه برای انجام وظایف خود به ابزارها، مهارت‌ها و حتی عامل‌های دیگر وابسته‌اند. پروتکل‌هایی مانند MCP، Skills و A2A هرکدام بخشی از این نیاز را پوشش می‌دهند، اما همگی فرض را بر این می‌گذارند که کاربر از قبل می‌داند به کدام ابزار یا عامل نیاز دارد. این یعنی بار کشف، یکپارچه‌سازی و نگهداری همچنان بر دوش کاربر است. حالا معرفی مشخصات جدید «Agentic Resource Discovery» (یا به اختصار ARD) تلاشی است برای حل این مسئله با ایجاد یک لایه کشف مشترک.
چالش کشف منابع در عامل‌های هوش مصنوعی
اگر با عامل‌های هوش مصنوعی کار کرده باشید، احتمالاً با این مشکل آشنا هستید: برای هر کار خاص باید ابزار مناسب را از قبل نصب و پیکربندی کنید. این روند نه‌تنها زمان‌بر است، بلکه مقیاس‌پذیری را هم محدود می‌کند. در دنیایی که هزاران ابزار و سرویس مختلف وجود دارد، یک عامل باید بتواند در لحظه و به‌صورت پویا منابع موردنیاز خود را پیدا کند. بدون یک استاندارد مشترک، هر پلتفرمی مجبور است راهکار اختصاصی خود را بسازد و این یعنی دوباره‌کاری و ناهماهنگی.
Agentic Resource Discovery چیست؟
ARD یک مشخصات باز و پیش‌نویس است که توسط توسعه‌دهندگانی از مایکروسافت، گوگل، GoDaddy، هانگینگ فیس و دیگران با مشارکت گسترده جامعه صنعتی ارائه شده است. این استاندارد تعریف می‌کند که چگونه عامل‌ها و ابزارها در یک سیستم ثبت، نمایه‌سازی و جستجو شوند. به زبان ساده، ARD یک لایه کشف است که در جلوی پروتکل‌هایی مثل MCP و A2A قرار می‌گیرد و به عامل اجازه می‌دهد قابلیت‌های موردنیاز خود را در زمان اجرا پیدا کند، بدون اینکه از قبل نصب شده باشند.
نکته مهم این است که ARD یک محصول یا بازارگاه نیست؛ بلکه یک استاندارد مشترک و باز است که هر شرکتی می‌تواند آن را پیاده‌سازی کند. این رویکرد فدرال به این معناست که هیچ‌کس مالک انحصاری فهرست منابع نیست و هر سازمانی می‌تواند رجیستری خود را داشته باشد.
ARD روی هاب Hugging Face
هاگینگ فیس به‌عنوان یکی از مشارکت‌کنندگان اصلی، پشتیبانی از ARD را در هاب خود آغاز کرده است. هاب Hugging Face از قبل میزبان مدل‌ها، دیتاست‌ها و اسپیس‌های متعددی است و حالا با این قابلیت، می‌تواند به یکی از رجیستری‌های مرجع برای جستجوی منابع عامل‌محور تبدیل شود. کاربران می‌توانند ضمن استفاده از امکانات فعلی هاب، منابع را به‌صورت استاندارد و قابل‌جستجو منتشر کنند.
نحوه استفاده: REST API و MCP
یکی از ویژگی‌های کلیدی ARD این است که از دو روش اصلی قابل استفاده است: از طریق REST API برای یکپارچه‌سازی مستقیم در برنامه‌ها، و از طریق ابزار MCP برای محیط‌هایی که از پروتکل Model Context Protocol استفاده می‌کنند. این دو گزینه باعث می‌شوند توسعه‌دهندگان بتوانند بسته به نیاز خود، ساده‌ترین مسیر را انتخاب کنند. مثلاً یک عامل می‌تواند با ارسال یک درخواست ساده به یک رجیستری ARD، لیستی از ابزارهای مرتبط را دریافت کند و سپس از طریق MCP یکی از آن‌ها را فراخوانی کند.
مزیت‌های کلیدی ARD
- کاهش بار نگهداری و یکپارچه‌سازی منابع برای کاربران
- امکان جستجوی بلادرنگ ابزارها، مهارت‌ها و عامل‌ها
- استاندارد باز و فدرال با مشارکت غول‌های صنعت
- سازگاری با پروتکل‌های موجود مانند MCP و A2A
- قابل پیاده‌سازی توسط هر سازمان و پلتفرمی
پیامدها برای آینده
معرفی ARD می‌تواند نقطه عطفی در اکوسیستم عامل‌های هوش مصنوعی باشد. اگر این استاندارد به‌طور گسترده پذیرفته شود، دیگر لازم نیست کاربران برای هر ابزار جدید، پیکربندی دستی انجام دهند. در عوض، عامل‌ها خودشان می‌توانند توانایی‌های موردنیاز را کشف کرده و از آن‌ها استفاده کنند. هانگینگ فیس اعلام کرده است که این مشخصات به‌صورت متن‌باز در دسترس است و از مشارکت جامعه استقبال می‌کند. گام بعدی، پذیرش گسترده‌تر صنعت و توسعه ابزارهای بیشتر مبتنی بر این استاندارد است.
در مجموع، ARD پاسخی هوشمندانه به یکی از چالش‌های اساسی عامل‌های هوش مصنوعی است. اگر به دنبال ساخت عامل‌هایی هستید که واقعاً «مستقل» عمل کنند، لایه کشف منابع دیگر یک گزینه نیست، بلکه یک ضرورت است.
پرسش‌های پرتکرار
ARD چه تفاوتی با MCP دارد؟
MCP یک پروتکل برای فراخوانی استاندارد ابزارها است، در حالی که ARD لایه کشف قبل از فراخوانی است. یعنی ARD به عامل کمک می‌کند ابزار مناسب را پیدا کند و سپس MCP برای اجرای آن استفاده می‌شود.
آیا ARD یک محصول تجاری است؟
خیر، ARD یک مشخصات و استاندارد باز است که به‌صورت پیش‌نویس توسط شرکت‌هایی مانند مایکروسافت، گوگل و هانگینگ فیس ارائه شده است. هر شرکتی می‌تواند آن را پیاده‌سازی کند و هیچ‌کسی مالک انحصاری آن نیست.
