AI એજન્ટ્સને સક્ષમ કરવા માટે Google Cloud એ Open Knowledge Format જાહેર કર્યું

Google Cloud એ Open Knowledge Format (OKF) લોન્ચ કર્યું છે, જે સંસ્થાકીય જ્ઞાનને પોર્ટેબલ Markdown ફાઇલોમાં પ્રમાણિત કરવા માટે રચાયેલ એક નવું સ્પષ્ટીકરણ (specification) છે. વિખરાયેલા ડેટાને ઇન્ટરઓપરેબલ (interoperable) ફોર્મેટમાં રૂપાંતરિત કરીને, OKF નો ઉદ્દેશ્ય તે વિશાળ કોન્ટેક્સ્ટ ગેપ (context gap) ને ઉકેલવાનો છે જે હાલમાં AI એજન્ટોને જટિલ એન્ટરપ્રાઇઝ ઇકોસિસ્ટમ્સમાં કાર્યક્ષમ રીતે કામ કરતા અટકાવે છે.

એજન્ટિક વર્કફ્લોમાં ફ્રેગમેન્ટેશનની સમસ્યાનું નિરાકરણ

જેમ જેમ AI એજન્ટો વધુ સ્વાયત્ત (autonomous) બનતા જાય છે, તેમ તેમ તેઓ એક મોટો અવરોધ અનુભવે છે: "કોન્ટેક્સ્ટ ફ્રેગમેન્ટેશન" (context fragmentation). હાલમાં, મહત્વપૂર્ણ માહિતી મેટાડેટા કેટલોગ્સ, આંતરિક વિકિ (wikis), કોડ કોમેન્ટ્સ અને Jupyter notebook સેલ્સમાં વિખરાયેલી હોય છે. જ્યારે કોઈ AI એજન્ટ કોઈ કાર્ય કરવાનો પ્રયાસ કરે છે—જેમ કે ચોક્કસ ડેટાસેટ માટે સચોટ SQL ક્વેરી લખવી—ત્યારે તેણે આ અલગ-અલગ ટુકડાઓને જોડવા માટે સંઘર્ષ કરવો પડે છે.

Google Cloud નોંધે છે કે વર્તમાન પરિદ્રશ્ય કસ્ટમ અને અલગ-અલગ (siloed) સોલ્યુશન્સનું મિશ્રણ છે. ડેવલપર્સ હાલમાં Obsidian Vaults થી લઈને AGENTS.md અથવા CLAUDE.md જેવી કસ્ટમ કન્વેન્શન ફાઇલો સુધીના વિશિષ્ટ કોન્ટેક્સ્ટ સોલ્યુશન્સ બનાવી રહ્યા છે. જોકે આ "metadata as code" પેટર્ન અસરકારક છે, પરંતુ તેમાં ઇન્ટરઓપરેબિલિટીનો અભાવ છે. જ્ઞાન તે ચોક્કસ સિસ્ટમ અથવા રિપોઝિટરીમાં જ બંધ રહી જાય છે જેણે તેને બનાવ્યું છે, જેના કારણે વિવિધ સાધનો અને ફ્રેમવર્ક વચ્ચે માહિતીનો સીમલેસ પ્રવાહ અટકી જાય છે.

OKF સ્પષ્ટીકરણ: મિનિમલિસ્ટ અને ઇન્ટરઓપરેબલ

Open Knowledge Format (v0.1) "LLM wiki" ના ખ્યાલને લે છે અને તેને યુનિવર્સલ સ્ટાન્ડર્ડમાં કોડિફાય કરે છે. તેના મૂળમાં, OKF બંડલ એ YAML frontmatter નો ઉપયોગ કરતી Markdown ફાઇલોની એક ડિરેક્ટરી છે. સ્વીકૃતિ (adoption) વધારવા માટે આ સ્પષ્ટીકરણ જાણીજોઈને મિનિમલ રાખવામાં આવ્યું છે; માત્ર "type" એ જ ફરજિયાત ફિલ્ડ છે, જોકે ઉત્પાદકો (producers) શીર્ષક, વર્ણન, રિસોર્સ, ટેગ્સ અને ટાઈમસ્ટેમ્પ જેવા વૈકલ્પિક ફિલ્ડ્સનો સમાવેશ કરી શકે છે.

તે સ્ટાન્ડર્ડ Markdown પર આધારિત હોવાથી, નોલેજ ગ્રાફ પરંપરાગત Markdown લિંક્સ દ્વારા રચાય છે, જે ખ્યાલોને કુદરતી રીતે જોડે છે. આ ડિઝાઇન સુનિશ્ચિત કરે છે કે OKF અત્યંત પોર્ટેબલ છે: OKF બંડલ કોઈપણ સ્ટાન્ડર્ડ ટેક્સ્ટ એડિટરમાં વાંચી શકાય છે, GitHub પર નેટિવલી રેન્ડર કરી શકાય છે, અને કોઈપણ હાલના સર્ચ ટૂલ દ્વારા ઇન્ડેક્સ કરી શકાય છે. સૌથી મહત્વની વાત એ છે કે, આ સ્પષ્ટીકરણ ઉત્પાદકોને વપરાશકર્તાઓ (consumers) થી અલગ પાડે છે, જેનો અર્થ છે કે માનવ દ્વારા લખાયેલ દસ્તાવેજને AI એજન્ટ દ્વારા પ્રોસેસ કરી શકાય છે, અને મશીન દ્વારા જનરેટ થયેલ બંડલને માનવ દ્વારા સરળતાથી વિઝ્યુઅલાઈઝ કરી શકાય છે.

ઇકોસિસ્ટમ ઇન્ટિગ્રેશન અને રેફરન્સ ઇમ્પ્લીમેન્ટેશન

આ સ્પેસિફિકેશન માત્ર સિદ્ધાંતો પૂરતું મર્યાદિત ન રહે તે સુનિશ્ચિત કરવા માટે, Google Cloud કેટલાક સંદર્ભ અમલીકરણો (reference implementations) અને સાધનો પૂરા પાડી રહ્યું છે. આમાં એક એન્રિચમેન્ટ એજન્ટનો સમાવેશ થાય છે જે દરેક ટેબલ માટે આપમેળે OKF દસ્તાવેજો જનરેટ કરવા માટે BigQuery datasets ને ક્રોલ (crawl) કરવામાં સક્ષમ છે. Google એ સ્ટેટિક HTML વિઝ્યુલાઇઝર પણ બહાર પાડ્યું છે અને GA4 e-commerce, Stack Overflow, અને Bitcoin ડેટા સહિતના જટિલ datasets માટે સેમ્પલ બંડલ્સ પણ પૂરા પાડ્યા છે.

મહત્વપૂર્ણ રીતે, Google Cloud એ OKF ને ઇન્જેસ્ટ (ingest) કરવા માટે તેના પોતાના Knowledge Catalog ને અપડેટ કર્યું છે, જેનાથી આ ફોર્મેટને સીધું જ AI agents ને સર્વ કરી શકાય છે. GitHub પર સ્પેક અને કોડ ઉપલબ્ધ કરાવીને, Google OKF ને એજન્ટિક વર્કફ્લોઝ (agentic workflows) ના આગામી પેઢી માટે એક પાયાના સ્તર (foundational layer) તરીકે સ્થાપિત કરી રહ્યું છે, જ્યાં જ્ઞાનને લોક કરેલા ડેટા સાયલો (data silo) ને બદલે એક પ્રમાણિત, પોર્ટેબલ એસેટ તરીકે ગણવામાં આવે છે.

મુખ્ય તારણો

• પ્રમાણિત સંદર્ભ (Standardized Context): OKF વિખરાયેલા દસ્તાવેજોને Markdown ફાઇલોની એક સંયુક્ત ડિરેક્ટરીમાં રૂપાંતરિત કરે છે, જે AI agents ને સ્ટાન્ડર્ડ લિંક્સનો ઉપયોગ કરીને જટિલ નોલેજ ગ્રાફ્સમાં નેવિગેટ કરવાની મંજૂરી આપે છે.
• મિનિમલિસ્ટ ડિઝાઇન (Minimalist Design): YAML frontmatter માં માત્ર એક જ "type" ફિલ્ડની જરૂરિયાત રાખીને, આ સ્પેસિફિકેશન ડેવલપર્સ માટે ઉચ્ચ પોર્ટેબિલિટી અને ઓછી અવરોધકતા (low friction) સુનિશ્ચિત કરે છે.
• ઇન્ટરઓપરેબિલિટી (Interoperability): આ ફોર્મેટ માનવ-વાંચનક્ષમ (human-readable) વિકિ અને મશીન-વાંચનક્ષમ (machine-readable) મેટાડેટા વચ્ચેના અંતરને દૂર કરે છે, જે કોઈપણ ક્લાઉડ પ્રોવાઈડર, ડેટાબેઝ અથવા એજન્ટ ફ્રેમવર્ક પર કામ કરે છે.