ಏಜೆಂಟಿಕ್ ರಿಸೋರ್ಸ್ ಡಿಸ್ಕವರಿ (Agentic Resource Discovery) ಏಕೆ ಇಲ್ಲದ ಪದರವಾಗಿದೆ
AI ಏಜೆಂಟ್ಗಳು ಒಂದು ದೊಡ್ಡ ಸಮಸ್ಯೆಯನ್ನು ಎದುರಿಸುತ್ತಿವೆ. ಸರಿಯಾದ ಸಮಯದಲ್ಲಿ ಸರಿಯಾದ ಪರಿಕರವನ್ನು (tool) ಆಯ್ಕೆ ಮಾಡಲು ಅವು ಕಷ್ಟಪಡುತ್ತವೆ.
ಒಂದು ಮಾಡೆಲ್ ಉತ್ತಮವಾಗಿ ತರ್ಕಿಸಬಹುದು (reason). ಒಂದು ಪರಿಕರವು ಉತ್ತಮವಾಗಿ ಹುಡುಕಬಹುದು (search). ಒಂದು GUI ಕಂಟ್ರೋಲರ್ ಉತ್ತಮವಾಗಿ ಕೆಲಸ ಮಾಡಬಹುದು. ಆದರೆ ಯಾವ ಪರಿಕರಗಳು ಲಭ್ಯವಿವೆ ಅಥವಾ ಅವುಗಳನ್ನು ಹೇಗೆ ಶ್ರೇಣೀಕರಿಸಬೇಕು (rank) ಎಂಬುದು ಏಜೆಂಟ್ಗಳಿಗೆ ತಿಳಿದಿಲ್ಲದಿದ್ದರೆ ಅವು ವಿಫಲವಾಗುತ್ತವೆ.
ಹೆಚ್ಚಿನ ಅಭಿವೃದ್ಧಿಪಡಿಸುವವರು (developers) ಸ್ಥಿರವಾದ ವಿಧಾನವನ್ನು (static approach) ಬಳಸುತ್ತಾರೆ. ನೀವು ಒಂದು ಪರಿಕರವನ್ನು ಇನ್ಸ್ಟಾಲ್ ಮಾಡುತ್ತೀರಿ ಮತ್ತು ನಂತರ ಅದನ್ನು ಬಳಸುತ್ತೀರಿ. ನೀವು ಕೌಶಲಗಳನ್ನು (skills) ಮೊದಲೇ ಜೋಡಿಸಿ ಮತ್ತು ಅವು ಕೆಲಸ ಮಾಡುತ್ತವೆ ಎಂದು ಭಾವಿಸುತ್ತೀರಿ. ನಿಮ್ಮ ಏಜೆಂಟ್ ಬೆಳೆದಂತೆ ಇದು ಅಡ್ಡಿಯಾಗುತ್ತದೆ. ನೂರಾರು ಪರಿಕರಗಳನ್ನು ಮ್ಯಾನುಯಲ್ ಆಗಿ ನಿರ್ವಹಿಸುವುದು ಅಸಾಧ್ಯ.
Agentic Resource Discovery (ARD) ಇದನ್ನು ಸರಿಪಡಿಸುತ್ತದೆ. ಪರಿಕರಗಳನ್ನು ಹಾರ್ಡ್ಕೋಡ್ ಮಾಡುವ ಬದಲಿಗೆ, ಏಜೆಂಟ್ಗಳು ರನ್ಟೈಮ್ನಲ್ಲಿ (runtime) ಒಂದು ರಿಜಿಸ್ಟ್ರಿಯನ್ನು ಹುಡುಕುತ್ತವೆ.
ARD ಅಸ್ತಿತ್ವದಲ್ಲಿರುವ ಪ್ರೋಟೋಕಾಲ್ಗಳೊಂದಿಗೆ ಕೆಲಸ ಮಾಡುತ್ತದೆ:
- MCP ಏಜೆಂಟ್ಗೆ ಪರಿಕರವನ್ನು ಹೇಗೆ ಕರೆಯಬೇಕು ಎಂದು ತಿಳಿಸುತ್ತದೆ.
- Skills ಏಜೆಂಟ್ಗೆ ಸೂಚನೆಗಳನ್ನು ಹೇಗೆ ಅನುಸರಿಸಬೇಕು ಎಂದು ತಿಳಿಸುತ್ತದೆ.
- A2A ಏಜೆಂಟ್ಗೆ ಇನ್ನೊಂದು ಏಜೆಂಟ್ಗೆ ಹೇಗೆ ತಲುಪಬೇಕು ಎಂದು ತಿಳಿಸುತ್ತದೆ.
- ಈ ಮೇಲಿನವುಗಳಲ್ಲಿ ಯಾವುದೂ ಪ್ರಾರಂಭವಾಗುವ ಮೊದಲು, ಏಜೆಂಟ್ ಏನನ್ನು ಹುಡುಕಬೇಕು ಎಂಬುದನ್ನು ARD ತಿಳಿಸುತ್ತದೆ.
ARD ಸ್ಪೆಕ್ (spec) ಎರಡು ಮುಖ್ಯ ಭಾಗಗಳನ್ನು ಬಳಸುತ್ತದೆ:
- ಪಬ್ಲಿಷರ್ಗಳು
ai-catalog.jsonಫೈಲ್ ಅನ್ನು ಹಂಚಿಕೊಳ್ಳುತ್ತಾರೆ. ಈ ಫೈಲ್ನಲ್ಲಿ ಟ್ಯಾಗ್ಗಳು ಮತ್ತು ಸ್ಯಾಂಪಲ್ ಕ್ವೇರಿಗಳಂತಹ ಮೆಟಾಡೇಟಾ ಇರುತ್ತದೆ. - ಒಂದು search API ಏಜೆಂಟ್ಗೆ ನೈಸರ್ಗಿಕ ಭಾಷೆಯ (natural language) ವಿನಂತಿಯನ್ನು ಕಳುಹಿಸಲು ಅನುಮತಿಸುತ್ತದೆ. ರಿಜಿಸ್ಟ್ರಿಯು ಸಾಮರ್ಥ್ಯಗಳ ಶ್ರೇಣೀಕೃತ ಪಟ್ಟಿಯನ್ನು ಹಿಂತಿರುಗಿಸುತ್ತದೆ.
ಪ್ರತಿಯೊಂದು ಪರಿಕರದ ವಿವರಣೆಯನ್ನು ಪ್ರಾಂಪ್ಟ್ನಲ್ಲಿ (prompt) ಹಾಕುವುದಕ್ಕಿಂತ ಈ ವಿಧಾನವು ಅಗ್ಗವಾಗಿದೆ. ಇದು ನಿಮ್ಮ ಕಾಂಟೆಕ್ಸ್ಟ್ ವಿಂಡೋವನ್ನು (context window) ಸ್ವಚ್ಛವಾಗಿರಿಸುತ್ತದೆ.
Hugging Face ಇದನ್ನು ತನ್ನ Discover ಟೂಲ್ ಮೂಲಕ ಜಾರಿಗೆ ತರುತ್ತದೆ. ಇದು Hub ಫಲಿತಾಂಶಗಳನ್ನು skills ಅಥವಾ MCP ಸರ್ವರ್ಗಳಾಗಿ ಪರಿವರ್ತಿಸುತ್ತದೆ.
GUI ಏಜೆಂಟ್ಗಳಿಗೆ ಡಿಸ್ಕವರಿ ಇನ್ನೂ ಹೆಚ್ಚು ಮುಖ್ಯವಾಗಿದೆ. ಈ ಏಜೆಂಟ್ಗಳು ಸರಿಯಾದ skill pack ಅಥವಾ visual playbook ಅನ್ನು ಆಯ್ಕೆ ಮಾಡಬೇಕು. ಮಲ್ಟಿಮೋಡಲ್ ಕೌಶಲಗಳು (multimodal skills) ಸಹಾಯ ಮಾಡುತ್ತವೆ ಎಂದು ಸಂಶೋಧನೆ ತೋರಿಸುತ್ತದೆ. VISUALSKILL ಬಳಸುವ Claude ಏಜೆಂಟ್, ಕೇವಲ ಪಠ್ಯ-ಮಾತ್ರೆಯ (text-only) ಬೇಸ್ಲೈನ್ ಗಿಂತ 15.3 ಅಂಕಗಳ ಹೆಚ್ಚಿನ ಸ್ಕೋರ್ ಮಾಡಿದೆ.
ಏಜೆಂಟ್ ಪರಿಸರ ವ್ಯವಸ್ಥೆಯು (ecosystem) ವೇಗವಾಗಿ ಬೆಳೆಯುತ್ತಿದೆ. ಸಾಮರ್ಥ್ಯಗಳು ಈಗ APIs, UI ವರ್ಕ್ಫ್ಲೋಗಳು ಮತ್ತು ರೋಬೋಟ್ ಪಾಲಿಸಿಗಳನ್ನು ಒಳಗೊಂಡಿವೆ. ಈ ಪರಿಸರದಲ್ಲಿ ಪ್ರತಿಯೊಂದು ಪರಿಕರವನ್ನು ಮ್ಯಾನುಯಲ್ ಆಗಿ ಸೆಟಪ್ ಮಾಡಲು ಸಾಧ್ಯವಿಲ್ಲ.
ನೀವು ಏಜೆಂಟ್ ಉತ್ಪನ್ನಗಳನ್ನು ನಿರ್ಮಿಸುತ್ತಿದ್ದರೆ, ಈ ಮೂರು ನಿಯಮಗಳನ್ನು ಅನುಸರಿಸಿ:
- ಸ್ಥಿರವಾದ (static) ಟೂಲ್ ಪಟ್ಟಿಗಳನ್ನು ಬಳಸುವುದು ನಿಲ್ಲಿಸಿ. ಅವುಗಳು ಬೇಗನೆ ಹಳೆಯದಾಗುತ್ತವೆ.
- ಸಮೃದ್ಧ ಮೆಟಾಡೇಟಾವನ್ನು ಬಳಸಿ. ಹುಡುಕಾಟದ ಗುಣಮಟ್ಟವನ್ನು ಹೆಚ್ಚಿಸಲು ಕಾರ್ಯದ ವಿಧಗಳು (task types) ಮತ್ತು ಕ್ವೇರಿಗಳನ್ನು ಸೇರಿಸಿ.
- ಡಿಸ್ಕವರಿಯನ್ನು ಎಕ್ಸಿಕ್ಯೂಷನ್ನಿಂದ (execution) ಪ್ರತ್ಯೇಕಿಸಿ. ಪರಿಕರವನ್ನು ಹುಡುಕಲು ಸರ್ಚ್ ಬಳಸಿ. ಅದನ್ನು ಚಲಾಯಿಸಲು ಪ್ರೋಟೋಕಾಲ್ ಬಳಸಿ.
ಏಜೆಂಟ್ಗಳಿಗೆ ಇರುವ ದೊಡ್ಡ ಸವಾಲು ಕೇವಲ ತರ್ಕ ಮಾಡುವುದಲ್ಲ (reasoning). ಅದು ಸಾಮರ್ಥ್ಯದ ರೂಟಿಂಗ್ (capability routing). ಅತ್ಯುತ್ತಮ ಏಜೆಂಟ್ಗಳು ಸರಿಯಾದ ಸಂಪನ್ಮೂಲಗಳನ್ನು ಅತ್ಯಂತ ವೇಗವಾಗಿ ಕಂಡುಕೊಳ್ಳುತ್ತವೆ.
ಐಚ್ಛಿಕ ಕಲಿಕಾ ಸಮುದಾಯ: https://t.me/GyaanSetuAi