Почему Agentic Resource Discovery — это недостающий слой
ИИ-агенты сталкиваются с серьезной проблемой. Им трудно выбрать правильный инструмент в нужный момент.
Модель может хорошо рассуждать. Инструмент может хорошо искать. GUI-контроллер может работать эффективно. Но агенты терпят неудачу, если они не знают, какие инструменты существуют и как их ранжировать.
Большинство разработчиков используют статический подход. Вы устанавливаете инструмент и используете его позже. Вы заранее подключаете навыки и надеетесь, что они сработают. Это перестает работать, когда ваш агент разрастается. Управлять сотнями инструментов вручную невозможно.
Agentic Resource Discovery (ARD) решает эту проблему. Вместо жесткого кодирования инструментов агенты ищут их в реестре во время выполнения (runtime).
ARD работает параллельно с существующими протоколами:
- MCP сообщает агенту, как вызвать инструмент.
- Skills указывают агенту, как следовать инструкциям.
- A2A сообщает агенту, как связаться с другим агентом.
- ARD сообщает агенту, что именно нужно найти, прежде чем запустятся любые из этих процессов.
Спецификация ARD состоит из двух основных частей:
- Издатели (Publishers) делятся файлом
ai-catalog.json. Этот файл содержит метаданные, такие как теги и примеры запросов. - Search API позволяет агенту отправлять запросы на естественном языке. Реестр возвращает ранжированный список возможностей (capabilities).
Этот метод дешевле, чем включение описания каждого инструмента в промпт. Это также позволяет сохранять чистоту контекстного окна.
Hugging Face реализует это с помощью своего инструмента Discover. Он превращает результаты Hub в навыки или MCP-серверы.
Поиск (Discovery) еще более важен для GUI-агентов. Эти агенты должны выбирать правильный набор навыков или визуальный сценарий (visual playbook). Исследования показывают, что мультимодальные навыки помогают. Агент Claude, использующий VISUALSKILL, набрал на 15,3 балла больше, чем базовая модель, работающая только с текстом.
Экосистема агентов быстро растет. Возможности теперь включают API, рабочие процессы UI и политики роботов. В такой среде невозможно настраивать каждый инструмент вручную.
Если вы создаете продукты на базе агентов, следуйте этим трем правилам:
- Перестаньте использовать статические списки инструментов. Они быстро устаревают.
- Используйте богатые метаданные. Включайте типы задач и запросы, чтобы повысить качество поиска.
- Отделяйте поиск от выполнения. Используйте поиск, чтобы найти инструмент, и протокол, чтобы запустить его.
Самая большая сложность для агентов — это не только рассуждение. Это маршрутизация возможностей (capability routing). Лучшие агенты будут находить нужные ресурсы быстрее всех.
Дополнительное обучающее сообщество: https://t.me/GyaanSetuAi