గత రెండేళ్లుగా, AI ఇంజనీరింగ్ ఒక సాధారణ స్క్రిప్ట్ను అనుసరించింది. ఒక ఏజెంట్కు ప్రాంప్ట్, కొన్ని టూల్స్ మరియు మెమరీ లేయర్ను ఇవ్వండి. అది ఒక సమావేశాన్ని షెడ్యూల్ చేయడం, ఒక కాంట్రాక్ట్ను సారాంశం చేయడం లేదా ఒక స్క్రిప్ట్ను డీబగ్ చేయడం వంటివి చేయడం చూడండి. ఒకే ఏజెంట్ను స్వయంగా ఉపయోగపడేలా చేయడమే దీని ప్రధాన లక్ష్యం.
ఆ లక్ష్యం మారిపోయింది.
మేము ఇప్పుడు పరిశ్రమ సోలో ఏజెంట్ల నుండి ఏజెంట్ టీమ్స్ (agent teams) వైపు మారుతుండటాన్ని గమనిస్తున్నాము. ఒక కస్టమర్ సర్వీస్ ట్రైయేజ్ బాట్ రీఫండ్ అభ్యర్థనను గుర్తించి, ఆ కేసును పేమెంట్స్ ఏజెంట్కు పంపిస్తుంది. వెబ్ డేటాను స్క్రాప్ చేసే ఒక రీసెర్చ్ ఏజెంట్ ఏదైనా ప్రత్యేకమైన అంశాన్ని (niche gap) ఎదుర్కొన్నప్పుడు, ఆ పనిని ఒక ప్రొప్రైటరీ డేటాబేస్లో ఉన్న స్పెషలిస్ట్కు అప్పగిస్తుంది. షిప్మెంట్ను ప్లాన్ చేస్తున్న లాజిస్టిక్స్ ఏజెంట్కు రియల్ టైమ్ ఫ్రైట్ కోట్ అవసరమైతే, అది ఒక ప్రైసింగ్ ఏజెంట్ను ఆ వివరాల కోసం అడుగుతుంది.
ఇది కాగితంపై సరళంగా అనిపించవచ్చు. కానీ ఆచరణలో, ఇది చాలా అస్థిరంగా (brittle) ఉంటుంది.
కొత్త సవాలు 'ఇంటర్ఆపరేబిలిటీ' (interoperability). టీమ్లు వేర్వేరు ఫ్రేమ్వర్క్లలో ఏజెంట్లను నిర్మిస్తాయి. వేర్వేరు వెండర్లు వేర్వేరు ఇంటర్ఫేస్లతో ఏజెంట్లను అందిస్తారు. ఒక కంపెనీ మరొక కంపెనీతో కలిసి పనిచేయాల్సి వచ్చినప్పుడు, ఈ అంతరం పెరుగుతుంది. ప్రస్తుతం మన వద్ద సమర్థవంతమైన పనివారితో నిండిన రంగం ఉంది, కానీ వారికి ఒక ఉమ్మడి భాష లేదు. ఒక ఏజెంట్ డైరెక్టరీలో మరొక ఏజెంట్ను వెతకలేదు. తన సహోద్యోగి ఏమి చేస్తారో వివరణను చదవలేదు. అలాగే డేటా లీకేజీ, కాంటెక్స్ట్ కోల్పోవడం లేదా డూప్లికేట్ ఎగ్జిక్యూషన్ వంటి ప్రమాదాలు లేకుండా ఒక సున్నితమైన పనిని మరొకరికి అప్పగించలేదు.
A2A సరిగ్గా ఈ సమస్యను పరిష్కరించడానికి రూపొందించబడింది. ఇది ఏజెంట్లకు డిస్కవరీ, డెలిగేషన్ మరియు సురక్షిత సహకారం (secure collaboration) కోసం ఒక ఉమ్మడి ప్రోటోకాల్ను అందిస్తుంది.
సింగిల్ ఏజెంట్ల నుండి ఏజెంట్ సైలోస్ (Agent Silos) వరకు
ఏజెంట్ ఫ్రేమ్వర్క్ల మొదటి దశలో, సిస్టమ్ యొక్క సరిహద్దునే ఏజెంట్ యొక్క సరిహద్దుగా పరిగణించేవారు. మీరు ఒక రీజనింగ్ లూప్ను నిర్మించి, దానికి ఒక టూల్ బెల్ట్ను ఇచ్చి, అది ఒక వర్క్ఫ్లో ద్వారా ఆలోచించి పని పూర్తి చేస్తుందని ఆశించేవారు. ఏజెంట్ ఒకే కోడ్బేస్, ఒకే క్లౌడ్ అకౌంట్ లేదా ఒకే వెండర్ ప్లాట్ఫారమ్లో ఉన్నంత వరకు అది బాగానే పనిచేసింది.
నిజమైన వ్యాపారాలు మోనోలిథ్ల (monoliths) లోపల పనిచేయవు. ఒక రీఫండ్ అభ్యర్థన CRMలో ప్రారంభమై, పైథాన్లో వ్రాయబడిన అంతర్గత పేమెంట్ సర్వీస్లోకి వెళ్లి, థర్డ్ పార్టీ హోస్ట్ చేసిన ఫ్రాడ్ చెక్తో ముగియవచ్చు. మీరు ఆ ప్రతి సర్వీస్ను ఒక ఏజెంట్గా మోడల్ చేసినప్పుడు, వేర్వేరు స్టాక్లపై నిర్మించిన ఏజెంట్లు సహజంగా ఒకరినొకరు అర్థం చేసుకోలేరని మీరు త్వరగా గ్రహిస్తారు. ప్రొప్రైటరీ ఫ్రేమ్వర్క్లపై నిర్మించిన ఎంటర్ప్రైజ్ ఏజెంట్లు తమ సామర్థ్యాలను బయటి ప్రపంచానికి తెలియజేయవు.
ఒక ప్రామాణికం (standard) లేకపోతే, ప్రతి ఇంటిగ్రేషన్ ఒక కస్టమ్ ప్రాజెక్ట్గా మారుతుంది. ఇంజనీర్లు ఒక్కసారి మాత్రమే ఉపయోగపడే 'గ్లూ కోడ్' (glue code) రాస్తారు. సమాచారం బదిలీ అయ్యే క్రమంలో కాంటెక్స్ట్ కోల్పోతుంది. ప్రతి హ్యాండోఫ్ (handoff) ప్రత్యేకంగా ఉండటం వల్ల భద్రతా విధానాలు (security policies) అస్థిరంగా మారుతాయి.
ఏజెంట్ కార్డ్స్: ఒక పబ్లిక్ రెజ్యూమ్ (Agent Cards: A Public Resume)
ఏజెంట్లు తాము ఎవరో మరియు ఏమి చేయగలరో ప్రకటించుకోవడానికి A2A 'ఏజెంట్ కార్డ్స్'ను పరిచయం చేస్తోంది.
ఏజెంట్ కార్డ్ను మెషిన్-రీడబుల్ (machine-readable) రెజ్యూమ్గా భావించండి. ఒక ఏజెంట్ తన డొమైన్, దానికి అవసరమైన ఇన్పుట్లు, ఆశించిన అవుట్పుట్లు మరియు అది అంగీకరించే పనిపై ఏవైనా పరిమితులను వివరిస్తూ ఒక కార్డ్ను ప్రచురిస్తుంది. ఒక పేమెంట్స్ ఏజెంట్, ఆర్డర్ ఐడి మరియు రీజన్ కోడ్ అందించినప్పుడు ఒక నిర్దిష్ట మొత్తం కంటే తక్కువ రీఫండ్ అభ్యర్థనలను ప్రాసెస్ చేస్తుందని మరియు అది కన్ఫర్మేషన్ నంబర్ లేదా ఎర్రర్ను తిరిగి ఇస్తుందని ప్రకటించవచ్చు. ఒక డేటా స్పెషలిస్ట్, నిర్దిష్ట పరిమాణం వరకు ఉన్న స్ట్రక్చర్డ్ ఫైల్లను అంగీకరిస్తుందని మరియు ఊహించదగిన సమయ పరిమితిలో క్లీన్ చేసిన టైమ్-సిరీస్ డేటాను తిరిగి ఇస్తుందని పేర్కొనవచ్చు.
పనిని అప్పగించే ముందు, అభ్యర్థించే ఏజెంట్ ఆ కార్డ్ను చదువుతుంది. టార్గెట్ ఏజెంట్ ఆ పని చేయగల సామర్థ్యం కలిగి ఉందో లేదో అది అర్థం చేసుకుంటుంది. పేలోడ్ (payload) ఏ ఫార్మాట్లో ఉండాలో తెలుసుకుంటుంది. అది సింక్రోనస్ రెస్పాన్స్ (synchronous response) ఆ లేదా తర్వాత పూర్తయ్యే అసింక్రోనస్ టాస్క్ (asynchronous task) ఆ అనేది తెలుసుకుంటుంది.
ఇది ఊహల ద్వారా చేసే పనిని (guesswork) తొలగిస్తుంది. ప్రతి సాధ్యమైన భాగస్వామి కోసం ఇంటిగ్రేషన్లను హార్డ్కోడ్ చేసే బదులు, ఒక ఏజెంట్ అందుబాటులో ఉన్న సామర్థ్యాలను బ్రౌజ్ చేసి, సరైన టీమ్మేట్ను డైనమిక్గా ఎంచుకోగలదు.
టాస్క్లు: కేవలం API కాల్స్ మాత్రమే కాదు, నిర్మాణాత్మకమైన పని (Tasks: Structured Work, Not Just API Calls)
ఏజెంట్లు మనుషులలాగా చాట్ చేయాల్సిన అవసరం లేదు. వారు పనులను స్పష్టంగా అప్పగించాల్సి ఉంటుంది. A2A ఈ మార్పిడిని ఒక 'టాస్క్' (Task) గా మోడల్ చేస్తుంది.
ఒక టాస్క్ అనేది...