Google öncülüğünde, Microsoft, GitHub, Hugging Face, Cisco, Databricks, GoDaddy, NVIDIA, Salesforce, ServiceNow ve Snowflake'in katkılarıyla geliştirilen Agentic Resource Discovery (ARD) Spesifikasyonu, yapay zeka ajanlarının dış araçları, API'leri ve hizmetleri yayınlaması, keşfetmesi ve doğrulaması için açık bir standart olarak duyuruldu. Spesifikasyon, AI ajan altyapısında yeteneklerin geniş çapta dağıldığı ancak ortak bir keşif ve güven mekanizmasından yoksun olduğu büyüyen bir boşluğu ele alıyor.
Model Context Protocol (MCP) gibi protokoller bir AI ajanının bir aracı nasıl çağırdığını tanımlarken, ARD yaşam döngüsünün daha erken bir aşamasını hedefliyor: ajanların bu araçları ilk etapta nasıl keşfettiği. Mevcut standartların yerini almak yerine, ARD çerçeveler ve sağlayıcılar arasında çalışan tamamlayıcı bir keşif katmanı olarak tasarlandı.
Google Cloud Distinguished Engineer'ı Srinivas Krishnan, ARD'nin motivasyonunu şöyle açıklıyor: "Sorunu ifade etmek basit, çözmek ise zor, özellikle de kurumsal ortamda. Cevap sadece 'işe yarayan bir şey bul' olamaz. Yönetilmeli, güvenlik ve kimlik sonradan eklenmiş değil, doğası gereği yerleşik olmalı."
Spesifikasyon iki temel yapı sunuyor: kataloglar ve kayıt defterleri. Kuruluşlar, kendi alanlarında makine tarafından okunabilir bir ai-catalog.json dosyası yayınlayarak mevcut yetenekleri (araçlar, API'ler, beceriler ve ajan uç noktaları) tanımlıyor. Kayıt defterleri bu katalogları bir araya getiriyor ve ajanların sabit kodlanmış entegrasyonlar veya statik uç nokta listeleri yerine görev amacına göre arama yapmasına olanak tanıyor. Bu sayede ajanlar, MCP ve OpenAPI gibi yürütme standartlarıyla uyumlu kalarak kurumsal sınırlar arasında ilgili kaynakları bulabiliyor.
Güven ve doğrulama, tasarımın merkezinde yer alıyor. ARD, alan tabanlı sahiplik ve doğrulama mekanizmaları içeriyor; böylece ajanlar, bağlantı kurmadan önce keşfedilen kaynakların gerçekliğini doğrulayabiliyor. Bu, otonom ajanların üçüncü taraf hizmetler ve kurumsal sistemler arasında eylem tetikleyebileceği ortamlarda riski azaltmayı amaçlıyor.
Reddit topluluk tartışmalarından bir perspektif, standardizasyonun değerine dikkat çekiyor: "Tek tip bir temel protokol, birçok farklı tescilli dokümantasyon formatını yorumlamak zorunda kalmadan alternatifler oluşturmayı kolaylaştırır." Ancak tartışmalar, bu tür sistemlerin etkinliğinin, sunulan araçların kalitesine ve bunlarla ilişkili erişim veya fiyatlandırma modellerine bağlı olacağını da vurguluyor.
Erken uygulamalar arasında GitHub'ın Copilot'taki Agent Finder'ı ve Hugging Face'in Discover Tool'u yer alıyor; her ikisi de çalışma zamanı yetenek keşfi için ARD'den yararlanıyor.
Microsoft'ta AI alanında Principal Engineer olan Jennifer Marsman şunları belirtiyor: "Amaç, her kaynağın bulunduğu tek bir küresel katalog oluşturmak değil. Birçok keşif hizmeti olacak; her biri neyi indekslediği, kime hizmet ettiği ve nasıl sıraladığıyla tanımlanacak... ARD, AI istemcilerinin yetenekleri keşfetmesine yardımcı olur, ancak kimlik doğrulama, yetkilendirme, yönetişim veya kurumsal güven kararlarının yerini almaz."
ARD spesifikasyonu, referans uygulamalar ve dokümantasyonla birlikte kullanıma sunuldu. Kuruluşlar, yetenek katalogları yayınlayarak ve spesifikasyonda tanımlanan federasyon modelini keşfederek denemeler yapabilir. Spesifikasyon; şemalar, güven mekanizmaları ve keşif hizmetleri arasında birlikte çalışabilirlik için yönergeler içeriyor. Daha geniş ekosistemin, topluluk katkıları, uygulama geri bildirimleri ve şema ile yönetişim modeline yapılacak uzantılar yoluyla gelişmesi bekleniyor.
Neden önemli
ARD, AI ajanlarının kurumsal ortamlarda ölçeklenmesinin önündeki temel engellerden birini hedefliyor: araç keşfi. MCP gibi protokoller ajanların araçları çağırmasını sağlarken, ARD bu araçların nasıl bulunacağına dair standart bir mekanizma sunuyor. Güvenlik ve kimlik doğrulamanın doğası gereği yerleşik olması, kurumsal benimseme için kritik. Spesifikasyonun açık kaynak olması ve geniş bir endüstri koalisyonu tarafından desteklenmesi, yaygın kabul görme potansiyelini artırıyor. Ancak başarısı, büyük ölçüde katalogların kalitesine ve keşfedilen kaynaklara erişim modellerine bağlı olacak.
