
阻碍智能体 AI 发展的发现缺口
2024 年,Anthropic 推出 MCP(Model Context Protocol),规范了 AI 系统和各种服务器之间的数据共享方式。ZDNET 的 Steven Vaughan - Nichols 将其描述为 "释放企业、云及其他领域 AI 全部潜力的关键",但 MCP 只解决了部分问题。在治理和认证到位时,MCP 允许配置正确的服务器与 AI 智能体进行智能对话。
打个比方,MCP 让应用成为可能,但没应用商店就难找到并使用应用。ARD 就打算成为那个应用商店。AI 智能体依赖分散在团队、网络、组织和平台中的工具、技能和其他智能体,但找到这些资源困难。每个 AI 智能体或客户端只能使用 "明确连接到它" 的资源,限制了智能体能力。微软技术研究员 Ramanathan Guha 解释说:"AI 的能力取决于其连接方式。" 即 "AI 只能使用明确连接到它的资源,其他资源就如同不存在一样",AI 智能体需要自己的搜索引擎来寻找可用资源。
智能体网络的搜索引擎
微软将当前 ARD 出现之前的情况类比为搜索引擎出现之前的网络。早期雅虎靠人工索引员按主题创建网站目录树,并不完整,网站不在其中就没人能找到。Google 博客文章称:"就像开放网络使信息民主化一样,ARD 使 AI 资源发现民主化。"
ARD 不是像 Google(大量融入 AI 之前)或 DuckDuckGo 那样的人类输入内容然后呈现搜索结果的界面,而是一种搜索,智能体可向 ARD 节点查询信息。ARD 目标是成为发现服务框架,会有通用发现服务,企业也可创建自己的服务并控制访问权限。Google Cloud 业务应用副总裁兼总经理 Rao Surapaneni 表示:"智能体 AI 的真正潜力一直受到信息孤岛的限制。" 他进一步解释:"通过消除集中式守门人,我们使任何智能体都能发现、信任并利用跨平台的资源,开启了一个互操作性的新时代。"
目录和注册表的工作原理
ARD 有目录(catalogs)和注册表(registries)两个主要架构组件。用搜索引擎类比,目录类似网页,注册表像智能体网络的搜索引擎。组织建立目录需在自己域名的公开路径上托管一个 ai - catalog.json 文件。注册表会抓取目录,对内容索引,并在连接之前返回匹配的能力和元数据以验证发布者。
让智能体随意使用网络上找到的工具可能引发严重问题。为克服此问题,域名所有权成为身份和信任的加密基础。目录托管在 Microsoft.com、ZDNET.com 或其他域名上,表明该目录已通过域名所有者审查,但这可能引发安全问题,其层级结构基于 DNS 建模。微软的 Guha 表示:"这使得 ARD 的架构特性更接近 DNS,而不是普通的网络搜索。"
安全考量
这给攻击者提供了新目标,他们可能针对域名、部署管道和目录文件。ARD 旨在在调用之前发挥作用,帮助 AI 客户端在通过资源自身协议连接之前决定使用哪种能力。微软的 Ramanathan Guha 将 ARD 描述为帮助客户端选择能力然后退出的一层。ARD 不是随机域名上的随机文件,该规范包括注册表、发现服务、发布者元数据,生产环境中还包括加密信任元数据。Google 还提到企业控制措施,如智能体身份、信任清单、出口策略和固定工具。
但问题仍存在:开放网络模型以域名为基础。若域名、DNS、服务器、存储库或部署路径被攻破,目录会成为诱人的高价值目标。ARD 可能改善发现和验证,但不能消除对常规安全控制、授权、治理、白名单、代码审查、签名、监控和策略执行的需求。
参考实现
供应商正在将 ARD 融入项目中,博客文章列举了三个 ARD 应用例子:
- GitHub 推出基于 ARD 的 Agent Finder,允许 Copilot 在运行时从公共或私有注册表中发现并调用 MCP 服务器、技能、工具和智能体。
- Hugging Face 有 Discover Tool,是另一个 ARD 参考实现,提供语义搜索功能,可将 "数千个技能和 MCP 服务器连接到智能体"。
- Google 通过其 Gemini Enterprise Agent Platform 中的 Agent Registry 支持 ARD,并计划在 "未来几个月" 提供原生支持。
开放规范与开放邀请
ARD 规范已发布,采用 Apache 2.0 许可,基于 Linux 基金会工作组的 AI 目录数据模型构建。Google 博客称:"智能体生态系统在去中心化和开放的情况下才能发挥最佳效果。"
可在 AgenticResourceDiscovery.org 上了解 ARD 规范信息,也可在 GitHub 上找到该规范的注册表。ARD 是 AI 智能体所需的基础架构,还是会带来比解决的问题更多的攻击面,有待进一步观察。
26



被折叠的 条评论
为什么被折叠?



