企业 Agent 互操作性标准 ARD 正式发布

第一段

6 月 17 日，企业软件领域的众多巨头组成联盟，发布了一项新的开放标准，叫做智能体资源发现（Agentic Resource Discovery），简称 ARD。谷歌、微软和 Salesforce 领头，思科、Databricks、GitHub、Hugging Face、NVIDIA、ServiceNow 和 Snowflake 也签署了该标准。这个目标听起来很无趣，但这正是重要基础设施的特点——都很无趣：为 AI agent 提供一个通用的方式来发现存在哪些工具和其他 agent，以及如何调用它们，这样就不用逐一手动配置每两个企业软件之间的连接。这是大型科技公司为 agentic AI 设定开放标准的最新举动，表面上看起来和以前的合作基础设施建设没什么两样。

没有出现在名单上的两家公司是 OpenAI 和 Anthropic，这看起来像是一个相当大的遗漏。

第二段

把 ARD 的品牌褪去，你看到的就是服务发现——这是一个我在 Kubernetes 上花了不少时间研究的领域，我很熟悉，也很喜欢它，因为从两台计算机开始相互认识的那一刻起，分布式系统就需要这样的机制。一个服务上线后必须宣布它是什么以及它住在哪里，其他服务必须能够不通过手动编辑配置文件就能找到它。DNS 是主机名的服务发现，而 Consul、etcd 和 ZooKeeper 是微服务的服务发现。ARD 是同样的原语，只不过针对的是 agent 和工具：每个组织在自己的域名下发布一个 ai-catalog.json 清单文件，agent 描述它想做什么，发现层就会告诉它可以用什么来做。这是联邦式的、Apache 许可的、由 Linux 基金会托管，没有任何单一公司拥有这个注册表。

第三段

在很多方面，这可能成为新的谷歌（或者雅虎，取决于你的年纪）。谁控制了服务如何相互发现，谁就控制了哪些服务能被发现，这威力巨大，因为解析名称的东西决定了什么被允许存在。一个不在注册表里的服务实际上就是不存在的。换个说法，这是一张地图，地图就是护城河，而企业现任者们正在尝试决定怎样画这张图。

第四段

人们已经开始围绕这个问题活动了。Anthropic 在 2024 年年底向世界提供了模型上下文协议（Model Context Protocol），它标准化了 agent 如何连接到工具，效果好到足以让所有人都采用它，从 10,000 多个公开服务到财富 500 强企业的 80% 在一年内都接触到了它。谷歌推出了 Agent2Agent，用于 agent 之间的对话。这两个协议最后都被捐献给了 Linux 基金会。虽然这些 AI 实验室掌握着 agent 如何连接以及如何交流的治理权，但 ARD 却占据了这两者之上的那一层——值得连接的东西的目录。这不总是二元的，但这个举措让更传统的企业玩家（谷歌、微软、Salesforce、Snowflake 等等）有机会推进他们已经拥有的东西。实验室有各种理由推进另一个角度，因为企业玩家试图把战斗的边界重新划到他们占据高地的地方，而实验室在那里只能是被某个人定义的目录中的条目。

第五段

这个设计中埋藏着第二个更尖锐的举动，它是对实验室整个产品表面的一个赌注。ARD 假设 agent 独立发现和调用工具，不以对话界面作为瓶颈。把这理解为它真实的含义：这是一个赌注，认为聊天机器人——这个 OpenAI 和 Anthropic 用来建立企业业务基础的东西——不会是真正工作发生的地方。这发生在这两个实验室对于 agent 应该是什么样的东西明显产生分歧的时候。在 ARD 的世界观里，聊天窗口只是演示，真正的经济是 agent 在安静地根据审批系统、预算工具和供应商数据库处理采购请求，没有人在框里敲字。如果这个赌注是对的，那么企业 AI 中最有价值的地产是注册表，而不是模型，而注册表恰恰是实验室们明显不拥有的。

第六段

现在，该给该得的荣誉，因为这是扎实的工程和一个真实问题的真实解决方案。在有发现标准之前，每个自治工作流都是定制集成，手工构建和脆弱，这是"agentic AI"一直是伟大演示但生产系统很痛苦的大部分原因。一个你在自己的域名下发布的联邦目录，保留对你暴露内容和对谁暴露的控制，这是正确的架构。它把你的能力描述保留在你的能力旁边，而不是把整个地图发送给一个向你租回的供应商。我一直主张，任何离开它所描述的东西的目录都是一个已经错误的目录，而联邦的、本地拥有的清单是我从这些大公司看到的第一个真正认真对待这点的设计。

第七段

但"联邦"这个词在干很多活，因为联邦系统的历史就是本应保持去中心化但最后没有的东西的历史。电子邮件是联邦的，现在世界上大部分邮件都流过少数几个决定什么是垃圾邮件的提供商。DNS 是联邦的，但仍然有一个根，仍然有注册商，仍然有一个下午会导致某个名称无法解析。A2A 自己的推销词是它缓解了供应商锁定，这正是每个联邦在第一天做出的承诺。联邦描述的是数据坐在哪里，而不是权力在哪里定居，权力定居在默认值被设置的任何地方。如果 ARD 成为 agent 如何发现东西的方式，那么不发布 ARD 清单的工具对于使用它的每个 agent 都会变成不可见的，而编写了这个模式和提供最流行目录的公司可以定义什么是"可发现的"。这所有东西下面的更安静的战斗不是谁运行 agent，而是你被允许取回什么，发现层是这个首先被决定的地方。Apache 2.0 许可意味着没人可以对标准本身收租。但当你的 agent 反射性地先发现 Workspace、M365 和 Salesforce 时，它什么都不说关于谁获益。

第八段

所以当时没人正确定义的战斗不是模型对模型。它是拥有企业工具和数据的层对拥有模型的层的边界划分，选择在地图处对抗。无论你构建 agent 还是只是购买它们，问值得问你的供应商的问题不是谁的模型最聪明。它是谁控制了你的 agent 在做任何事之前读取的目录，以及你自己的能力地图是你拥有的东西还是你默默同意租赁的东西。被排除在那张地图外是 OpenAI 和 Anthropic 这个月担心的事。最终，这是你也应该担心的事。

第九段

想要学习智能数据管道如何能降低你的 AI 成本吗？看看 Expanso。或者不看。我又不是什么人，不能告诉你该做什么。

注：我目前正在写一本书，基于我对机器学习数据准备现实挑战的了解，重点关注运营、合规和成本方面。我很想听听你的想法！

最初发表在《地图即护城河》。

如需进一步行动，你可以考虑屏蔽此人和/或举报滥用行为。