智能体资源发现：让智能体自行搜索

来源：https://huggingface.co/blog/agentic-resource-discovery-launch 返回文章列表 (https://huggingface.co/blog)

https://huggingface.co/blog/agentic-resource-discovery-launch#agentic-resource-discovery-let-agents-search-for-tools-skills-and-other-agents

智能体资源发现：让智能体自行搜索工具、技能和其他智能体

ben burtenshaw 的头像 (https://huggingface.co/burtenshaw) shaun smith 的头像 (https://huggingface.co/evalstate)

• 发现难题
• Hugging Face Hub 上的 ARD
• 如何使用
• REST API 与 MCP 工具
• 这对规范意味着什么
• 了解更多

如果你现在正在构建智能体应用，你很可能已经了解三种协议。MCP 为智能体提供了调用工具的标准方式。技能 让智能体能够按指令执行任务。A2A 则让智能体可以调用其他智能体。但所有这些协议都假设用户已经知道自己需要哪个工具、指令或智能体。用户仍需负责发现、集成和维护这些能力。

智能体资源发现（ARD）规范 正是位于它们之上的发现层。这是一份由微软、谷歌、GoDaddy、Hugging Face 等公司的贡献者共同开发的开放规范草案，行业各方广泛参与。它定义了智能体和工具如何在联邦注册中心中被编目、索引和搜索，从而使智能体能够在运行时找到所需能力，而无需预先安装。它不是一款产品，也不是一个市场。它是一个共享标准，任何公司都可以独立实现，任何智能体或工具也都可以参与其中。

在这篇文章中，我们将探讨这一规范，Hugging Face 是如何实现它的，以及你如何开始基于 ARD 进行构建。

https://huggingface.co/blog/agentic-resource-discovery-launch#the-discovery-problem

发现难题

当前智能体能力的模式是“先安装，后使用”。开发人员将 MCP 服务器 URL 硬编码到配置文件中。用户通过插件将服务连接到他们的 AI 应用并重复使用。这对于智能体每天使用的那几个工具来说是可行的，但当扩展到数千个临时交互界面时，就行不通了。备选方案是将所有可用的工具描述塞入 LLM 的上下文窗口，让模型自行选择。这也受限于上下文预算。虽然也有基于搜索的策略，但描述往往过于单薄，难以有效区分。

ARD 将选择过程移出了 LLM。注册中心用更丰富的信号（如发布者身份、代表性查询、合规证明、标签等）对能力进行索引。它暴露了一个 REST 端点。客户端用自然语言搜索，然后模型调用搜索返回的结果。这一转变是从手动安装的静态目录，转向基于意图的搜索，让智能体能动态找到合适的能力，并在无需预先配置每一项的情况下，触达不断增长的 MCP 工具、A2A 智能体和其他服务生态系统。

该规范定义了两项内容：

• 名为 ai-catalog.json 的静态清单格式，让发布者可以在一个众所周知的 URL 上托管其能力。
• 动态注册中心 API，位于 POST /search，提供实时的、排序后的发现结果。

https://huggingface.co/blog/agentic-resource-discovery-launch#ard-on-the-hugging-face-hub

Hugging Face Hub 上的 ARD

Hugging Face 的 Discover 工具 (https://github.com/huggingface/hf-discover) 是我们的 ARD 参考实现。它提供对数千个技能、ML 应用和 MCP 服务器的搜索访问——这些资源既在 Hugging Face 上，也来自其他 ARD 发现服务。它的工作原理是，将 Hub 现有的基于语义的搜索（针对 Spaces）与我们的智能体技能相结合，并将结果作为 ARD 目录条目输出。

Hub 已经托管了一个包含 Gradio 应用、MCP 服务器和演示的 Spaces 目录。其语义搜索支持 agents=true 标志，可以返回按智能体导向元数据排序的 Spaces。Discover 将该搜索转换为 ARD 规范格式。适配器应用了两个过滤器。首先，响应只包含运行阶段为 RUNNING 的 Spaces。其次，响应媒体类型由请求决定。支持三种媒体类型：

• application/ai-skill：默认类型。一个自动生成的 SKILL.md，封装了 Space 的 agents.md 内容。
• application/mcp-server+json：针对标记为 mcp-server 的 Spaces 的 MCP 服务器目录条目。
• application/vnd.huggingface.space+json：原始 Space 元数据，适用于希望自行处理的客户端。

技能类型涉及一个额外的转换。许多 Space 会附带一个 agents.md 文件，描述智能体应如何与之交互。Discover 读取该文件，并用技能使用者期望的前置元数据（name、description，以及包含 Space ID、Hub URL、应用 URL 和原始 agents.md URL 的源元数据）进行封装。结果是任何支持技能的客户端都可以通过其常规技能流程安装或加载的技能。

对于标记为 MCP 的 Spaces，适配器生成一个目录条目，指向该 Space 的 Gradio MCP 端点（通过 HTTP 传输）。当 Hub 提供运行时域名时，URL 使用该域名；否则使用标准的 .hf.space 后缀约定。

https://huggingface.co/blog/agentic-resource-discovery-launch#using-it

如何使用

discover 已集成到 Hugging Face CLI (https://github.com/huggingface/huggingface_hub)（hf）中。要开始使用并为你的智能体或个人提供访问权限，请执行：

# 安装 Hugging Face CLI 工具：
uv tool install huggingface_hub

# 搜索用于训练模型的资源
hf discover search "微调语言模型"

# 查找用于生成图像的 MCP 服务器
hf discover search "生成图像" --json --kind mcp

# 搜索其他注册中心
hf discover search "购买机票" --registry-url <URL>

https://huggingface.co/blog/agentic-resource-discovery-launch#rest-api-and-mcp-tool

REST API 与 MCP 工具

你也可以直接通过 REST API 或 MCP 服务器搜索目录。Hugging Face 的目录发布在其众所周知的 URL：

https://huggingface.co/.well-known/ai-catalog.json

直接调用搜索：

POST https://huggingface-hf-discover.hf.space/search

curl -s https://huggingface-hf-discover.hf.space/search \
  -H "Content-Type: application/json" \
  -d '{
    "query": {
      "text": "微调一个句子变换器",
      "filter": {
        "type": ["application/ai-skill"]
      }
    },
    "pageSize": 5
  }'

搜索 MCP 服务器：

curl -s https://huggingface-hf-discover.hf.space/search \
  -H "Content-Type: application/json" \
  -d '{
    "query": {
      "text": "转录音频",
      "filter": {
        "type": ["application/mcp-server-card+json"]
      }
    },
    "pageSize": 5
  }'

或者，连接任何 MCP 客户端，通过 MCP 端点 https://huggingface-hf-discover.hf.space/mcp 搜索目录。

https://huggingface.co/blog/agentic-resource-discovery-launch#what-this-means-for-the-specification

这对规范意味着什么

ARD 将发现与执行分离。静态清单格式由媒体类型驱动，因此任何工件协议都可以承载在相同的信封中，而无需规范层面的更改。注册中心 API 是纯 HTTP REST 的，因此任何客户端都可以针对它进行联邦搜索。Discover 是生态中该规范的几个参考实现之一。由于联邦机制内建于协议中，通过一个服务进行的搜索可以展示由另一个服务托管的能力。

Discover 工具是该设计的一个有效测试。它没有发明新的工件格式。它将现有的搜索后端（Hub）包裹在规范的信封中，让同一个 Space 可以根据客户端请求，以技能或 MCP 服务器的形式呈现。

下一步是更紧密地集成规范的联邦模式（auto、referrals、none），以及在 Hub 侧为用户和组织配置文件提供静态 ai-catalog.json 清单的支持。一旦实现，任何 Space 发布者都可以通过标准的知名 URI 机制宣传其能力。

https://huggingface.co/blog/agentic-resource-discovery-launch#learn-more

了解更多

• 智能体资源发现规范：https://agenticresourcediscovery.org/
• Hugging Face Discover 工具：https://github.com/huggingface/hf-discover
• Hugging Face CLI：https://github.com/huggingface/huggingface_hub
• Hub 上的智能体技能：https://huggingface.co/docs/hub/agents-skills
• Hugging Face Spaces：https://huggingface.co/spaces