解决AI中的ARD问题：Agentic Resource Discovery（2分钟阅读）

# 解决AI中的ARD问题：代理资源发现 来源：https://www.infoworld.com/article/4187305/solving-an-ard-problem-in-ai-agentic-resource-discovery.html 实施代理型AI（https://www.infoworld.com/article/4162871/the-agentic-ai-frenzy-increases-as-more-vendors-stake-their-claims.html）的企业面临一项挑战：应允许多少工具（https://www.computerworld.com/article/3617392/what-are-ai-agents-and-why-are-they-now-so-pervasive.html）供其代理使用，这些工具在何处可寻，以及如何安全使用？一项新协议——Agentic Resource Discovery（https://agenticresourcediscovery.org/）（简称ARD）——旨在让代理自行回答这些问题。该协议得到谷歌、微软、思科、英伟达、Salesforce等公司的支持。 ARD旨在标准化企业域内跨系统共享工具与服务的方式。例如，在调查生产问题时，某个代理可能希望查询工程文档、开支持工单、查看部署历史和可观测性系统——这些系统可能由不同注册表管理，且分布于不同孤岛中。目前尚无统一层将它们整合起来。ARD被设计为充当这一层。 它运作在两个层级上：目录（Catalogs）与注册表（Registries）。在目录层，组织发布一份目录，列出其可用能力。注册表层则充当一种搜索引擎，爬取这些已发布的目录。 ARD规范现已可用。组织受邀通过快速入门指南（https://agenticresourcediscovery.org/how_to_publish/#step-1-create-the-manifest-ai-catalogjson）发布自己的目录。此后，它们可加入社区（https://github.com/ards-project/ard-spec），参与ARD的演进。