Сегодня индустрия ИИ стремительно движется в сторону агентных систем.
Появляются MCP-серверы, Agent Skills, протокол A2A и множество других инструментов, которые позволяют агентам использовать внешние сервисы и взаимодействовать между собой.
Однако у всех этих решений есть одна общая проблема.
ИИ должен заранее знать, какой инструмент использовать, где он находится и как к нему подключиться.
Получается парадоксальная ситуация: агент способен выполнять сложные задачи, но человек по-прежнему обязан вручную подключать ему необходимые возможности.
Для решения этой проблемы компании Microsoft, Google, GoDaddy, Hugging Face и другие участники отрасли разрабатывают новый открытый стандарт Agentic Resource Discovery, или ARD.
Его задача — научить агентов самостоятельно искать нужные инструменты, навыки и даже других агентов.
В чём заключается проблема современных агентных систем
Большинство существующих агентных платформ работают по принципу «сначала установить — потом использовать».
Разработчик вручную прописывает URL MCP-сервера.
Пользователь подключает плагины.
Администратор настраивает интеграции.
После этого агент получает доступ к нужным возможностям.
Такой подход работает, пока инструментов немного.
Но если речь идёт о тысячах сервисов, MCP-серверов, навыков и агентов, ручная настройка превращается в серьёзное ограничение.
Существует и другой вариант — загрузить описания всех доступных инструментов в контекстное окно модели и позволить ей самостоятельно выбрать нужный.
Но этот подход быстро упирается в ограничения контекста и качество описаний инструментов.
Чем больше экосистема, тем хуже работает подобная стратегия.
Что такое Agentic Resource Discovery
ARD можно представить как поисковую систему для ИИ-агентов.
Вместо заранее установленного списка инструментов агент получает возможность выполнить поиск по каталогу возможностей в режиме реального времени.
Если агенту необходимо сгенерировать изображение, найти сервис бронирования билетов или подключить специализированный MCP-сервер, он может отправить запрос в каталог и получить подходящие результаты.
Важный момент заключается в том, что ARD не является маркетплейсом или отдельным продуктом.
Это открытая спецификация, которую может реализовать любая компания.
Любой агент может участвовать в экосистеме, если поддерживает стандарт.
Как работает поиск в ARD
В основе спецификации лежат два ключевых компонента.
Первый — статический манифест возможностей.
Он публикуется в файле:
ai-catalog.json
Этот файл размещается по известному адресу и содержит описание доступных возможностей.
Второй компонент — динамический API поиска.
Он позволяет выполнять поиск по каталогам в режиме реального времени.
Для этого используется стандартная конечная точка:
POST /search
Благодаря этому агент может искать возможности по смыслу запроса, а не по заранее известному адресу сервиса.
Как Hugging Face реализовала поддержку ARD
В качестве эталонной реализации Hugging Face представила инструмент Discover Tool.
Он обеспечивает доступ к тысячам ресурсов, размещённых как на Hugging Face Hub, так и в других совместимых каталогах.
Система использует существующий механизм семантического поиска Hub и преобразует результаты в формат ARD.
В каталог автоматически попадают:
- Agent Skills;
- MCP Servers;
- приложения на базе Spaces;
- другие сервисы, поддерживающие стандарт.
При этом агент получает не просто список ресурсов, а структурированное описание возможностей.
Какие типы ресурсов поддерживаются
Discover Tool умеет работать сразу с несколькими типами контента.
Первый вариант — Agent Skills.
По умолчанию сервис генерирует специальный формат навыка на основе файла agents.md, который многие проекты уже публикуют внутри Spaces.
Второй вариант — MCP Servers.
Если Space помечен тегом mcp-server, система автоматически создаёт каталог, который позволяет агентам подключаться к MCP-интерфейсу.
Третий вариант — получение исходных метаданных Space без преобразований.
Это позволяет разработчикам самостоятельно обрабатывать результаты поиска.
Такой подход делает систему универсальной для различных типов клиентов.
Установка и использование Hugging Face Discover
Для работы с системой используется Hugging Face CLI.
Следующая команда устанавливает необходимые инструменты.
Установка Hugging Face CLI
Этот код устанавливает официальный CLI-клиент Hugging Face и подготавливает среду для дальнейшей работы с ARD.
После выполнения команды в системе появится инструмент hf.
Это основной интерфейс для поиска ресурсов через ARD.
Далее можно выполнять поисковые запросы.
Поиск ресурсов для обучения модели
Следующая команда показывает, как искать ресурсы для дообучения языковой модели.
После выполнения запроса агент получит список подходящих инструментов и ресурсов.
Такой подход позволяет находить возможности без ручного изучения каталогов.
Поиск MCP-серверов для генерации изображений
Следующий пример показывает поиск MCP-серверов.
В данном случае система вернёт только MCP-сервисы, подходящие для генерации изображений.
Это особенно полезно для агентных систем, которые динамически подключают внешние возможности.
Поиск в сторонних реестрах
ARD поддерживает федерацию каталогов.
Поэтому поиск может выполняться не только на Hugging Face Hub.
После выполнения команды поиск будет произведён в указанном внешнем реестре.
Это одна из ключевых возможностей спецификации.
Использование REST API
Кроме CLI, каталог доступен через REST API.
Каталог Hugging Face опубликован по адресу:
https://huggingface.co/.well-known/ai-catalog.json
Этот адрес содержит описание доступных возможностей в формате ARD.
Следующий шаг — выполнение поисковых запросов.
Отправка поискового запроса через API
Следующий запрос ищет навыки, связанные с дообучением моделей.
Этот код выполняет поиск по каталогу и возвращает пять наиболее подходящих Agent Skills.
После выполнения запроса агент может автоматически использовать найденный навык.
Поиск MCP-серверов через API
Следующий пример показывает поиск MCP-серверов для работы с аудио.
После выполнения запроса будет возвращён список MCP-серверов, которые умеют расшифровывать аудио.
Это позволяет агенту находить нужные инструменты непосредственно во время выполнения задачи.
Почему ARD может изменить рынок агентных систем
Главное преимущество новой спецификации заключается в разделении поиска и выполнения.
ARD отвечает только за обнаружение возможностей.
После нахождения нужного ресурса агент может использовать MCP, Agent Skills, A2A или любой другой протокол взаимодействия.
Такой подход делает экосистему значительно более масштабируемой.
Разработчикам больше не нужно заранее интегрировать тысячи инструментов.
Агент получает возможность самостоятельно искать нужные ресурсы в момент возникновения задачи.
Фактически ARD превращает экосистему инструментов для ИИ в аналог поисковой системы, где возможности находятся по смыслу запроса, а не по заранее прописанным адресам.
Что ждёт ARD дальше
Разработчики планируют расширять поддержку федерации каталогов и внедрять новые режимы взаимодействия между реестрами.
Кроме того, Hugging Face работает над поддержкой файлов ai-catalog.json непосредственно в профилях пользователей и организаций.
После появления этой функции любой разработчик сможет публиковать свои возможности через стандартный механизм ARD и делать их доступными для агентных систем по всему миру.
Это значительно упростит распространение инструментов и сервисов для ИИ.
Заключение
Agentic Resource Discovery решает одну из самых серьёзных проблем современной агентной экосистемы — проблему поиска возможностей.
Сегодня агент знает только те инструменты, которые ему заранее подключили.
ARD предлагает другой подход: агент сам ищет нужные навыки, сервисы, MCP-серверы и даже других агентов в момент выполнения задачи.
Если стандарт получит широкое распространение, агентные системы смогут перейти от статических каталогов к динамическому поиску возможностей, что сделает их значительно более гибкими и автономными.
Фактически речь идёт о создании поискового слоя для всего мира ИИ-агентов.