智能体资源发现让代理自主搜索

背景

当前，AI Agent 的能力使用模式是“先安装，后使用”。开发者需要将 MCP 服务器的 URL 硬编码到配置文件中，用户通过插件将服务连接到 AI 应用并重复使用。这种方式对每天使用的少数工具来说尚可，但无法扩展到数千个临时交互场景。另一种常见做法是将所有可用的工具描述一股脑塞进 LLM 的上下文窗口，让模型自行选择，但上下文预算有限，且描述往往过于单薄，难以区分。Agent 能力的发现过程缺乏统一、可扩展的标准化方案。

核心内容

Agentic Resource Discovery（ARD）规范正是为了解决上述问题而设计的发现层。它是由 Microsoft、Google、GoDaddy、Hugging Face 等公司的贡献者共同开发的开放草案规范，获得了广泛的行业参与。ARD 定义了 Agent 和工具如何在联邦注册中心（federated registries）中被编目、索引和搜索，使 Agent 能够在运行时动态发现能力，而无需预先安装或配置。它不是一个产品，也不是一个市场，而是一个共享标准，任何公司都可以独立实现，任何 Agent 或工具都可以参与其中。

ARD 规范定义了两个核心部分：

• 静态 manifest 格式：名为 ai-catalog.json，允许发布者在已知 URL 上托管其能力描述。
• 动态注册 API：通过 POST /search 端点提供实时、排序后的发现服务。

Hugging Face 在 Hub 上实现了 Discover Tool，作为 ARD 的参考实现。它通过将 Hub 现有的语义搜索（针对 Spaces）与 Agent Skills 相结合，并以 ARD 目录条目格式返回结果。具体来说，Discover Tool 适配器应用了两个过滤器：

1. 回应中仅包含运行时状态为 RUNNING 的 Space。
2. 返回的媒体类型由请求驱动。支持三种媒体类型：
   • application/ai-skill：默认类型，生成一个包装了 Space 的 agents.md 文件的 SKILL.md。
   • application/mcp-server+json：为标记为 mcp-server 的 Space 生成 MCP 服务器目录条目。
   • application/vnd.huggingface.space+json：返回原始 Space 元数据，供希望自行处理的客户端使用。

对于 Skill 类型，Discover Tool 会读取 Space 中的 agents.md 文件，并将其包装为 Skill 消费者期望的前置元数据（名称、描述、来源元数据，包括 Space ID、Hub URL、应用 URL 和原始 agents.md URL）。对于 MCP 标记的 Space，则生成指向 Space 的 Gradio MCP 端点的目录条目（使用 HTTP 传输）。

使用方式如下：

• CLI：hf discover search "Fine tune a language model" 或 hf discover search "Generate an image" --json --kind mcp
• REST API：POST https://huggingface-hf-discover.hf.space/search 并传入 JSON 查询体，支持文本查询和类型过滤。
• MCP Server：可通过任何 MCP 客户端连接到 https://huggingface-hf-discover.hf.space/mcp 进行搜索。

Hugging Face 的目录发布在 https://huggingface.co/.well-known/ai-catalog.json 这个已知 URL 上。

关键要点

• ARD 是开放规范：由微软、Google、GoDaddy、Hugging Face 等多家机构共同制定，非任何单一公司的产品，任何组织均可独立实现。
• 核心思想是“发现与执行分离”：Agent 不再需要预先安装工具，而是通过搜索在运行时动态获取能力。
• 静态 manifest + 动态 API 双模式：发布者可通过 ai-catalog.json 文件静态声明能力，也可通过 POST /search 接口提供实时搜索。
• 媒体类型驱动：目录条目不绑定特定协议，任何 artifact 协议（如 MCP、A2A 或普通技能）都可以通过同一信封格式承载，无需修改规范本身。
• 联邦搜索：搜索请求可以跨越多个注册中心，一个服务返回的结果可以包含其他服务托管的能力。
• Hugging Face Discover Tool 是参考实现：基于 Hub 已有的语义搜索，将 Spaces 包装为符合 ARD 格式的条目，支持 Skill、MCP Server 和原始 Space 元数据三种输出。
• 使用门槛低：通过 Hugging Face CLI、REST API 或 MCP 客户端即可搜索，无需预配置具体工具。
• 未来方向：规范将支持更紧密的联邦模式（auto、referrals、none），并计划在 Hub 的用户和组织概要页面上支持静态 ai-catalog.json manifest，使每个 Space 发布者都能通过标准 well-known URI 机制宣传自己的能力。

意义与影响

ARD 规范将 Agent 能力的发现从“手动安装、静态目录”转变为“基于意图的搜索”，使 Agent 能够动态找到合适的工具，无需预先配置每一个。这显著降低了 Agent 生态的扩展门槛，使得成千上万的临时工具和服务可以被即时发现和调用。Hugging Face Discover Tool 作为参考实现，验证了该设计的可行性：它没有发明新的 artifact 格式，而是将现有搜索后端（Hub）包装在规范信封中，同一个 Space 可以根据客户端请求以 Skill 或 MCP 服务器的形式出现。随着更多公司和平台加入 ARD 生态，Agent 将能跨越多个注册中心发现能力，推动更开放、更可组合的 AI 代理生态系统发展。