Google and Industry Partners Announce Agentic Resource Discovery Specification for AI Agents
TL;DR · AI 摘要
Google发布ARD规范，为AI代理提供跨组织资源发现和验证的标准化方案，解决当前AI基础设施的信任机制缺口。
核心要点
- ARD通过ai-catalog.json文件实现跨组织能力发现，兼容MCP和OpenAPI标准
- 域名验证机制确保发现资源的可信度，降低跨系统操作风险
- 规范设计避免替代现有标准，作为MCP的补充层提升系统兼容性
结构提纲
按章节快速跳转。
思维导图
用一张图看清主题之间的关系。
查看大纲文本（无障碍 / 无 JS 友好）
- ARD规范
- 核心机制
- ai-catalog.json目录
- 注册表聚合
- 信任体系
- 域名验证
- 资源可信度保障
- 兼容性
- MCP协议
- OpenAPI标准
金句 / Highlights
值得收藏与分享的关键句。
The problem is simple to state and hard to solve, especially in the enterprise, where the answer can't just be ‘find something that works.’
A uniform baseline protocol makes it easier to build alternatives without needing to interpret many different proprietary documentation formats.
Registries aggregate catalogs and enable agents to search based on task intent
Google 与行业合作伙伴发布 AI 代理智能资源发现规范 - InfoQ
InfoQ 首页 News Google 与行业合作伙伴发布 AI 代理智能资源发现规范
架构与设计
InfoQ AI 工程师认证（7月25日）：AI 演示已成功运行。现在需要确保其可靠性。
Google 与行业合作伙伴发布 AI 代理智能资源发现规范
2026年7月14日 2分钟阅读
作者：
- Leela Kumili
#### 关注我们
YouTube
232K 粉丝
26K 粉丝
新
RSS
19K 读者
X
57.1k 粉丝
21K 点赞
Bluesky
收听本文 -
0:00
音频准备就绪
您的浏览器不支持音频元素。
正常
1.25x
1.5x
喜欢
新下拉阅读列表
- 阅读列表
Google 与行业合作伙伴宣布推出智能资源发现（Agentic Resource Discovery，ARD）规范，这是一个开放标准，旨在使 AI 代理能够跨组织边界发布、发现和验证外部工具、API 和服务。该规范解决了 AI 代理基础设施中日益增长的缺口，即能力广泛分布但缺乏通用的发现和信任机制。
虽然模型上下文协议（Model Context Protocol，MCP）等协议定义了 AI 代理如何调用工具，但 ARD 解决了生命周期的更早阶段：代理如何首先发现这些工具。ARD 并非替代现有标准，而是设计为跨框架和提供商的补充发现层。
Google Cloud 高级工程师 Srinivas Krishnan 强调了 ARD 的动机：
这个问题表述简单但难以解决，尤其是在企业环境中，答案不能仅仅是“找到能工作的方案”。它必须受到治理，将安全性和身份验证内置其中，而非后期添加。
该规范引入了两个核心概念：目录和注册表。组织在其域内发布机器可读的 ai-catalog.json 文件，描述可用能力，如工具、API、技能和代理端点。注册表聚合这些目录，使代理能够基于任务意图进行搜索，而非依赖硬编码集成或静态端点列表。这使代理能够跨组织边界定位相关资源，同时保持与 MCP 和 OpenAPI 等执行标准的兼容性。
ARD 工作原理（来源：Google 博客文章）
信任和验证是设计的核心。ARD 包含基于域的所有权和验证机制，使代理在建立连接前能够验证发现资源的真实性。这旨在降低自主代理可能在第三方服务和企业系统间触发操作的风险。
从 Reddit 社区讨论来看，一个观点突出了标准化的价值：
统一的基础协议使构建替代方案更容易，无需解读多种专有文档格式。
然而，讨论也指出此类系统的有效性将取决于暴露工具的质量以及相关的访问或定价模型。
该规范由微软、GitHub、Hugging Face、思科、Databricks、GoDaddy、NVIDIA、Salesforce、ServiceNow 和 Snowflake 等公司共同贡献开发。早期实现已经出现，包括 GitHub Copilot 中的 Agent Finder 和 Hugging Face 的 Discover Tool，两者都利用 ARD 进行运行时能力发现。
微软人工智能部门首席工程师 Jennifer Marsman 指出：
目标不是创建一个包含所有资源的单一全球目录。将存在许多发现服务，每个服务都由其索引内容、服务对象以及排名方式所定义……ARD 帮助 AI 客户发现能力，但它不会替代身份验证、授权、治理或组织信任决策。
目前 ARD 规范已提供参考实现和文档，使组织能够尝试发布能力目录并探索规范中定义的联合模型。它包含模式、信任机制以及跨发现服务互操作性的指南。更广泛的生态系统预计将通过社区贡献不断发展，包括实现反馈以及对模式和治理模型的扩展。
作者简介
关于作者
#### Leela Kumili
显示更多
显示更少
#### 本文属于「规范」主题
##### 相关主题：
- 开发
- 架构与设计
- 人工智能、机器学习与数据工程
- 规范
- 分布式系统
- AI 编程
- 智能体
- GitHub
- Agent2Agent
- AI 安全
- 思科
- Salesforce.com
- GoDaddy
- AI 架构
- 服务发现
- 模型上下文协议（MCP）
- 微软
- AI 可解释性
- 平台工程
- 相关编辑
- 相关赞助商 警报疲劳正在让你付出代价：生产可靠性与 AI 采用现状
- 相关赞助商 在完全配置的环境中探索 NeuBird AI 玩具场，连接实时 AWS 运行时数据。尝试你的第一个查询！
InfoQ 新闻通讯
每周二发送上周 InfoQ 内容摘要。加入超过 25 万名高级开发者的社区。查看示例
我们保护您的隐私。