随着大模型技术的飞速发展，AI Agent如雨后春笋般涌现，如何高效、安全地发现并利用这些AI Agent，成为了一个亟待解决的问题。本文将探讨AI Agent发现的必要性，回顾Web和语音设备发现的演进历程，重点介绍借鉴DNS思想的Agent Name Service (ANS)，以及它如何通过提供统一的目录服务和安全互操作性，赋能未来的AI Agent生态系统。本文的核心关键词包括：AI Agent，发现(Discoverability)，Agent Name Service (ANS)，互操作性(Interoperability)，安全(Security)，大模型(LLM)。
发现的必要性：Web与语音设备的教训
Web时代的早期，网站数量激增，但缺乏有效的发现机制，用户难以找到所需的信息。搜索引擎的出现，彻底改变了这一局面，用户可以通过关键词搜索，快速找到相关的网站。同样，Alexa Skills和Google Actions等语音设备也面临着类似的发现难题。虽然开发了大量的Skills和Actions，但用户往往难以发现和使用它们。这充分说明，缺乏有效的发现机制，会严重阻碍技术的发展和应用。如今，随着大模型技术的进步，AI Agent数量爆炸式增长，若不能有效解决发现问题，势必会重蹈Web和语音设备的覆辙。设想一下，一个企业拥有成百上千个内部AI Agent，分别负责不同的任务，如果员工无法快速发现并调用合适的AI Agent，就会造成资源浪费，降低工作效率。
Search 2.0：大模型驱动的发现变革
大模型技术正在引发一场发现方式的变革，许多人将其称为“Search 2.0”或“Search to Answers”。与传统的关键词搜索不同，大模型能够理解用户的意图，并主动搜索、整理和合成信息，直接提供答案。例如，用户可以使用大模型助手，询问“最近OpenAI发布的最新研究成果是什么？”，助手会主动搜索相关论文、博客和新闻报道，并将信息进行总结，直接呈现给用户。文章中提到的MCP服务器，就是一个很好的例子。这些服务器可以执行特定的任务，比如Web搜索、GitHub搜索等，并且可以被分组、搜索和发现。这种基于大模型的发现方式，极大地提高了信息获取的效率和准确性。但同时，也对AI Agent的互操作性提出了更高的要求，不同的AI Agent需要能够协同工作，才能更好地完成任务。
AI Agent生态的未来：互联互通与发现
未来的AI Agent生态，将是一个高度互联互通的世界。AI Agent之间需要能够像网站一样相互链接，进行信息传递和协作。这就需要一个类似于Web的域名系统(DNS)的机制，来为AI Agent分配唯一的身份标识，并实现安全的发现。文章中提到的Agent Name Service (ANS)，正是为了解决这一问题而提出的。ANS的设计灵感来源于DNS，旨在为AI Agent提供一个统一的目录服务，使其能够被安全地发现和互操作。
Agent Name Service (ANS)：构建AI Agent世界的DNS
Agent Name Service (ANS)的核心目标是实现AI Agent的安全发现和互操作性。它通过借鉴DNS的思想，为每个AI Agent分配一个唯一的身份标识，并将其注册到AI Agent注册表中。当一个AI Agent需要发现另一个AI Agent时，它可以向ANS服务发起请求，ANS服务会根据请求的信息，在注册表中查找目标AI Agent的信息，并返回给请求者。为了确保AI Agent的安全性，ANS还引入了证书颁发机构(CA)和注册机构(RA)，用于验证AI Agent的身份和注册信息的真实性。同时，ANS还包括一个协议适配器层，用于处理不同AI Agent之间可能存在的通信协议差异，确保它们能够顺利地进行通信。
以下是ANS的关键组成部分及其功能：
- AI Agent: 寻求发现或与其他AI Agent通信的实体。
- ANS Service (Agent Name Service): 核心组件，类似于DNS，维护着AI Agent的注册表，促进安全通信。
- AI Agent Registry: 存储所有注册AI Agent信息的数据库，包括唯一身份、能力和位置。
- Certificate Authority (CA): 负责颁发和验证数字证书，确保AI Agent的真实性，使用公钥基础设施(PKI)。
- Registration Authority (RA): 验证AI Agent的注册信息，确保只有合法的AI Agent被添加到注册表。
- Protocol Adapter Layer: 处理不同通信协议之间的转换，确保AI Agent的互操作性。
ANS的工作流程如下：
- AI Agent向ANS服务发起发现请求。
- ANS服务在AI Agent注册表中查找目标AI Agent的信息。
- 注册表与证书颁发机构(CA)验证AI Agent的身份，使用PKI确认真实性。
- 同时，注册机构(RA)验证AI Agent的注册信息，确保其合法性和完整性。
- 验证通过后，协议适配器层转换消息，实现请求AI Agent和目标AI Agent之间的安全通信。
ANS的优势在于：
- 解决发现难题: 提供类似于DNS的系统，解决AI Agent的发现问题，避免碎片化生态。
- 保障安全: 通过CA和RA验证身份，维护可信注册表，降低冒充和未授权访问的风险。
- 增强互操作性: 协议适配器层确保AI Agent跨平台通信，类似于Web标准化协议的实现。
安全：AI Agent生态的基石
在AI Agent生态中，安全是至关重要的。由于AI Agent可以执行各种任务，包括访问敏感数据、控制物理设备等，因此，必须确保只有授权的AI Agent才能执行这些操作。ANS通过引入证书颁发机构(CA)和注册机构(RA)，来确保AI Agent的身份和注册信息的真实性。CA负责颁发和验证数字证书，使用公钥基础设施(PKI)来为AI Agent分配唯一的身份标识。RA负责验证AI Agent的注册信息，确保只有合法的AI Agent才能被注册到AI Agent注册表中。通过这些措施，ANS可以有效地防止恶意AI Agent的攻击，保障AI Agent生态的安全。
互操作性：AI Agent生态繁荣的保障
互操作性是AI Agent生态繁荣的保障。如果不同的AI Agent之间无法进行通信和协作，那么AI Agent生态就会变得碎片化，难以发挥其真正的潜力。ANS通过引入协议适配器层，来解决AI Agent之间的通信协议差异问题。协议适配器层可以根据不同的通信协议，将消息进行转换，使得不同的AI Agent能够顺利地进行通信。例如，一个使用A2A协议的AI Agent可以与一个使用MCP协议的AI Agent进行通信，而无需关心底层的通信协议细节。这种互操作性，极大地提高了AI Agent生态的灵活性和可扩展性。
大模型与Agent Name Service (ANS) 的协同效应
大模型不仅改变了发现的方式，也为Agent Name Service (ANS)带来了新的机遇。大模型可以用于分析AI Agent的能力和需求，从而更好地进行AI Agent的匹配和推荐。例如，当用户需要一个能够翻译中文的AI Agent时，大模型可以根据用户的需求，在AI Agent注册表中查找具有翻译能力的AI Agent，并将其推荐给用户。此外，大模型还可以用于改进ANS服务的性能和安全性。例如，大模型可以用于检测恶意AI Agent的攻击，并及时采取防御措施。
从Alexa Skills到Agent Name Service (ANS)：避免重蹈覆辙
文章指出，Alexa Skills和Google Actions等平台在发现方面存在局限性，主要是因为它们采用了专有框架，限制了跨平台兼容性。ANS的设计正是为了避免重蹈覆辙，它采用协议无关的目录服务，并引入了能力感知的命名系统，使得AI Agent可以根据其功能被轻松发现。例如，用户可以通过ANS服务，轻松找到一个能够进行自然语言处理或任务自动化的AI Agent。这种开放性和标准化，将促进AI Agent生态的繁荣和发展。
未来展望：Agent Name Service (ANS) 的广泛应用
随着AI Agent数量的持续增长，Agent Name Service (ANS) 的作用将越来越重要。它将成为AI Agent生态的基础设施，为AI Agent的发现、安全和互操作性提供保障。可以预见的是，ANS 将在各个领域得到广泛应用，例如：
- 企业内部: 企业可以使用ANS来管理和发现内部的AI Agent，提高工作效率。
- 智能家居: 智能家居设备可以使用ANS来发现和控制其他设备，实现智能化的家居体验。
- 智能城市: 智能城市可以使用ANS来管理和控制城市中的各种AI Agent，例如交通管理、安全监控等。
结论：构建安全可信的AI Agent生态
AI Agent的普及需要一个安全、可信和互操作的生态系统。Agent Name Service (ANS) 通过借鉴Web的DNS系统，为AI Agent提供了一个统一的目录服务，实现了AI Agent的安全发现和互操作性。随着大模型技术的不断发展，ANS 将在构建AI Agent生态中发挥越来越重要的作用。为了实现AI Agent生态的繁荣，我们需要共同努力，推动ANS 的标准化和广泛应用，从而构建一个安全可信的AI Agent世界。 缺乏标准化的解决方案会导致信息孤岛，阻碍创新。ANS的出现，标志着AI Agent生态系统向着更加开放、协作和安全的方向迈出了重要一步。