Google وشركاؤها يطلقون معيار اكتشاف مساعد الأكواد بالذكاء الاصطناعي

أطلقت Google، بالتعاون مع شركاء الصناعة الرئيسيين، مواصفات Agentic Resource Discovery (ARD)، وهو معيار مفتوح مصمم لتبسيط كيفية اكتشاف أدوات مساعد الأكواد بالذكاء الاصطناعي والوكلاء الآخرين للذكاء الاصطناعي للخدمات وواجهات برمجة التطبيقات الخارجية، ونشرها، والتحقق منها، مما يوفر لمطوري البرمجيات تجربة تكامل أكثر سلاسة وأمانًا لسير العمل المدعوم بالذكاء الاصطناعي. تعالج هذه المبادرة بشكل مباشر التعقيد المتزايد لتكامل قدرات الذكاء الاصطناعي المتباينة، واعدةً بتحسين قابلية التشغيل البيني والحوكمة للمطورين الذين يبنون باستخدام الذكاء الاصطناعي.

• توفر ARD طريقة موحدة لوكلاء الذكاء الاصطناعي للعثور على الأدوات والخدمات الخارجية واستخدامها.
• تقدم كتالوجات قابلة للقراءة آليًا (ai-catalog.json) وسجلات لاكتشاف القدرات عبر المؤسسات.
• تم تضمين آليات الثقة والتحقق، وهي ضرورية لاعتماد المؤسسات والأمان.
• تُرى التطبيقات المبكرة بالفعل في أدوات مثل Agent Finder الخاص بـ GitHub Copilot.

لماذا تحتاج أدوات مساعد الأكواد بالذكاء الاصطناعي إلى اكتشاف أفضل

لقد أدى انتشار قدرات الذكاء الاصطناعي إلى خلق تحدٍ كبير لمطوري البرمجيات: كيف يمكن لوكلاء الذكاء الاصطناعي العثور بكفاءة على مجموعة واسعة من الأدوات وواجهات برمجة التطبيقات والخدمات الخارجية المتاحة والتكامل معها؟ بينما توجد بروتوكولات لكيفية استدعاء وكيل الذكاء الاصطناعي لأداة ما، فإن المرحلة المبكرة الحاسمة للاكتشاف كانت تفتقر إلى حد كبير إلى معيار مشترك ومفتوح. غالبًا ما تؤدي هذه الفجوة إلى الاعتماد على عمليات تكامل مبرمجة يدويًا أو قوائم ثابتة، مما يعيق الطبيعة الديناميكية والمستقلة المتصورة لوكلاء الذكاء الاصطناعي المتقدمين.

سلط سرينيفاس كريشنان، مهندس متميز في Google Cloud، الضوء على الدافع الأساسي، مشيرًا إلى أنه بينما المشكلة بسيطة في طرحها، فإن حلها بفعالية ضمن سياق المؤسسة يتطلب أكثر من مجرد إيجاد حل عملي. إنه يتطلب حوكمة وأمان وهوية مدمجة، بدلاً من إضافة هذه المكونات الحاسمة كأفكار لاحقة. تهدف مواصفات ARD إلى سد هذا الفراغ، من خلال إنشاء طبقة اكتشاف تكميلية تعمل عبر أطر عمل ومقدمي خدمات الذكاء الاصطناعي المختلفة، مما يبسط العملية للمطورين الذين يستفيدون من أدوات الذكاء الاصطناعي للمطورين.

فهم جوهر ARD: الكتالوجات والسجلات

في قلب مواصفات ARD توجد بنيتان أساسيتان: الكتالوجات والسجلات. يمكن للمؤسسات نشر ملف ai-catalog.json قابل للقراءة آليًا ضمن نطاقها. يعمل هذا الملف كبيان، يصف القدرات المتاحة، مثل أدوات محددة، وواجهات برمجة التطبيقات، والمهارات، أو نقاط نهاية وكيل الذكاء الاصطناعي، التي تقدمها المؤسسة للتفاعل مع الذكاء الاصطناعي.

ثم تعمل السجلات كمجمعات، تجمع هذه الكتالوجات من مصادر مختلفة. يسمح هذا التجميع لوكلاء الذكاء الاصطناعي بإجراء عمليات بحث بناءً على نية مهمتهم، بدلاً من الحاجة إلى معرفة مسبقة بنقاط نهاية محددة. بالنسبة لمطوري البرمجيات، هذا يعني أن وكيل الذكاء الاصطناعي يمكنه تحديد موقع خدمة أو أداة ذات صلة ديناميكيًا عبر حدود تنظيمية مختلفة، مما يعزز بشكل كبير مرونة وقوة برمجة الذكاء الاصطناعي. يضمن التصميم التوافق مع معايير التنفيذ الحالية مثل Model Context Protocol (MCP) و OpenAPI، مما يضمن التكامل السلس في أنظمة التطوير الحالية.

تأمين تفاعلات وكلاء الذكاء الاصطناعي عبر الحدود التنظيمية

أحد الجوانب الحاسمة في مواصفات ARD هو تركيزها على الثقة والتحقق. في البيئات التي قد يقوم فيها وكلاء الذكاء الاصطناعي المستقلون بتشغيل إجراءات عبر خدمات الطرف الثالث وأنظمة المؤسسات المعقدة، فإن القدرة على التحقق من أصالة ومصدر المورد المكتشف أمر بالغ الأهمية. تدمج ARD آليات الملكية والتحقق القائمة على النطاق مباشرة في تصميمها.

هذا يعني أنه قبل أن ينشئ وكيل الذكاء الاصطناعي اتصالاً أو يستخدم قدرة مكتشفة، يمكنه التحقق من شرعية المورد. يعد هذا الإجراء الأمني المدمج حيويًا لتقليل المخاطر، خاصة في تطبيقات المؤسسات الحساسة حيث لا يمكن المساومة على الحوكمة وسلامة البيانات. بالنسبة لمطوري البرمجيات الذين يبنون حلول ذكاء اصطناعي قوية، توفر طبقة الثقة هذه ضمانًا أساسيًا بأن وكلاء الذكاء الاصطناعي يتفاعلون مع خدمات تم التحقق منها ومصرح بها، مما يعزز الوضع الأمني العام لتطبيقاتهم.

التطوير التعاوني والتطبيقات الناشئة

تعد مواصفات ARD نتيجة لتعاون مكثف عبر صناعة التكنولوجيا، مع مساهمات من كونسورتيوم من الشركات الرائدة بما في ذلك Microsoft و GitHub و Hugging Face و Cisco و Databricks و GoDaddy و NVIDIA و Salesforce و ServiceNow و Snowflake. يؤكد هذا الدعم الصناعي الواسع على الحاجة المعترف بها لمثل هذا المعيار ويضمن قابليته للتطبيق على نطاق واسع.

تُظهر التطبيقات المبكرة بالفعل الفائدة العملية لـ ARD. يستفيد Agent Finder الخاص بـ GitHub، المدمج في GitHub Copilot، وأداة Discover Tool الخاصة بـ Hugging Face من ARD لاكتشاف القدرات في وقت التشغيل، مما يوضح كيف يمكن لهذه المواصفات أن تعزز على الفور وظائف مساعد الأكواد بالذكاء الاصطناعي. أوضحت جينيفر مارسمان، المهندسة الرئيسية في الذكاء الاصطناعي في Microsoft، أن الهدف ليس كتالوجًا عالميًا واحدًا ومتجانسًا. بدلاً من ذلك، تتوقع العديد من خدمات الاكتشاف، كل منها مصمم خصيصًا لمعايير فهرسة وخدمة وتصنيف محددة. أشارت إلى أن ARD تمكّن عملاء الذكاء الاصطناعي من اكتشاف القدرات ولكنها لا تحل محل الوظائف الأساسية مثل المصادقة أو التفويض أو قرارات الثقة التنظيمية. تسلط المناقشات المجتمعية الضوء أيضًا على قيمة هذا التوحيد القياسي لبناء بدائل للأنظمة الاحتكارية، على الرغم من أن جودة ونماذج الوصول للأدوات المكشوفة ستحدد في النهاية تأثيرها الكامل على توليد الأكواد بالذكاء الاصطناعي وإنتاجية المطورين بالذكاء الاصطناعي.

ماذا يعني هذا لمطوري البرمجيات اليوم

بالنسبة لمطوري البرمجيات، تمثل مواصفات Agentic Resource Discovery خطوة مهمة نحو مستقبل أكثر ترابطًا وذكاءً لتطوير الذكاء الاصطناعي. إنها توفر مسارًا موحدًا لخدماتهم وأدواتهم ليتم اكتشافها واستخدامها من قبل جيل جديد من وكلاء الذكاء الاصطناعي، بما في ذلك أدوات مساعد الأكواد بالذكاء الاصطناعي المتقدمة. يمكن أن يؤدي هذا إلى عمليات تكامل أكثر ديناميكية، وتقليل الأكواد المتكررة، وزيادة الكفاءة في تطوير التطبيقات المدعومة بالذكاء الاصطناعي.

المواصفات متاحة حاليًا مع تطبيقات مرجعية ووثائق، مما يوفر فرصة ملموسة للمطورين للمشاركة. يجب على مطوري البرمجيات استكشاف التطبيقات المرجعية ووثائق مواصفات ARD لفهم كيفية جعل خدماتهم قابلة للاكتشاف بواسطة وكلاء الذكاء الاصطناعي، والاستعداد لمستقبل من سير عمل التطوير الأكثر ترابطًا وذكاءً. يمكن أن يؤدي هذا التفاعل الاستباقي إلى تمكينهم من الاستفادة من أدوات الذكاء الاصطناعي الناشئة للمطورين، سواء كانوا يبنون باستخدام GitHub Copilot، أو يستكشفون بدائل GitHub Copilot، أو يدمجون أدوات تصحيح أخطاء الذكاء الاصطناعي في خطوط أنابيبهم، مما يعزز في النهاية إنتاجيتهم كمطورين بالذكاء الاصطناعي.