谷歌联合多家行业合作伙伴发布了 Agentic Resource Discovery（ARD，面向 Agent 的资源发现）规范。这项开放标准意在让 AI Agent 能够跨组织发布、发现并验证外部工具、API 和服务。ARD 是为解决当前 AI Agent 基础设施中的一个关键问题：虽然各类工具和能力已经广泛存在，但缺乏统一的发现机制和信任体系。
目前，Model Context Protocol（MCP） 等协议定义了 AI Agent 如何调用工具，而 ARD 关注的是整个生命周期中更早的一个环节——Agent 如何发现这些工具。ARD 并非用于取代现有标准，而是作为一层独立的资源发现机制，与不同框架和服务提供商兼容，并可与现有标准协同工作。
谷歌云杰出工程师 Srinivas Krishnan 表示：
这个问题说起来很简单，但真正解决起来并不容易，尤其是在企业环境中。企业需要的不只是“找到一个能用的工具”，还必须具备完善的治理能力，并将安全和身份认证作为系统设计的一部分，而不是事后再补上。
ARD 规范引入了两个核心概念：Catalog（资源目录） 和 Registry（注册中心）。组织可以在自己的域名下发布一个机器可读的 ai-catalog.json 文件，用于描述可提供的能力，例如工具、API、Skill 以及 Agent Endpoint。Registry 则负责聚合这些 Catalog，并允许 Agent 根据任务意图搜索所需能力，而无需依赖预先写死的集成逻辑或静态 Endpoint 列表。借助这种机制，Agent 可以跨组织发现相关资源，同时仍然兼容 MCP、OpenAPI 等现有执行标准。
ARD 工作流程（来源：谷歌博客）
信任与验证机制是 ARD 设计中的核心组成部分。ARD 提供基于域名的资源归属和验证机制，使 Agent 在建立连接之前能够确认所发现资源的真实性。这一设计是为降低自主 Agent 调用第三方服务或企业内部系统时可能带来的安全风险。
在 Reddit 社区的讨论中，有观点认为，统一标准带来的最大价值在于降低生态系统的开发门槛：
一个统一的基础协议，可以让开发者更容易构建替代方案，而不必逐一研究各种私有文档和接口格式。
不过，也有人指出，这类资源发现机制最终能发挥多大价值，仍然取决于可供发现的工具质量，以及这些工具采用怎样的访问和计费模式。
ARD 规范由谷歌联合微软、GitHub、Hugging Face、Cisco、Databricks、GoDaddy、英伟达、Salesforce、ServiceNow 和 Snowflake 等企业共同制定。目前，已有多个基于 ARD 的早期实现。例如，GitHub 在 Copilot 中推出的 Agent Finder，以及 Hugging Face 的 Discover Tool，都已利用 ARD 实现运行时能力发现。
微软 AI 首席工程师 Jennifer Marsman 表示：
ARD 的目标并不是建立一个包含所有资源的全球统一目录。未来会存在许多资源发现服务，它们会根据各自索引的资源、服务对象以及排序策略提供不同的能力。ARD 可以帮助 AI 客户端发现这些能力，但它并不能替代身份认证、授权、治理，以及组织层面的信任决策。
目前，ARD 规范已经发布，并提供了参考实现和相关文档，方便企业尝试发布能力目录，并探索规范定义的联邦资源发现模型。规范还包括数据 Schema、信任验证机制以及不同资源发现服务之间实现互操作性的相关指南。未来，ARD 生态将继续通过社区协作不断完善，包括参考实现的反馈，以及对 Schema 和治理模型的持续扩展。
