智能体资源发现：让 AI 智能体能够搜索工具、技能以及其他 AI 智能体。

If you build with agents today, you probably know three protocols. MCP gives agents a standard way to call tools. Skills give agents a way of consuming instructions. A2A gives agents a way to call other agents. All three assume the user already knows which tool, instruction, or agent they need. The user is still responsible for discovering, integrating, and maintaining those capabilities.

Agentic Resource Discovery（ARD）规范是位于这些资源之前的发现层。它是一项由来自 Microsoft、Google、GoDaddy、Hugging Face 等公司的贡献者共同制定的开放草案规范，得到了行业各方的广泛参与。该规范定义了 AI 智能体和工具如何在联邦注册库中被编目、索引和搜索，从而让 AI 智能体能够在运行时发现能力，而无需预先安装。它不是一款产品或一个市场。它是一个共享标准，任何公司都可以独立实施，任何 AI 智能体或工具也都能参与其中。

在这篇文章中，我们将探讨该规范、Hugging Face 如何实现它，以及你如何在 ARD 基础上开始构建。

发现难题

当前 AI 智能体能力的模式是“先安装，后使用”。开发者将一个 MCP 服务器 URL 硬编码到配置文件里。用户通过插件将某个服务连接到自己的 AI 应用，然后反复使用它。这种模式对于 AI 智能体每天使用的少量工具来说行得通，但无法扩展到成千上万个临时接口。

退而求其次的做法是将所有可用的工具描述一股脑塞进大语言模型的上下文窗口，让模型自行选择。这受到上下文预算的限制。虽然也存在基于搜索的策略，但这些描述往往过于单薄，难以很好地消除歧义。

ARD 将选择过程移到了大语言模型之外。注册库使用更丰富的信号（如发布者身份、代表性查询、合规声明和标签）对能力进行索引。它暴露一个 REST 端点。客户端用自然语言进行搜索，模型则调用搜索结果返回的任何内容。这种转变是从手动安装的静态目录转向基于意图的搜索，让 AI 智能体能够动态地找到合适的能力，并触及一个不断扩展的 MCP 工具、A2A 智能体及其他服务生态系统，而无需预先配置每一个。

该规范定义了两个部分：

• 一种名为 `ai-catalog.json` 的静态清单格式，允许发布者将自身能力托管在众所周知的 URL 上。
• 一个动态注册库 API（`POST /search`），提供实时的、带有排名的发现能力。

Hugging Face Hub 上的 ARD

Hugging Face Discover 工具是 ARD 的参考实现。它提供了对数千个 Skills、ML 应用以及 MCP 服务器的搜索访问——涵盖 Hugging Face 平台内以及其他 ARD 发现服务。

它的工作原理是将 Hub 现有的对 Spaces 的语义搜索与我们的 Agent Skills 相结合，并将结果作为 ARD 目录条目提供。Hub 已经托管了一个包含运行 Gradio 应用、MCP 服务器和演示的 Spaces 目录。其语义搜索支持 `agents=true` 标志，该标志会返回按面向智能体的元数据排序的 Spaces，而 Discover 会将该搜索转换为 ARD 规范。

该适配器应用了两个过滤器。首先，响应仅包含运行时状态为 RUNNING 的 Spaces。其次，响应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。生成的 SKILL.md 文件封装了该 Space 的 agents.md。
• application/mcp-server+json：针对标记为 `mcp-server` 的 Spaces 的 MCP 服务器目录条目。
• application/vnd.huggingface.space+json：适用于希望自行处理原始 Space 元数据的客户端的原始 Space 元数据。

技能类型涉及额外的转换。许多 Spaces 都附带有 `agents.md` 文件，描述智能体应如何与它们交互。Discover 读取该文件，并用技能消费者期望的前置元数据进行封装：名称、描述以及包含 Space ID、Hub URL、应用 URL 和原始 agents.md URL 的源元数据。最终生成一个技能，任何支持技能的客户端都可以通过其正常的技能流程安装或加载该技能。

对于标记为 MCP 的 Spaces，适配器会生成一个目录条目，指向该 Space 的 Gradio MCP 端点（通过 HTTP 传输）。当 Hub 提供 Space 的运行时域名时，URL 会使用该域名；否则，使用标准的 `.hf.space` 段约定。

使用方式

discover 已内置在 Hugging Face CLI (`hf`) 中。开始使用并为您或您的智能体提供访问权限：

uv tool install huggingface_hub


hf discover search "Fine tune a language model"


hf discover search "Generate an image" --json --kind mcp


hf discover search "Purchase aeroplane tickets" --registry-url <catalog-url>

REST API 和 MCP 工具

您也可以直接通过 REST API 或 MCP 服务器搜索目录。

Hugging Face 目录发布在其众所周知的 URL 处：

https://huggingface.co/.well-known/ai-catalog.json

直接调用搜索：

POST https://huggingface-hf-discover.hf.space/search

curl -s https://huggingface-hf-discover.hf.space/search \
  -H "Content-Type: application/json" \
  -d '{
    "query": {
      "text": "fine tune a sentence transformer",
      "filter": {
        "type": ["application/ai-skill"]
      }
    },
    "pageSize": 5
  }'

搜索 MCP 服务器

curl -s https://huggingface-hf-discover.hf.space/search \
  -H "Content-Type: application/json" \
  -d '{
    "query": {
      "text": "transcribe some audio",
      "filter": {
        "type": ["application/mcp-server-card+json"]
      }
    },
    "pageSize": 5
  }'

或者，通过 https://huggingface-hf-discover.hf.space/mcp 上的 MCP 端点连接任何 MCP 客户端，以搜索该目录。

这对规范意味着什么

ARD 将发现与执行分离。静态清单格式由媒体类型驱动，因此任何工件协议都可以使用同一信封而无需修改规范层级。注册 API 是纯 HTTP REST 接口，因此任何客户端都可以对其进行联邦聚合。Discover 是生态系统中该规范的几个参考实现之一，并且由于联邦机制内置于协议中，通过一个服务进行的搜索可以展示由另一个服务托管的能力。

Discover Tool 是该设计的一个工作测试。它没有发明新的工件格式。它把现有的搜索后端——Hub——包装在规范的信封中，并允许相同的 Spaces 根据客户端的请求展示为技能或 MCP 服务器。

下一步是与规范的联邦模式（auto、referrals、none）进行更紧密的集成，并在 Hub 侧支持用户和组织配置文件上的静态 `ai-catalog.json` 清单。一旦落地，任何 Space 发布者都将能够通过标准的 well-known URI 机制宣传其能力。

了解更多

• Agentic Resource Discovery 规范：https://agenticresourcediscovery.org/
• Hugging Face Discover 工具：https://github.com/huggingface/hf-discover
• Hugging Face CLI：https://github.com/huggingface/huggingface_hub
• Hub 上的智能体技能：https://huggingface.co/docs/hub/agents-skills
• Hugging Face Spaces：https://huggingface.co/spaces