Hugging Face 推出 Discover Tool,實作 Agentic Resource Discovery 規範
Agentic Resource Discovery: Let agents search
Hugging Face 推出 Discover Tool,作為 Agentic Resource Discovery(ARD)規範的參考實作,讓智能體可在執行時搜尋並發現能力。
ARD 把能力發現由預先安裝轉為跨登錄表搜尋,Hugging Face Discover 可按需求將 Space 呈現為技能或 MCP 伺服器。
如果你今天正以代理程式開發,很可能已熟悉三種協定。MCP 為代理程式提供呼叫工具的標準方式;Skills 讓代理程式可以使用指示;A2A 則讓代理程式可以呼叫其他代理程式。這三者都假設使用者已知道自己需要哪個工具、指示或代理程式。發掘、整合及維護這些能力,仍然由使用者負責。
Agentic Resource Discovery(ARD)規格是位於這些協定前方的探索層。這是一項草案形式的開放規格,由 Microsoft、Google、GoDaddy、Hugging Face 等公司的貢獻者共同開發,並獲得業界廣泛參與。它定義代理程式和工具如何在聯邦式登錄庫中編目、索引及搜尋,讓代理程式可在執行時尋找能力,而毋須預先安裝。它不是產品,也不是市集,而是一項任何公司都可獨立實作、任何代理程式或工具都可參與的共用標準。
本文會探討這項規格、Hugging Face 如何實作它,以及你如何開始以 ARD 建構應用。
代理程式能力的探索難題
目前代理程式能力的模式是先安裝、後使用。開發者會把 MCP 伺服器 URL 寫死在設定檔中;使用者則透過外掛程式把服務連接到 AI 應用,並重複使用。這對代理程式每天使用的少數工具行得通,但無法擴展至數以千計、按需要出現的介面。
另一種做法是把所有可用工具的描述全數放進 LLM 的上下文視窗,讓模型自行選擇。這受上下文預算所限。雖然也有以搜尋為本的策略,但工具描述往往太簡略,難以清楚區分。
ARD 把選擇工作移到 LLM 之外。登錄庫會以更豐富的訊號為能力建立索引,例如發佈者身分、具代表性的查詢、合規證明及標籤,並提供 REST 端點。用戶端以自然語言搜尋,模型再呼叫搜尋結果所列出的能力。這種轉變由手動安裝的靜態目錄,改為以意圖為本的搜尋,讓代理程式可動態找出合適能力,並接觸日益擴大的 MCP 工具、A2A 代理程式及其他服務生態系,而毋須逐一預先設定。
這項規格定義兩項內容:
- 名為
ai-catalog.json的靜態資訊清單格式,讓發佈者可在指定的知名 URL 上託管其能力。 - 位於
POST /search的動態登錄庫 API,提供即時、按排名排列的探索結果。
ARD 與 Hugging Face Hub
Hugging Face 的 Discover Tool 是我們對 ARD 的參考實作。它提供搜尋數以千計 Skills、ML 應用程式及 MCP 伺服器的途徑,涵蓋 Hugging Face 平台及其他 ARD 探索服務。
它結合 Hub 現有的 Spaces 語意搜尋與我們的 Agent Skills,並以 ARD 目錄項目的形式提供搜尋結果。Hub 已託管一個目錄,當中包括執行 Gradio 應用程式、MCP 伺服器及示範項目的 Spaces。其語意搜尋支援 agents=true 旗標,會按代理程式相關中繼資料為 Spaces 排名;Discover 則把該搜尋轉換成符合 ARD 規格的結果。
這個轉接器會套用兩項篩選。第一,回應只包括執行階段狀態為 RUNNING 的 Spaces。第二,回應的媒體類型由請求指定。支援三種媒體類型:
application/ai-skill:預設類型。系統會產生一份SKILL.md,包裝該 Space 的agents.md。application/mcp-server+json:適用於標記為mcp-server的 Spaces 之 MCP 伺服器目錄項目。application/vnd.huggingface.space+json:原始 Space 中繼資料,供希望自行處理資料的用戶端使用。
Skill 類型還會經過額外轉換。許多 Spaces 都附有 agents.md 檔案,説明代理程式應如何與它們互動。Discover 會讀取該檔案,再以 Skill 使用者預期的前置資料包裝,包括 name、description,以及涵蓋 Space ID、Hub URL、應用程式 URL 和原始 agents.md URL 的來源中繼資料。所得的 Skill 可由任何支援 Skill 的用戶端,透過正常的 Skill 流程安裝或載入。
對於標記為 MCP 的 Spaces,轉接器會產生目錄項目,指向該 Space 以 HTTP 傳輸提供的 Gradio MCP 端點。如果 Hub 提供 Space 的執行時網域,URL 便會使用該網域;否則會採用標準的 .hf.space slug 命名方式。
使用方式
discover 已內置於 Hugging Face CLI(hf)。如要開始使用並讓你或代理程式取得存取權:
# Install the Hugging Face CLI tool:
uv tool install huggingface_hub
# Search for resources to train a model
hf discover search "Fine tune a language model"
# Find MCP Servers to generate an image
hf discover search "Generate an image" --json --kind mcp
# Search other registries
hf discover search "Purchase aeroplane tickets" --registry-url <catalog-url>
REST API 與 MCP 工具
你也可以透過 REST API 或 MCP 伺服器直接搜尋目錄。
Hugging Face 目錄發佈於以下指定的知名 URL:
https://huggingface.co/.well-known/ai-catalog.json
如要直接呼叫搜尋:
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
}'
搜尋 MCP 伺服器
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
}'
另一個方法是把任何 MCP 用戶端連接至 MCP 端點 https://huggingface-hf-discover.hf.space/mcp,透過 MCP 搜尋目錄。
這對規格代表甚麼
ARD 把探索與執行分開。靜態資訊清單格式由媒體類型決定,因此任何製品協定都可沿用同一封裝,毋須修改規格本身。登錄庫 API 是標準 HTTP REST,因此任何用戶端都可與它進行聯邦搜尋。Discover 是整個生態系中多個規格參考實作之一;由於聯邦功能已納入協定,透過其中一個服務搜尋,也可以找到由另一個服務託管的能力。
Discover Tool 是對這項設計的實際測試。它沒有另創一種製品格式,而是把現有搜尋後端 Hub 包裝在規格所定義的封裝內,讓同一批 Spaces 可按用戶端的要求,以 Skills 或 MCP 伺服器的形式呈現。
下一步是更緊密地整合規格中的聯邦模式(auto、referrals、none),並由 Hub 支援在使用者及機構個人檔案上提供靜態 ai-catalog.json 資訊清單。這項支援推出後,任何 Space 發佈者都能透過標準的知名 URI 機制,公佈自己的能力。
延伸閲讀
- Agentic Resource Discovery 規格:https://agenticresourcediscovery.org/
- Hugging Face Discover Tool:https://github.com/huggingface/hf-discover
- Hugging Face CLI:https://github.com/huggingface/huggingface_hub
- Hub 上的 Agent Skills:https://huggingface.co/docs/hub/agents-skills
- Hugging Face Spaces:https://huggingface.co/spaces
來源:Hugging Face Blog · huggingface.co