ARD — สเปกใหม่ให้เอเจนต์ "ค้นหา" ทูล สกิล และเอเจนต์อื่นได้เอง Hugging Face เปิดตัว reference implementation

ทุกวันนี้คนที่สร้างด้วยเอเจนต์มักรู้จัก 3 โปรโตคอลหลัก — MCP ให้เอเจนต์เรียกทูลได้มาตรฐานเดียวกัน, Skills ให้เอเจนต์รับชุดคำสั่ง/ความรู้, และ A2A ให้เอเจนต์เรียกเอเจนต์อื่น แต่ทั้งสามอย่างตั้งสมมุติฐานเดียวกันคือ “ผู้ใช้รู้อยู่แล้วว่าต้องใช้ทูล สกิล หรือเอเจนต์ตัวไหน” ภาระการค้นหา ติดตั้ง และดูแลจึงตกอยู่ที่คนเสมอ เมื่อวันที่ 17 มิถุนายน 2026 Hugging Face ประกาศเปิดตัว reference implementation ของสเปกใหม่ที่มาอุดช่องนี้โดยตรง — Agentic Resource Discovery (ARD)

ARD เป็นสเปกเปิด (ยังเป็น draft) ที่ร่วมร่างโดยผู้มีส่วนร่วมจาก Microsoft, Google, GoDaddy, Hugging Face และอีกหลายเจ้าในอุตสาหกรรม มันไม่ใช่ผลิตภัณฑ์และไม่ใช่ marketplace แต่เป็น “มาตรฐานกลาง” ที่ใครจะ implement เองก็ได้ และทูลหรือเอเจนต์ใดก็เข้าร่วมได้

ปัญหาการค้นหาที่ ARD พยายามแก้

โมเดลการใช้งานปัจจุบันคือ “ติดตั้งก่อน ใช้ทีหลัง” — นักพัฒนา hardcode URL ของ MCP server ลงไฟล์ config หรือผู้ใช้เชื่อมต่อบริการผ่าน plugin ทีละตัว วิธีนี้ใช้ได้กับทูลไม่กี่ตัวที่ใช้ประจำ แต่ไม่ scale เมื่อต้องเจอทูลหลักพันแบบเฉพาะกิจ ส่วนทางเลือกที่โยนคำอธิบายทูลทุกตัวเข้า context window แล้วให้โมเดลเลือกเอง ก็ติดเพดาน context budget และคำอธิบายมักบางเกินกว่าจะแยกแยะได้ดี

ARD ย้าย “การเลือก” ออกจาก LLM ไปไว้ที่ registry ที่ index ความสามารถพร้อมสัญญาณที่รวยกว่า เช่น ตัวตนผู้เผยแพร่ คำค้นตัวอย่าง การรับรองด้านการปฏิบัติตามข้อกำหนด และแท็ก จากนั้นเปิด REST endpoint ให้ไคลเอนต์ค้นด้วยภาษาธรรมชาติ แล้วโมเดลค่อยเรียกสิ่งที่ผลการค้นหาส่งกลับมา สเปกนิยาม 2 อย่างหลัก คือ ไฟล์ manifest แบบ static ชื่อ ai-catalog.json ที่ผู้เผยแพร่โฮสต์ไว้ที่ well-known URL และ registry API แบบ dynamic ที่ POST /search สำหรับการค้นหาแบบจัดอันดับสด

Discover Tool ของ Hugging Face

Hugging Face เปิด Discover Tool (ผนวกอยู่ใน Hugging Face CLI คำสั่ง hf discover search) เป็น reference implementation ที่ค้นหา Skills, แอป ML และ MCP Server ได้หลายพันรายการทั้งบน Hugging Face และข้ามไปบริการ ARD อื่น ๆ เบื้องหลังคือการนำ semantic search เดิมของ Hub มาห่อด้วยซองของสเปก ARD โดยรองรับ 3 media type — application/ai-skill (ห่อ agents.md ของ Space เป็น SKILL.md), application/mcp-server+json และ metadata ดิบของ Space — จุดสำคัญคือ federation ถูกออกแบบมาในตัวโปรโตคอล ฉะนั้นการค้นผ่านบริการหนึ่งสามารถเผยให้เห็นความสามารถที่โฮสต์อยู่อีกบริการได้

มุมมอง AI Curator

ปี 2026 เป็นปีที่ “ระบบ skill ของเอเจนต์” โตเร็วจนเริ่มเจอปัญหาคลาสสิกของทุกระบบนิเวศซอฟต์แวร์ — เมื่อของมีเยอะเกินไป ปัญหาไม่ใช่ “มีของหรือเปล่า” แต่เป็น “หาเจอไหม” MCP, Skills และ A2A แก้เรื่อง interoperability ได้ดี แต่ ARD กำลังแก้เรื่อง discoverability ซึ่งเป็นด่านถัดไปที่เลี่ยงไม่ได้ ที่น่าสนใจคือรายชื่อผู้ร่วมร่าง — Microsoft, Google, GoDaddy, Hugging Face และเจ้าอื่น ๆ ในวันเดียวกับที่ Google Developers Blog ก็ประกาศ ARD ฝั่งตัวเอง — สะท้อนว่าคู่แข่งยอมจับมือกันวางมาตรฐานกลางก่อนที่ใครจะผูกขาด “search engine ของเอเจนต์” ไว้คนเดียว

สำหรับนักพัฒนาไทยและ SEA ที่กำลังสร้างเอเจนต์หรือ MCP server ของตัวเอง ARD คือสัญญาณว่าการ “ทำให้คนอื่นค้นเจอ” จะกลายเป็นทักษะใหม่ที่ต้องคิดตั้งแต่ออกแบบ — เหมือน SEO ในยุคเว็บ แต่คราวนี้ผู้ค้นหาคือเอเจนต์ ทีมที่ลงทุนเขียน metadata, คำค้นตัวอย่าง และ manifest ให้ดีตั้งแต่วันนี้ จะได้เปรียบเมื่อ ecosystem การค้นหาแบบ federated โตเต็มตัว ข้อควรจับตาคือ ARD ยังเป็น draft และความสำเร็จขึ้นอยู่กับว่า registry รายใหญ่จะ federate กันจริงแค่ไหน หรือสุดท้ายต่างคนต่างทำ catalog ของตัวเองจนแตกเป็นเกาะ

แหล่งข่าว:

• Agentic Resource Discovery: Let agents search — Hugging Face Blog
• Agentic Resource Discovery Specification
• Announcing the Agentic Resource Discovery specification — Google Developers Blog