Agentic Resource Discovery: Let agents search for tools, skills, and other agents

编译摘要

核心结论1: ARD（Agentic Resource Discovery）是 MCP/Skills/A2A 之上的发现层，将 agent 能力发现从"安装后使用"转为"意图搜索"
- 关键证据: 开放规范由 Microsoft、Google、GoDaddy、Hugging Face 等贡献；定义 ai-catalog.json 静态清单 + POST /search 动态注册 API
核心结论2: HuggingFace Discover 是 ARD 参考实现，将 Hub 上的 Spaces 语义搜索结果转换为 ARD 目录条目（skills / MCP servers / raw metadata）
- 关键证据: 支持三种媒体类型（application/ai-skill、application/mcp-server+json、application/vnd.huggingface.space+json）；自动过滤运行中 Spaces
核心结论3: ARD 将选择移出 LLM 上下文窗口——注册表以发布者身份、代表性查询、合规证明等富信号索引能力，客户端自然语言搜索后模型调用返回结果
- 关键证据: 当前 fallback 是将所有工具描述 dump 到上下文窗口；ARD 通过 REST 端点提供有排名的发现结果

关于"发现层"的实际采用: ARD 是 draft 规范，实际采纳程度未知；MCP 本身仍在早期，发现层是否过早抽象化尚不确定
关于"联邦搜索"的质量: 跨注册表联邦搜索时，不同注册表的信号质量和排名标准不一致，可能导致搜索结果质量参差不齐
关于与现有生态的竞争: HuggingFace Discover 直接与 OpenRouter、Smithery 等工具发现平台竞争；ARD 作为开放规范是否能统一生态取决于大厂支持持续性

MCP-Registry: ARD 是 MCP-Registry 概念的扩展——从 MCP 工具注册扩展到跨协议（MCP/Skills/A2A）发现
Tool-Use-Architecture: ARD 将工具发现从 harness 内部移到外部注册表，改变了 Tool-Use-Architecture 中工具选择的架构位置
Agent-Infra: ARD 作为发现层是 Agent-Infra 基础设施的重要组件——agent 不仅需要执行工具，还需要发现工具
Open-Source-Operational-AI-Framework: ARD 的开放规范策略与 Open-Source-Operational-AI-Framework 中开源运营框架的思路一致