从找到资源到放心调用:智能体互联网为什么需要信任层

简介: OAN构建智能体互联网可信基础设施,聚焦“发现→可信调用”闭环:通过DID身份、Root验证、包级哈希与授权域校验,确保资源可溯、可用、可验,解决自动调用中的信任缺口。(239字)

发现之后还有信任缺口

在普通互联网里,“搜索到一个链接”并不等于“可以信任这个链接”。在智能体互联网里,这个问题会被放大。因为智能体不是只阅读页面,它可能会自动调用工具、提交参数、触发交易、访问企业系统,甚至把某个外部服务纳入自己的任务链路。此时,发现一个资源只是第一步,更关键的是判断它能否被放心调用。

OAN 把这个问题称为从发现到可信调用之间的信任缺口。传统搜索引擎主要解决相关性问题:哪些结果更可能匹配用户输入。智能体资源发现还必须解决可信性问题:结果是否来自被验证的资源包,资源的 DID 文档是否匹配,包哈希是否一致,Root Proof 是否有效,Discovery 节点是否有权在对应授权域内返回该资源。

注册提交不是普通表单

在 OAN 中,一个资源进入网络通常要经过 Registrar、Root、CDN 和 Discovery 的协作。资源提供者先通过 Registrar 准备注册数据,包括资源 DID、资源类型、描述、能力标签、授权域、服务入口、协议绑定、包版本和哈希等。面向协议层,这些数据会被组织为 ResourceRegistrationSubmission:其中既有 resourceDidresourceTypedidDocumentmetadata 等可读信息,也有 didDocumentHashmetadataHashpackageHashhashAlgorithm 等完整性字段,还可以携带注册凭证和主体控制证明。

Registrar 不只是表单入口。它可以做草稿校验、授权域候选、能力标签建议和主体控制证明收集。更重要的是,Registrar 自身也需要被治理授权。OAN 的注册请求并不是普通 HTTP 表单,而是可以放入 SignedRequestEnvelope 的协议请求:请求中包含协议版本、用途、方法、路径、受众、时间戳、nonce、body hash 和 proof。这样 Root 在接收上游提交时,可以验证“是谁代表哪个注册节点提交了什么内容”,而不是只相信网络来源。

Root 验证和 Discovery 校验

Root 验证通过后,会形成可被后续节点验证的资源包和 Root Proof。Root 检查 DID 文档完整性、资源类型一致性、主体控制证明、包哈希、元数据哈希和上游签名等条件。CDN 负责把资源包分发出去,但 CDN 不是信任权威。Discovery 同步资源包时,需要验证 DID 文档哈希、元数据哈希、包哈希、Root Proof、Root bulletin 事件和授权域条件。只有通过这些验证的资源,才应进入可查询索引。

阶段 主要输入 核心检查 输出
Registrar 接入 资源 DID、描述、标签、授权域、入口 草稿完整性、控制证明 注册提交
Root 验证 注册提交、上游签名、包材料 DID / 元数据 / 包哈希一致性 ResourcePackage + Root Proof
CDN 分发 已验证资源包 分发一致性 可拉取工件
Discovery 同步 资源包、Root bulletin、授权域 包级证据、授权域、生命周期 可查询候选资源

这套流程看起来比“提交一个 URL 到目录网站”复杂,但复杂性正对应了智能体调用的风险。如果一个 Discovery 结果只包含名称和链接,调用者仍然不知道资源是否被篡改、是否过期、是否来自真实发布者、是否被治理规则撤销。OAN 的做法是把这些信任信息沉淀为协议对象和可验证证据,使客户端、SDK 或用户智能体可以在调用前做机器可读的核验。

相关性不能覆盖可信性

这里还要区分两个概念:相关性和可信性。Discovery 可以根据查询语义、能力标签、资源类型、协议类型等进行匹配和排序,但本地排序不能覆盖 Root 信任事实。一个资源可以非常相关,但如果它没有通过 Root 验证,或者不属于 Discovery 节点当前授权域,就不应该被当作可信候选返回。反过来,一个资源通过了 Root 验证,也不代表它一定是“最好”的服务,它只是进入了可信发现的基础集合。

从接口上看,这种链路并不要求用户理解全部内部细节。注册侧可以通过 POST /resources/register 或分步骤提交接口进入 Registrar;发现侧可以通过 POST /discovery/resources/query 查询资源;Root 侧可以通过 /root/resources/verify-and-publish 完成验证发布。SDK 会进一步封装这些接口,让开发者关注资源描述、版本、入口和验证结果,而不是手写每个签名字段。

面向自动调用的可信候选

这种分层对用户很重要。普通用户希望找到能用的资源;开发者希望自己的 Skill、MCP Server 或 API 能被更多智能体发现;企业希望外部智能体接入资源时,有明确的身份和授权边界。OAN 将这些诉求统一到一个链路里:资源先获得可验证身份,再通过治理认可的基础设施发布和发现,最后由调用方在协议层做核验。

所以,OAN Discovery 不是普通搜索的包装。它更像智能体互联网的“可信候选生成器”。它返回的不只是“看起来相关”的结果,而是经过 Root 验证、包级校验、授权域过滤和 Discovery 签名响应保护的资源候选。对于未来自动化程度更高的智能体协作,这种信任层会变得越来越基础。

可信发现与普通搜索的区别

维度 普通搜索 OAN Discovery
结果依据 文本相关性 相关性加 Root 证明
资源状态 很难确认是否仍可用 可以结合生命周期状态
调用风险 需要调用方自行判断 先过滤明显不可信资源
结果解释 多依赖摘要 DID、证明和元数据可追溯

这并不是说 OAN Discovery 要替代搜索引擎,而是说面向智能体自动调用的发现系统,不能只停留在“搜得到”。

从发现结果走向可调用对象

这里真正重要的是:发现不是把一堆结果排出来,而是把“能够被调用的、来源清楚的、版本明确的资源”送到调用方眼前。这样,Discovery 才能从搜索结果页变成自动化工作流的入口。

发现结果要素 作用 对自动调用的帮助
DID 识别资源主体 知道结果是谁
入口信息 给出调用路径 知道怎么连
授权域 限定治理边界 知道能不能用
版本与状态 标明当前版本 知道是否可直接调用

为什么还要保留人工判断

可信发现并不等于强制调用。对于复杂任务,用户仍然要看描述、能力标签和版本状态;但与普通搜索不同的是,OAN 把这些判断建立在可验证事实之上,而不是只靠文本相似度。

相关文章
|
2月前
|
前端开发 数据挖掘 索引
授权域与能力标签:OAN 为什么要区分治理边界和搜索信号
`authorizedDomains` 和 `capabilityTags` 都会影响资源注册与发现体验,但二者职责不同。授权域表示节点和资源的治理边界,关系到资源是否被允许进入某类发现范围;能力标签则是搜索、召回和排序信号,用来帮助用户表达资源能力。本文说明 OAN 为什么要区分这两个字段,并结合注册页、发现页和推荐机制,解释如何既避免用户输入无效授权域,又保留能力标签的灵活编辑空间。
|
2月前
|
自然语言处理 搜索推荐 开发工具
可信发现不是搜索:OAN Discovery 与普通搜索引擎有什么不同
普通搜索追求相关性排序,但智能体自动调用更关心结果是否可信、版本是否有效、入口是否可用。本文区分 OAN Discovery 与搜索引擎的不同定位:Discovery 面向的是经过 Root 验证、带有 DID、Root Proof、生命周期状态和协议入口的可信候选集合。它可以结合自然语言 query、资源类型、能力标签和版本策略做筛选,但不会把文本相似度等同于可信性,从而更适合自动化调用场景。
|
2月前
|
存储 人工智能 安全
千景 3DVR 全景:轻量化实景数字孪生,打造制造业云端验厂数字化方案
工业数字化转型进入轻量化落地阶段,传统线下验厂、二维宣传存在成本高、真实感不足等痛点。千景 3DVR 全景依托实景三维重建技术,1:1 复刻工厂车间、产线、仓储全场景,搭载交互热点、语音导览、多终端云端分发能力,结合阿里云工业云实现轻量化部署。方案可落地云端远程验厂、企业品牌营销、新员工岗前培训等场景,为中小制造企业提供低成本、可复用的实景数字孪生解决方案,有效降低商务接待成本,提升 B 端客户信任与转化效率。
225 1
|
28天前
|
Web App开发 人工智能 安全
2026 上半年智能体AI Agent趋势报告 GitHub、PH、HF 三端全网数据调研
《AI Agent 市场趋势分析报告(2026 H1)》基于GitHub、Product Hunt等开源数据,深度剖析AI Agent生态:占比15.64%,成增长最快类别;GitHub与Vercel为首选分发平台;设计、营销、编程等垂直场景落地加速;“软件即数字员工”范式兴起,MCP协议与多Agent蜂群成新基础设施。
2026 上半年智能体AI Agent趋势报告 GitHub、PH、HF 三端全网数据调研
|
1月前
|
弹性计算 运维 Kubernetes
2026年8月ECS与containerd可用镜像源清单
本文整理了2026年8月适用于ECS、Kubernetes及containerd节点的9个国内镜像源清单,涵盖Docker Hub、GHCR、K8s、Quay、MCR等主流Registry,并完成端点与manifest级验证。强调需在真实worker节点实测,而非运维机模拟;提供containerd配置、逐源验证及ImagePullBackOff排查方法。(239字)
|
30天前
|
SQL 人工智能 运维
一个多 Agent 零人工运维系统的设计复盘:4 个 Agent、7 个 Skill 与 9 条工程判断
190 万奖金,2026 世界人工智能开源大赛·Agent Infra 赛道火热报名中!
|
12天前
|
人工智能 运维 IDE
Qoder CN(原通义灵码)深度解析:全栈AI研发智能体矩阵、版本差异与多端实操部署指南
原通义灵码完成品牌战略升级,正式更名为Qoder CN。这次升级并非简单更换产品名称,而是产品定位、底层架构、产品形态、计费体系的全方位迭代重构。产品从过去单一的IDE代码补全插件,演进为覆盖编码开发、办公协同、终端运维、云端团队管控的全栈智能研发AI智能体矩阵。整套产品依托本土化大模型底座,高度重视数据安全合规,针对编程学习者、独立开发者、中小研发团队、金融政务等高合规企业设计分层版本,完整覆盖个人练习、商业开发、企业规模化研发的各类场景。本文将从产品全形态矩阵、四大版本功能差异、底层技术兼容能力、核心智能体能力、Credits计费体系、分人群选型建议、多端部署实操七大维度完整拆解,附带可直
194 4
|
29天前
|
缓存 人工智能 API
阿里云百炼deepseek-v4-flash模型介绍:模型特点、适用场景、最新优惠及部署流程参考
本文全面解析了阿里云百炼平台托管的DeepSeek-V4-Flash大模型的核心参数与使用指南。这款总参284B、激活13B的轻量化MoE模型,原生支持百万级超长上下文,最大输出长度可达39万+Tokens,推理速度快、调用成本低,适配日常对话、批量文案处理、基础RAG等高并发普惠场景。文章同步梳理了北京、新加坡、法兰克福等全球5大部署节点的能力支持情况、分区域计费标准与限流规则,同时标注了预览版与2026年7月31日正式稳定版的版本差异,帮助开发者快速完成选型与API集成。
|
30天前
|
开发者 C++ iOS开发
70B 大模型塞进 4GB 显存——AirLLM 这个层加载思路很有意思
AirLLM 是一款创新的轻量级大模型推理框架,无需量化/剪枝,仅凭4GB显存即可运行70B甚至2.8T参数模型。其核心是“按层动态加载+预取优化”,将显存压力从全模型降至单层,兼顾可行性与精度,让消费级GPU轻松跑起超大模型。
275 4
|
1月前
|
缓存 自然语言处理 前端开发
最新版通义千问(Qwen3.7-Plus)功能介绍
通义千问Qwen3.7-Plus是Qwen3.7系列中主打高性价比与全场景落地的主力旗舰模型,定位为**多模态交互混合智能体**,以35B稠密参数架构为基础,在保留接近Max级纯文本与编程能力的同时,实现了视觉-语言能力的全面升级,原生打通文本、图片、截图、短视频、网页五大输入形态,支持GUI可视化界面与CLI命令行双环境操作,真正实现“看、想、写、做、验”的全流程任务闭环。它不仅在BabyVision、Vision Arena等多模态评测中登顶国产第一、跻身全球前五,更以11小时连续自治开发App、1000+次工具调用的实战能力,成为多模态智能体落地的首选基座。本文将从核心技术架构、全栈功能
344 2

热门文章

最新文章