OpenAgenet(OAN)初探:面向智能体互联网的资源注册与发现基础设施

简介: OpenAgenet(OAN)是面向智能体互联网的开源基础设施,聚焦解决Agent调用外部资源时的核心难题:可信注册、语义发现、跨节点协作与第三方接入。它将MCP Server、Skill等抽象为可验证、可治理的结构化资源,构建注册/发现/索引/SDK全栈能力,推动智能体生态从“手工配置”迈向可信互联。(239字)

最近一段时间,Agent、MCP Server、Skill、工具服务这些词出现得越来越频繁。很多团队都在做智能体应用,但做着做着会遇到一个很现实的问题:

智能体要调用外部能力时,资源到底怎么管理?

  • 资源是谁发布的?
  • 能不能信?
  • 怎么注册?
  • 怎么发现?
  • 能不能跨节点协作?
  • 第三方节点怎么接入?

我最近在看一个开源项目 OpenAgenet(OAN),它切的就是这类基础问题。
它不是一个单纯的资源目录,而是尝试围绕智能体互联网,建立一套资源可信注册、授权分发、语义发现和节点互联机制。

项目地址:


1. 先说场景:为什么智能体系统会卡在“资源接入”这一步?

现在很多 Agent 应用已经能做推理、规划、调用工具了,但一旦外部能力变多,问题就开始显现。

比如一个 Agent 需要:

  • 读取文档
  • 搜索资料
  • 调用内部 API
  • 使用某个 Skill
  • 连接某个 MCP Server
  • 访问某个组织内服务

这时候最麻烦的不是“能不能调用”,而是:

  1. 有没有统一的资源表达方式
  2. 资源是否可信
  3. 资源适合什么场景
  4. 资源能否被机器自动发现
  5. 不同组织、不同节点之间如何互通

如果这些问题没有被抽象清楚,最后就会退化成:

  • README 里贴链接
  • 文档里写地址
  • 配置文件里手工改 endpoint
  • 需要人去判断能不能用

对于小规模系统,这勉强能跑。
但对于真正的智能体生态,这种方式很难扩展。


2. OAN 想解决什么

我对 OAN 的理解是:它在尝试把“智能体资源”做成一类可治理对象。

这里的资源,不只是一段 URL,可能包括:

  • MCP Server
  • Agent Skill
  • 工具 API
  • 知识服务
  • 自动化工作流
  • 智能体服务入口

OAN 的思路是,把这些资源抽象成可以:

  • 注册
  • 校验
  • 验证
  • 发现
  • 分发
  • 跨节点协作

的结构化对象。

换句话说,它更像是智能体互联网里的“资源基础设施”。


3. OAN 的工程结构大致是什么样

从我看的材料里,OAN 目前核心上可以理解成几类组件:

3.1 根节点

负责网络中的基础治理、授权和可信配置。
它更像是整个体系里的治理中枢,而不是普通业务服务。

3.2 注册节点

面向资源发布者。
资源提交到注册节点后,会经历元数据校验、授权域检查、结构化整理等流程。

3.3 发现节点

面向资源使用者和智能体。
它不只是做关键词搜索,而是提供更偏语义化的资源发现能力。

3.4 Indexer

用于索引和查询支撑。
它帮助把注册记录、治理状态、节点信息串起来,提高检索和验证效率。

3.5 SDK / Skill

这是工程落地里比较重要的一层。
如果没有 SDK 和 Skill,很多能力只会停留在文档层。
做成 SDK / Skill 后,开发者和智能体运行环境才能更直接地接入。


4. 我比较关注的几个设计点

4.1 资源身份不是可选项

在很多系统里,资源只是“有个接口地址”。
但在智能体互联场景里,这远远不够。

OAN 里引入 DID、资源元数据、授权域、能力标签等信息,本质上是在回答:

  • 这个资源是谁的
  • 它是什么类型
  • 它能做什么
  • 它是否被授权
  • 它适合被谁发现和使用

这类设计的价值在于:
让资源从“地址”变成“可验证对象”。

4.2 语义发现比关键词检索更贴近 Agent

Agent 的需求通常不是精确关键词,而是任务意图。

比如它可能说:

我需要一个能分析合同、提取条款并提示风险的服务

这时候,如果发现系统只支持关键词,就会比较吃力。
OAN 在发现层强调语义发现,我觉得是符合 Agent 使用习惯的。

4.3 Authorized Domains 不是装饰项

很多平台只看“资源描述”,但 OAN 把授权域单独拿出来,我认为这是比较实用的。

它能表达:

  • 资源适用范围
  • 节点允许接入的边界
  • 不同类别资源的治理约束

这对后续做第三方节点、行业节点、组织内节点都很关键。

4.4 第三方节点接入需要可测试

如果未来不是只有一个官方节点,而是多个注册节点、发现节点并存,那就必须考虑:

  • 接口是否兼容
  • 元数据是否一致
  • 返回结果是否可验证
  • 错误处理是否规范
  • 节点状态是否可判断

所以我理解 OAN 现在在做第三方节点接入测试套件,这一步其实是很工程化的:
没有测试准入,生态就很难真正长出来。


5. OAN 和“普通资源目录”有什么区别

很多人看到这种项目,第一反应可能是:
这不就是一个资源目录吗?

我的看法是:不完全是。

普通目录更像“资源展示”。
OAN 更像“资源治理 + 资源发现 + 节点互联”的组合。

差别主要在这几层:

5.1 不只是展示资源

还要验证资源身份、元数据和授权状态。

5.2 不只是搜索

还要支持面向任务意图的发现。

5.3 不只是单点网站

还要支持不同运营方、不同节点之间的协作。

5.4 不只是人用

还要让 Agent、SDK、Skill 也能直接接入。


6. 如果从开发者视角看,OAN 适合哪些工作落点

6.1 做 Agent 工具平台的人

可以把工具资源结构化,进入统一的注册与发现流程。

6.2 做 MCP Server 的人

可以把服务作为可发现资源来管理,而不是仅靠仓库和文档传播。

6.3 做企业内部智能体平台的人

可以用 OAN 这类思路,把内部资源纳入统一治理。

6.4 做协议、标准和基础设施的人

可以重点看它在资源身份、授权域、节点治理、发现机制上的设计。


7. 我建议先从哪些内容开始看

如果你想快速了解 OAN,建议按这个顺序:

  1. 先看官网和 Docs,了解它的基本概念
  2. 再看资源注册和发现页面
  3. 再看白皮书、黄皮书和设计文档
  4. 最后看 SDK、Skill 和第三方节点测试套件

官网:

GitHub:


8. 一个比较务实的判断

我个人觉得,OAN 这类项目的价值,不在于“又做了一个门户”,而在于它开始认真处理智能体互联网里几个基础但绕不开的问题:

  • 资源怎么表示
  • 资源怎么被信任
  • 资源怎么被发现
  • 资源怎么跨节点流通
  • 第三方节点怎么接入
  • Agent 怎么真正用起来

这几个问题,短期看像基础设施,长期看其实决定了生态能不能长出来。


9. 结语

如果你现在也在做 Agent、MCP、Skill、工具服务,或者在研究智能体互联相关方向,OAN 值得看一看。

它不一定是最终答案,但它至少把几个关键问题摆到了台面上:

  • 资源身份
  • 授权边界
  • 语义发现
  • 节点协作
  • 接入测试

这些问题,迟早都会变成智能体平台绕不过去的工程问题。

相关文章
|
7天前
|
人工智能 JSON 安全
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
阿里云AI安全产品联动防御Fastjson攻击
2043 11
Fastjson远程代码执行漏洞,阿里云AI安全为您保驾护航
|
7天前
|
云安全 人工智能 安全
|
7天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max-Preview深度全解析:2.4万亿参数旗舰MoE模型+Token Plan限时优惠完整落地指南
2026年7月,全新旗舰级混合专家大模型Qwen3.8-Max-Preview正式开放抢先体验,作为通义千问Qwen3系列规格最高、综合推理能力顶尖的新一代模型,该模型总参数量达到2.4万亿(2.4T),是当前线上可调用的原生多模态旗舰模型,综合推理水准对标海外顶级Fable 5模型,在复杂工程开发、长文档深度分析、多步骤智能体自治、跨境多语言创作、海量数据挖掘五大高难度业务场景实现跨越式性能提升。
903 1
|
7天前
|
人工智能 自然语言处理 数据挖掘
最新版通义千问(Qwen3.8-Max-Preview)功能介绍
2026年,通义千问正式推出全新旗舰级大模型 **Qwen3.8-Max-Preview 预览版**,作为首款突破万亿参数规格的新一代基座模型,该模型总参数量达到**2.4万亿**,采用全新迭代的MoE混合专家架构,综合推理性能、长文本处理、多模态理解、复杂任务规划能力全面超越前代Qwen3.7-Max版本,整体实力跻身全球第一梯队,可对标海外顶级旗舰模型,是当前面向复杂工程开发、多智能体协同、超长文档解析、专业办公自动化场景的最优国产基座模型。
911 0
|
9天前
|
人工智能
Qwen3.8抢先体验!正式版即将发布并开源!
千问Qwen3.8即将开源,参数达2.4T,进化速度以“天”计,实力媲美Fable 5。预览版Qwen3.8-Max已上线阿里Token Plan等平台,限时优惠:日间Credits低至1折,夜间更优,个人/团队版月付仅35元起!
912 39
|
5天前
|
自然语言处理 测试技术 API
通义千问Qwen3.8-Max-Preview全功能解析:2.4万亿参数旗舰模型深度使用指南
在大模型技术持续迭代的当下,通义千问推出的Qwen3.8-Max-Preview作为新一代旗舰预览版模型,凭借2.4万亿参数的超大规模、多模态融合能力与全场景适配特性,成为开发者与企业用户探索AI应用的核心工具。该模型采用稀疏混合专家(MoE)架构,是通义千问首个突破万亿参数的多模态模型,可同时处理文本、图像、视频与文档等多种数据形态,在全栈代码开发、复杂逻辑推理、长文档分析与多智能体协作等场景实现跨越式升级。本文将全面拆解Qwen3.8-Max-Preview的核心功能,详解API调用流程与配置方法,覆盖多场景实战技巧,帮助用户快速掌握这款旗舰模型的使用方法,充分释放其性能潜力。
444 1
|
8天前
|
人工智能 自然语言处理 数据挖掘
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南
Qwen3.8-Max-Preview是通义千问Qwen3系列旗舰MoE大模型,参数达2.4万亿,综合推理能力居行业第一梯队。支持思考/快速双模式,擅长大模型五大高难场景。现于阿里云百炼Token Plan、Qoder及QoderWork上线体验,个人版低至39元/月。在阿里云百炼官网:https://t.aliyun.com/U/fPVHqY 免费领取千万Tokens
669 1
Qwen3.8-Max 预览版全解析:2.4 万亿参数旗舰模型,Token Plan 限时优惠指南

热门文章

最新文章