برای آخرین به روزرسانی ها و مطالب اختصاصی در مورد پوشش هوش مصنوعی پیشرو در صنعت ، به خبرنامه های روزانه و هفتگی ما بپیوندید. بیشتر بدانید
در نسل اول وب ، در اواخر دهه 1990 ، جستجو خوب بود اما عالی نبود ، و پیدا کردن چیزها آسان نبود. این امر منجر به ظهور پروتکل های سندیکا در اوایل دهه 2000 شد ، با اتم و RSS (سندیکای بسیار ساده) راهی ساده را برای صاحبان وب سایت فراهم کرد تا عناوین و سایر مطالب را به راحتی در دسترس و جستجو کنند.
در دوره مدرن هوش مصنوعی ، گروه جدیدی از پروتکل ها برای خدمت به همان هدف اساسی در حال ظهور هستند. این بار ، به جای اینکه سایت ها را برای پیدا کردن انسان آسان تر کند ، همه چیز در مورد آسانتر کردن وب سایت ها برای هوش مصنوعی است. پروتکل کنترل مدل Anthropic (MCP) ، Google’s Agent2Agent و Models Light Language/ LLMS.TXT از جمله تلاش های موجود است.
جدیدترین پروتکل تلاش Microsoft’s Open Source NLWeb (وب زبان طبیعی) است که در کنفرانس ساخت 2025 اعلام شد. NLWeb همچنین به طور مستقیم با نسل اول استانداردهای سندیکای وب مرتبط است ، همانطور که توسط RV Guha تصور و ایجاد شده است ، که به ایجاد RSS ، RDF (چارچوب توضیحات منابع) و Schema.org کمک کرده است.
NLWEB وب سایت ها را قادر می سازد تا به راحتی رابط های مکالمه ای با هوش مصنوعی را اضافه کنند ، و به طور موثری هر وب سایت را به یک برنامه هوش مصنوعی تبدیل کنند که در آن کاربران می توانند با استفاده از زبان طبیعی از محتوا پرس و جو کنند. NLWEB لزوماً در مورد رقابت با سایر پروتکل ها نیست. در عوض ، در بالای آنها ساخته می شود. پروتکل جدید از قالب های داده ساختاری موجود مانند RSS استفاده می کند و هر نمونه NLWEB به عنوان سرور MCP عمل می کند.
کوین اسکات مایکروسافت CTO گفت: “ایده پشت NLWeb این است که راهی برای هرکسی که دارای یک وب سایت یا API باشد ، وب سایت خود یا API خود را به راحتی تبدیل کند.” “شما واقعاً می توانید در مورد آن کمی مانند HTML برای وب عامل فکر کنید.”
چگونه NLWEB برای شرکت در وب برای شرکت ها کار می کند
NLWEB وب سایت ها را از طریق یک فرآیند ساده که بر روی زیرساخت های وب موجود در ضمن اعمال بهره برداری از فناوری های مدرن AI ، به تجربیات با هوش مصنوعی تبدیل می شود ، تبدیل می کند.
ساختن داده های موجود: این سیستم با استفاده از داده های ساختاری که وب سایت ها از قبل منتشر می کنند ، از جمله نشانه گذاری ، فیدهای RSS و سایر قالب های نیمه ساختار یافته که معمولاً در صفحات وب تعبیه شده اند ، آغاز می شود. این بدان معناست که ناشران نیازی به بازسازی زیرساخت های محتوای خود به طور کامل ندارند.
پردازش و ذخیره داده ها: NLWEB شامل ابزارهایی برای افزودن این داده های ساختاری به پایگاه داده های بردار است که باعث می شود جستجوی معنایی کارآمد و بازیابی کارآمد باشد. این سیستم از کلیه گزینه های اصلی بانک اطلاعاتی بردار پشتیبانی می کند و به توسعه دهندگان این امکان را می دهد تا راه حلی را انتخاب کنند که به بهترین وجه متناسب با نیازهای فنی و مقیاس آنها باشد.
لایه تقویت AI: LLMS سپس این داده های ذخیره شده را با دانش و زمینه خارجی تقویت می کند. به عنوان مثال ، هنگامی که کاربر در مورد رستوران ها پرس و جو می کند ، این سیستم به طور خودکار با ترکیب محتوای بردار شده با قابلیت های LLM ، به بینش های جغرافیایی ، بررسی و اطلاعات مرتبط می پردازد تا به جای بازیابی داده های ساده ، پاسخ های جامع و هوشمندانه ارائه دهد.
ایجاد رابط جهانی: نتیجه یک رابط زبان طبیعی است که هم به کاربران انسان و هم به عوامل هوش مصنوعی خدمت می کند. بازدید کنندگان می توانند به زبان انگلیسی ساده سؤال کنند و پاسخ های مکالمه ای را دریافت کنند ، در حالی که سیستم های AI می توانند از طریق چارچوب MCP به صورت برنامه ای به برنامه نویسی دسترسی پیدا کنند و از آنها پرس و جو کنند.
این رویکرد به هر وب سایت اجازه می دهد تا بدون نیاز به تعمیرات اساسی فنی ، در وب عامل در حال ظهور شرکت کند. این امر باعث می شود که جستجوی و تعامل با هوش مصنوعی به همان اندازه که ایجاد یک صفحه وب اساسی در اوایل اینترنت در دسترس بود ، در دسترس باشد.
چشم انداز پروتکل AI در حال ظهور گزینه های بسیاری را برای شرکت ها به ارمغان می آورد
پروتکل های مختلف زیادی در فضای هوش مصنوعی ظاهر می شوند. همه آنها همان کار را انجام نمی دهند.
Agent2Agent Googleبه عنوان مثال ، همه چیز در مورد این است که نمایندگان بتوانند با یکدیگر صحبت کنند. این در مورد ارکستر و برقراری ارتباط AI AI است و به خصوص در زمینه AI در وب سایت های موجود یا محتوای هوش مصنوعی متمرکز نیست. ماریا گورسکیخ ، بنیانگذار و مدیرعامل AIA و همکار در تیم پروژه ناندا در MIT ، به VentureBeat توضیح داده شده است که A2A Google کار ساختاری را که بین عوامل با استفاده از طرحواره های تعریف شده و مدل های چرخه عمر انجام می شود ، امکان پذیر می کند.
وی گفت: “در حالی که پروتکل با طراحی منبع باز و مدل-آگنوستیک است ، اجرای و ابزار فعلی آن از نزدیک با پشته جمینی Google گره خورده است-این امر بیشتر از یک رابط ارکستراسیون پس زمینه است تا یک رابط عمومی برای خدمات مبتنی بر وب.”
یکی دیگر از تلاش های نوظهور llms.txt است. هدف آن کمک به LLMS بهتر به محتوای وب است. در حالی که روی سطح است ، ممکن است تا حدودی مانند NLWeb به نظر برسد ، این یکسان نیست.
مایکل NI ، VP و تحلیلگر اصلی در Constellation Research به VentureBeat گفتند: “NLWeb با LLMS.TXT رقابت نمی کند ؛ این با ابزارهای خراش وب که سعی در استنباط قصد از یک وب سایت دارند ، قابل مقایسه تر است.”
Krish Arvapally ، بنیانگذار و CTO Dappier ، به VentureBeat توضیح داد که llms.txt فرمت به سبک Markdown را با مجوزهای آموزش ارائه می دهد که به خزندگان LLM کمک می کند تا محتوا را به طور مناسب مصرف کنند. NLWEB بر فعال کردن تعامل در زمان واقعی به طور مستقیم در وب سایت ناشر تمرکز دارد. خندقپیر دارای سکوی خاص خود است که به طور خودکار فیدهای RSS و سایر داده های ساختاری را مصرف می کند ، سپس رابط های مکالمه ای با نام تجاری و تعبیه شده را ارائه می دهد. ناشران می توانند محتوای خود را به بازار داده خود پیوند دهند.
MCP پروتکل بزرگ دیگر است و به طور فزاینده ای به یک استاندارد de facto و یک عنصر اساسی NLWEB تبدیل می شود. اساساً ، MCP یک استاندارد باز برای اتصال سیستم های AI با منابع داده است. NI توضیح داد که از نظر مایکروسافت ، MCP لایه حمل و نقل است ، جایی که ، با هم ، MCP و NLWEB HTML و TCP/IP از وب عامل باز را ارائه می دهند.
تحلیلگر ارشد Forrester ویل مک کون-وایت برای NLWEB نسبت به گزینه های دیگر مزایای بسیاری را می بیند.
مک کیون-وایت به VentureBeat گفت: “مهمترین مزیت NLWeb ، کنترل بهتر بر نحوه مشاهده سیستم های AI” قطعاتی است که وب سایت ها را تشکیل می دهند و امکان پیمایش بهتر و درک کامل تر از ابزار را فراهم می کنند. ” “این می تواند هر دو خطا را از سیستم سوء تفاهم در مورد آنچه در وب سایت ها می بینند ، کاهش دهد ، و همچنین باعث کاهش مجدد رابط کاربری شود.”
پذیرندگان اولیه در حال حاضر وعده NLWEB را برای AI عامل شرکت می بینند
مایکروسافت فقط NLWeb را بر روی دیوار ضرب المثل پرتاب نکرد و امیدوارم که کسی از آن استفاده کند.
مایکروسافت در حال حاضر چندین سازمان درگیر و استفاده از NLWEB ، از جمله رسانه های عمومی شیکاگو ، AllRecipes ، EventBrite ، Hearst (Delish) ، O’Reilly Media ، TripAdvisor و Shopify است.
اندرو اودوان ، مدیر ارشد فناوری O’Reilly Media از جمله پذیرندگان اولیه است و وعده واقعی برای NLWeb را می بیند.
Odewahn به VentureBeat گفت: “NLWEB بهترین شیوه ها و استانداردهای توسعه یافته در طول یک دهه گذشته را در وب باز اعمال می کند و آنها را در دسترس LLM ها قرار می دهد.” “شرکت ها مدتهاست که وقت خود را صرف بهینه سازی این نوع ابرداده ها برای SEO و سایر اهداف بازاریابی می کنند ، اما اکنون می توانند از این ثروت از داده ها استفاده کنند تا هوش مصنوعی داخلی خود را باهوش تر و با NLWEB تر کنند.”
از نظر وی ، NLWEB برای شرکت ها به عنوان مصرف کننده اطلاعات عمومی و ناشران اطلاعات خصوصی برای شرکت ها بسیار ارزشمند است. وی خاطرنشان کرد: تقریباً هر شرکتی تلاش های فروش و بازاریابی دارد که ممکن است نیاز به پرسیدن داشته باشد ، “این شرکت چه کاری انجام می دهد؟” یا “این محصول در مورد چیست؟”
ادیواهن گفت: “NLWEB راهی عالی برای باز کردن این اطلاعات در LLM های داخلی شما فراهم می کند تا نیازی به شکار و پک زدن برای یافتن آن نباشد.” “به عنوان ناشر ، می توانید ابرداده خود را با استفاده از Schema.org Standard اضافه کنید و از NLWeb در داخل به عنوان سرور MCP استفاده کنید تا آن را برای استفاده داخلی در دسترس قرار دهد.”
استفاده از NLWeb لزوماً آسانسور سنگین نیست. Odewahn خاطرنشان کرد: بسیاری از سازمان ها احتمالاً در حال حاضر از بسیاری از استانداردهای NLWEB به آن متکی هستند.
وی گفت: “از آنجا که NLWEB می تواند کاملاً در زیرساخت های شما اجرا شود ، هیچ مشکلی در تلاش برای بیرون کشیدن وجود ندارد.” “این نرم افزار منبع باز است که بهترین ها را در داده های منبع باز ملاقات می کند ، بنابراین شما چیزی برای از دست دادن و چیزهای زیادی برای به دست آوردن آن ندارید.”
آیا شرکت ها باید در حال حاضر روی NLWeb پرش کنند یا صبر کنند؟
مایکل نی ، تحلیلگر تحقیقات صورت فلکی ، دیدگاه کمی مثبت در مورد NLWEB دارد. با این حال ، این بدان معنا نیست که شرکت ها باید فوراً آن را اتخاذ کنند.
نیکل خاطرنشان کرد: NLWEB در مراحل اولیه بلوغ است و شرکت ها باید 2-3 سال برای هرگونه پذیرش قابل توجهی انتظار داشته باشند. وی پیشنهاد می کند که شرکت های پیشرو با نیازهای خاص ، مانند بازارهای فعال ، می توانند با توانایی تعامل و کمک به شکل گیری استاندارد به خلبان بپردازند.
نی گفت: “این یک مشخصات بینایی با پتانسیل واضح است ، اما قبل از رسیدن به خلبانان اصلی شرکت ، نیاز به اعتبار سنجی اکوسیستم ، ابزار اجرای و ادغام مرجع دارد.”
برخی دیگر دیدگاه تا حدودی تهاجمی در مورد فرزندخواندگی دارند. گورسکیخ پیشنهاد می کند یک رویکرد شتاب برای اطمینان از عدم عقب نشینی شرکت شما داشته باشد.
وی گفت: “اگر شما یک شرکت با سطح محتوای بزرگ ، پایگاه دانش داخلی یا داده های ساختاری هستید ، خلبانی NLWEB اکنون یک اقدام هوشمندانه و ضروری برای ماندن است.” “این یک لحظه انتظار و دیدن نیست-بیشتر شبیه به تصویب اولیه برنامه های API یا برنامه های تلفن همراه است.”
به گفته وی ، وی خاطرنشان كرد كه صنایع تنظیم شده باید با دقت كاهش یابد. بخش هایی مانند بیمه ، بانکی و مراقبت های بهداشتی باید تا زمانی که یک سیستم تأیید و کشف غیرمتمرکز و کشف بی طرف وجود داشته باشد ، از تولید استفاده کنند. در حال حاضر تلاش های اولیه ای برای پرداختن به این موضوع وجود دارد-مانند پروژه NANDA در MIT که گورسکیخ در آن شرکت می کند ، که در حال ساخت یک رجیستری باز و غیر متمرکز و شهرت برای خدمات عامل است.
این همه برای رهبران شرکت AI چه معنی دارد؟
برای رهبران شرکت AI ، NLWEB یک لحظه آبخیزداری و فناوری است که نباید از آن چشم پوشی کرد.
هوش مصنوعی قصد دارد با سایت شما ارتباط برقرار کند و شما باید آن را فعال کنید. NLWEB راهی است که برای ناشران بسیار جذاب خواهد بود ، دقیقاً مانند RSS در اوایل دهه 2000 برای همه وب سایت ها ضروری شد. طی چند سال ، کاربران فقط انتظار دارند که آنجا باشد. آنها انتظار دارند که بتوانند چیزها را جستجو و پیدا کنند ، در حالی که سیستم های AI Agentic باید بتوانند به محتوا نیز دسترسی پیدا کنند.
این وعده NLWEB است.