Проблема масштабируемости AI-агентов
С развитием автономных AI-агентов возникла критическая проблема: как эффективно находить нужные инструменты среди миллионов доступных сервисов? Существующие решения опираются на централизованные реестры и семантический поиск с вычислительной сложностью O(N), что делает их медленными и уязвимыми к отказам. Авторы Enhao Chen и Yulin Shao предлагают радикальное решение — использовать уже существующую, отказоустойчивую инфраструктуру интернета, а именно Domain Name System (DNS).
Как работает ToolDNS
Система ToolDNS трансформирует семантический поиск в серию легких разрешений имен. Вместо того чтобы перебирать базу данных, агент выполняет запросы к DNS-серверам, где функциональные намерения и организационное доверие встроены в иерархическое пространство имен. Для этого были внедрены три протокольных улучшения:
- Частично развернутые имена (partially unfolded names): позволяют структурировать метаданные инструментов.
- EDNS0 intent payloads: использование расширения DNS (EDNS0) для передачи семантических намерений в виде полезной нагрузки.
- Логические поддомены: обеспечивают децентрализованное управление и семантическую фильтрацию.
Результаты бенчмарков
Для проверки гипотезы авторы создали крупномасштабный гетерогенный бенчмарк, включающий 33 688 реальных инструментов, работающих по протоколам MCP, A2A, RESTful и Skill. Сравнение с существующими HTTP-реестрами показало впечатляющие результаты:
| Метрика | ToolDNS | HTTP-реестры (Baseline) |
|---|---|---|
| Сложность поиска | O(log N) | O(N) |
| Сокращение пространства поиска | 95.26% | 0% (полный перебор) |
| Точность поиска | State-of-the-art | State-of-the-art |
| Задержка (Latency) | Порядки величины ниже | Высокая (HTTP-over-TCP) |
Почему это важно
UDP-ориентированный дизайн ToolDNS позволяет достигать задержек, недоступных для традиционных HTTP-подходов. Это доказывает, что для масштабируемой интероперабельности AI не нужно создавать новые слои middleware, а достаточно умнее использовать инфраструктуру, которая уже есть под ногами. Исследование опубликовано 19 апреля 2026 года в arXiv (cs.AI).
Источник: arXiv cs.AI ↗