વ્યાખ્યા
AI એજન્ટ ટ્રાફિક એ એવી વિનંતીઓનો સમૂહ છે જે એપ્લિકેશનને એવા સોફ્ટવેર એજન્ટ્સ પાસેથી મળે છે, જે શું કરવું તે નક્કી કરવા માટે AI મોડલ્સનો ઉપયોગ કરે છે. આ એજન્ટ્સ પેજ બ્રાઉઝ કરે છે, API કોલ કરે છે, ફોર્મ ભરે છે અને Model Context Protocol (MCP) સર્વર્સ પર ટૂલ્સ invoke કરે છે, સામાન્ય રીતે કોઈ વ્યક્તિ અથવા કંપનીની તરફથી. તેની નિર્ધારક ખાસિયત એ છે કે આગળનું action મોડલ પસંદ કરે છે, વ્યક્તિ નહીં, જે તેને આપવામાં આવેલા taskની અંદર.
AI એજન્ટ ટ્રાફિક crawler અને script જેવી automationની જૂની સ્વરૂપો સાથે overlap કરે છે, પરંતુ તેનું વર્તન અલગ હોય છે. એજન્ટ્સ goals pursue કરે છે, જે તેમને મળે તેના મુજબ adapt કરે છે, અને ઘણી વખત applicationના એવા ભાગો સાથે interact કરે છે જે માત્ર લોકો માટે બનાવવામાં આવ્યા હતા.
તે ક્યાં દેખાય છે
- વેબસાઇટ્સ અને SaaS apps: assistants documentation વાંચે છે, pricing pagesની તુલના કરે છે અથવા signed-in sessionની અંદર multi-step workflows પૂર્ણ કરે છે. AI operators આ ટ્રાફિકના કેટલાક ભાગને document કરે છે: OpenAI's ChatGPT-User અને Anthropic's Claude-User જ્યારે કોઈ વ્યક્તિ પ્રશ્ન પૂછે ત્યારે pages fetch કરે છે.
- API: એજન્ટ્સ સીધા API credentials સાથે endpointsને call કરે છે, ઘણીવાર human-driven integrationથી અલગ pace અને pattern સાથે.
- MCP servers: AI clients tools invoke કરે છે, જ્યાં દરેક call વ્યાખ્યા મુજબ automated હોય છે અને પ્રશ્ન એ હોય છે કે કયો client call કરી રહ્યો છે અને તે શું કરી શકે. જુઓ MCP server.
તેને કેવી રીતે ઓળખવું
કોઈ એક જ signal agent trafficને વિશ્વસનીય રીતે ઓળખતું નથી. Teams અલગ strengthના evidenceને combine કરે છે, જેમ કે how to tell if website traffic comes from AI agents માં સમજાવ્યું છે:
Verified evidence
કેટલાક agent operators તેમની requestsને HTTP message signatures (RFC 9421) વડે sign કરે છે, અને keys તેઓ નિયંત્રિત કરે છે તે domain હેઠળ publish થાય છે, IETFના Web Bot Auth કાર્યને અનુસરીને. જે signature validate થાય છે તે કયા operatorના clientએ request મોકલી તેની મજબૂત સાબિતી છે.
Declared evidence
Clients પોતાનું પરિચય આપી શકે છે: user-agent string, MCP client name, header. આ ઉપયોગી છે, પરંતુ સરળતાથી imitate કરી શકાય છે, તેથી user-agent spoofing હંમેશા ચિંતા નો વિષય રહે છે.
Inferred evidence
Requestનું timing, navigation patterns, browser contextનો અભાવ અને protocol વિગતો automation સૂચવી શકે છે. Inferences ખોટા પણ હોઈ શકે છે, તેથી તેમને હંમેશા inferences તરીકે જ label કરવું જોઈએ.
જ્યારે આમાંથી કંઈ પણ determinationને support ન કરે, ત્યારે ઈમાનદાર પરિણામ Unknown છે.
તેનું મહત્વ કેમ છે
Agent traffic સ્વભાવથી સારો કે ખરાબ નથી. Plansની તુલના કરતો shopping assistant, records sync કરતો internal agent અને તમારા terms અવગણતો scraper network level પર સમાન લાગી શકે છે. બદલાતું એ છે કે તમારી applicationએ શું કરવું જોઈએ:
- તમે જેમને serve કરવા ખુશ છો એવા agents માટે structured response અથવા API આપો.
- જ્યાં automated volume resources પર strain કરી શકે ત્યાં route-level limits લાગુ કરો.
- ઉચ્ચ impact actions પહેલાં વધુ મજબૂત credentials માંગો.
- human experienceને ઝડપી અને uncluttered રાખો.
બધી automationને abuse ગણવાથી legitimate integrations તૂટી જાય છે. તેને અવગણવાથી sensitive actions તે context વિના ચાલી શકે છે જે તમારી ટીમ માને છે કે હાજર છે.
સામાન્ય ગેરસમજો
"Agents હંમેશા પોતાને ઓળખાવે છે." ઘણા એવું નથી કરતા, અને declarations ખોટાં પણ હોઈ શકે છે.
"Signed agent trusted agent છે." Signature બતાવે છે કે request પર કઈ keyએ sign કર્યું. તે બતાવતું નથી કે action authorized છે કે safe છે. જુઓ agent authorization.
"Automationને block કરવાથી app સુરક્ષિત થાય છે." આ ઘણીવાર customers જે integrations પર નિર્ભર છે તેને block કરે છે, જ્યારે નક્કી કરેલા bad actors adapt થઈ જાય છે.
Proof of Actor agent trafficને કેવી રીતે handle કરે છે
Proof of Actor દરેક interactionને Human, Human + AI, Agent અથવા Unknown તરીકે classify કરે છે (taxonomy અહીં સમજાવવામાં આવી છે), અને પરિણામ verified, declared અથવા inferred છે કે નહીં તે દર્શાવે છે. Teams પહેલાં observe કરે છે, પછી પોતાની policies સાથે agent trafficને route કરે છે. જુઓ How It Works અથવા early access માટે apply કરો.
Sources
- Model Context Protocol specification (2026-07-28): November 2026 સુધીનું વર્તમાન MCP revision
- RFC 9421: HTTP Message Signatures: signed agent requests પાછળનું standard
- IETF Web Bot Auth working group: automated clientsને authenticate કરવાની standards work
- OpenAI: Overview of OpenAI Crawlers: ChatGPT-User અને અન્ય documented OpenAI user agents
- Anthropic: crawler and fetcher documentation: Claude-User અને અન્ય Anthropic bots