व्याख्या
AI एजंट ट्रॅफिक म्हणजे application ला मिळणाऱ्या त्या विनंत्यांचा संच, ज्या सॉफ्टवेअर एजंट्स AI models चा वापर करून काय करायचे ते ठरवतात. हे एजंट्स pages browse करतात, APIs call करतात, forms भरतात, आणि Model Context Protocol (MCP) servers वर tools invoke करतात, बहुतेक वेळा एखाद्या व्यक्ती किंवा कंपनीच्या वतीने. या संकल्पनेची ओळख अशी की पुढील action कोणते घ्यायचे ते model ठरवतो, व्यक्ती नाही.
AI एजंट ट्रॅफिकचा संबंध crawlers आणि scripts सारख्या जुन्या automation प्रकारांशी येतो, पण त्याचे वर्तन वेगळे असते. Agents goals साध्य करण्याचा प्रयत्न करतात, त्यांना जे मिळते त्यानुसार स्वतःला जुळवून घेतात, आणि अनेकदा application मधील अशा भागांशी interact करतात जे फक्त people साठी तयार केलेले होते.
ते कुठे दिसते
- Websites आणि SaaS apps: assistants documentation वाचत असतात, pricing pages ची तुलना करत असतात, किंवा signed-in session मध्ये multi-step workflows पूर्ण करत असतात. AI operators या traffic चा काही भाग दस्तऐवजीकृत करतात: OpenAI's ChatGPT-User आणि Anthropic's Claude-User एखाद्या व्यक्तीने प्रश्न विचारल्यावर pages fetch करतात.
- APIs: agents थेट credentials वापरून endpoints call करतात, आणि त्यांचा pace व pattern बहुतेक वेळा human-driven integration पेक्षा वेगळा असतो.
- MCP servers: AI clients tools invoke करतात, जिथे प्रत्येक call परिभाषेनुसार automated असतो आणि प्रश्न हा असतो की कोणता client call करत आहे आणि तो काय करू शकतो. MCP server पहा.
ते कसे ओळखायचे
एकही signal agent traffic ला विश्वासार्हपणे ओळखत नाही. Teams वेगवेगळ्या बळाची evidence एकत्र करतात, जसे how to tell if website traffic comes from AI agents मध्ये समजावले आहे:
Verified evidence
काही agent operators त्यांचे requests HTTP message signatures (RFC 9421) वापरून sign करतात, आणि keys ते नियंत्रित करत असलेल्या domain अंतर्गत प्रकाशित केल्या जातात, IETF च्या Web Bot Auth कामानुसार. जी signature validate होते ती request कोणत्या operator च्या client ने पाठवली याचा मजबूत पुरावा असते.
Declared evidence
Clients स्वतःची ओळख देऊ शकतात: user-agent string, MCP client name, एक header. हे उपयोगी असते, पण सहज नक्कल करता येते, म्हणून user-agent spoofing ही कायमची चिंता आहे.
Inferred evidence
Request timing, navigation patterns, browser context नसणे, आणि protocol details automation सूचित करू शकतात. Inferences चुकीचे ठरू शकतात, त्यामुळे त्यांना नेहमी inferences म्हणूनच label केले पाहिजे.
यापैकी कोणतीही गोष्ट निर्णयाला आधार देत नसेल, तर प्रामाणिक निष्कर्ष Unknown हाच असतो.
याचे महत्त्व काय
Agent traffic मुळात चांगला किंवा वाईट नसतो. Plans ची तुलना करणारा shopping assistant, records sync करणारा internal agent, आणि तुमच्या terms कडे दुर्लक्ष करणारा scraper network level वर सारखे दिसू शकतात. खरा फरक हा आहे की तुमच्या application ने पुढे काय करावे:
- तुम्ही सेवा द्यायला तयार असलेल्या agents साठी structured response किंवा API द्या.
- Automated volume मुळे resources वर ताण येऊ शकतो अशा ठिकाणी route-level limits लागू करा.
- High-impact actions आधी stronger credentials मागा.
- Human अनुभव जलद आणि अव्यवस्थित न ठेवता स्वच्छ ठेवा.
सगळी automation abuse म्हणून हाताळल्यास legitimate integrations तुटतात. ती दुर्लक्ष केल्यास संवेदनशील actions तुमची team गृहित धरते त्या context शिवाय चालू शकतात.
सामान्य गैरसमज
"Agents नेहमी स्वतःची ओळख देतात." बरेच जण तसे करत नाहीत, आणि declarations खोट्या असू शकतात.
"Signed agent म्हणजे trusted agent." Signature दर्शवते की request कोणत्या key ने sign केली. त्यातून action authorized आहे किंवा safe आहे, हे दिसत नाही. agent authorization पहा.
"Automation block केल्याने app सुरक्षित राहतो." यामुळे अनेकदा ग्राहक ज्यांवर अवलंबून असतात ते integrationsच blocked होतात, तर ठरवून वाईट वागणारे actors जुळवून घेतात.
Proof of Actor agent traffic कसे हाताळतो
Proof of Actor प्रत्येक interaction चे वर्गीकरण Human, Human + AI, Agent किंवा Unknown असे करतो (taxomony इथे स्पष्ट केली आहे), आणि निकाल verified, declared किंवा inferred आहे की नाही ते सांगतो. Teams आधी observe करतात, नंतर स्वतःच्या policies वापरून agent traffic route करतात. How It Works पहा किंवा apply for early access करा.
स्रोत
- Model Context Protocol specification (2026-07-28): November 2026 पर्यंतची सध्याची MCP revision
- RFC 9421: HTTP Message Signatures: signed agent requests मागचा standard
- IETF Web Bot Auth working group: automated clients authenticate करण्यावरील standards work
- OpenAI: Overview of OpenAI Crawlers: ChatGPT-User आणि इतर documented OpenAI user agents
- Anthropic: crawler and fetcher documentation: Claude-User आणि इतर Anthropic bots