ମୁଖ୍ୟ ବିଷୟବସ୍ତୁକୁ ଛାଡ଼ନ୍ତୁ
AI ଏଜେଣ୍ଟ ଟ୍ରାଫିକ୍ ବିଶ୍ଳେଷଣ

ଆପଣଙ୍କର ଆପ୍ ଏବଂ API ପାଇଁ AI ଏଜେଣ୍ଟ ଟ୍ରାଫିକ୍ ବିଶ୍ଳେଷଣ

ଲୋକ, AI ସହାୟତାପ୍ରାପ୍ତ ଉପଯୋଗକର୍ତ୍ତା ଏବଂ ସ୍ୱୟଂଚାଳିତ ଏଜେଣ୍ଟମାନେ ଆପଣଙ୍କର ଆପ୍ଲିକେସନ୍ କିପରି ବ୍ୟବହାର କରୁଛନ୍ତି, ପଥ ଅନୁସାରେ ବୁଝନ୍ତୁ, ଯେଉଁଥିରେ ପ୍ରତ୍ୟେକ ବର୍ଗୀକରଣ ଦୃଶ୍ୟମାନ ପ୍ରମାଣ ଦ୍ୱାରା ସମର୍ଥିତ।

Toshendra Sharma

ଦ୍ୱାରା Toshendra SharmaFounder & CEO, AgentCredia · Updated November 13, 2026

ଆପଣଙ୍କର dashboard ଗୁଡ଼ିକ ପରିବର୍ତ୍ତିତ ହୋଇଥିବା ଏକ ଜଗତକୁ ଗଣନା କରୁଛି

ଅଧିକାଂଶ analytics stack ଗୁଡ଼ିକ ଗୋଟିଏ ପ୍ରଶ୍ନର ଉତ୍ତର ପାଇଁ ତିଆରି ହୋଇଥିଲା: ମୋର site ରେ ଲୋକମାନେ କ’ଣ କରୁଛନ୍ତି? session, page view, funnel ଏବଂ campaign ଗୁଡ଼ିକ ସମସ୍ତେ ପ୍ରତ୍ୟେକ ଇଣ୍ଟରାକ୍ସନ୍ ପଛରେ ଗୋଟିଏ ଲୋକ ଅଛନ୍ତି ବୋଲି ଧାରଣା କରେ।

ସେ ଧାରଣା ଆଉ ପ୍ରତ୍ୟେକ ଇଣ୍ଟରାକ୍ସନ୍ ପାଇଁ ଠିକ୍ ରହେନାହିଁ। AI assistant ଗୁଡ଼ିକ ଉପଯୋଗକର୍ତ୍ତାଙ୍କ ପକ୍ଷରୁ page ଖୋଲେ; ଉଦାହରଣ ସ୍ୱରୂପ, OpenAI ଏକ ChatGPT-User agent ଡକ୍ୟୁମେଣ୍ଟ କରେ, ଯାହା ଉପଯୋଗକର୍ତ୍ତା ChatGPT କୁ ଗୋଟିଏ ପ୍ରଶ୍ନ କରିଲେ page ଗୁଡ଼ିକୁ ଯାଏ (OpenAI crawler documentation). ସ୍ୱୟଂଚାଳିତ ଏଜେଣ୍ଟମାନେ କାର୍ଯ୍ୟ ସମାପ୍ତ କରିବାକୁ API ଏବଂ MCP tool କୁ call କରନ୍ତି। ଲୋକମାନେ ସେହି session ଭିତରେ AI ସହିତ କାମ କରନ୍ତି, କେବେ ଘୋଷଣା କରି, କେବେ ନକରି। Crawler ଏବଂ script ମାନେ ଯାହା ପହଞ୍ଚିପାରନ୍ତି ସବୁକିଛି ପଢ଼ିଚାଲନ୍ତି।

ଫଳରେ, ଆପଣଙ୍କ ଟିମ୍ ଭରସା କରୁଥିବା ସଂଖ୍ୟାଗୁଡ଼ିକରେ ଗୋଟିଏ ନିରବ ବିକୃତି ଆସେ। Conversion rate ଗୁଡ଼ିକ ଏମିତି କାରଣରେ ବଦଳେ ଯାହାକୁ କେହି ବ୍ୟାଖ୍ୟା କରିପାରେନି। ଗୋଟିଏ ଲୋକପ୍ରିୟ API route ଶେଷରେ କେତେକ automated client ଦ୍ୱାରା ଚାଳିତ ହେଉଥିବା ପ୍ରମାଣିତ ହୁଏ। Marketing ଜିତ ଲାଗିଥିବା ଗୋଟିଏ spike ଆସଲେ documentation ପଢ଼ୁଥିବା agent ମାନେ ଥିଲେ। actor context ବିନା, ପ୍ରତ୍ୟେକ chart ବହୁତ ଭିନ୍ନ ବ୍ୟବହାରକୁ ଏକ ରେଖାରେ ମିଶାଇଦିଏ। କିଛି tool ଆପଣ ଦେଖିବା ପୂର୍ବରୁ ଛବିର ଏକ ଅଂଶକୁ ମଧ୍ୟ କାଟିଦିଏ: Google କହେ ଯେ Google Analytics ସ୍ୱୟଂଚାଳିତ ଭାବେ known bots ଏବଂ spiders ଠାରୁ ଆସୁଥିବା traffic କୁ ଅପସାରଣ କରେ, ଏବଂ କେତେ ଅପସାରଣ ହେଲା ଆପଣ ଦେଖିପାରିବେ ନାହିଁ (Google Analytics: known bot-traffic exclusion).

AI agent traffic analytics ପ୍ରତ୍ୟେକ ଇଣ୍ଟରାକ୍ସନ୍ ରେ ଗୋଟିଏ ନୂଆ ମାପ ଯୋଡ଼ି ଏହାକୁ ସମାଧାନ କରେ: କିଏ କିମ୍ବା କ’ଣ କାର୍ଯ୍ୟ କରୁଛି, ଏବଂ ଆପଣ କେତେ ନିଶ୍ଚିତ ହୋଇପାରିବେ। how to tell if website traffic comes from AI agents ବିଷୟରେ blog post ସେହି ମାପ ପଛର ସିଗ୍ନାଲ୍ ଆବରଣ କରେ, ଏବଂ websites use case ଏହାକୁ production site ରେ ପ୍ରୟୋଗ କରାଯାଇଥିବା ଦେଖାଏ।

actor-aware analytics ଆପଣଙ୍କୁ କ’ଣ ଦେଖାଏ

Proof of Actor ଆପଣଙ୍କର traffic କୁ ଚାରିଟି class ରେ ସଂଗଠିତ କରେ, Human, AI-assisted or agent: a taxonomy for app traffic ରେ ବ୍ୟାଖ୍ୟା କରାଯାଇଥିବା ପରି, ଏବଂ ପ୍ରତ୍ୟେକ ସହ ପ୍ରମାଣ ଯୋଡ଼ିରଖେ।

  • Human: ଯେଉଁ ଇଣ୍ଟରାକ୍ସନ୍ ଗୁଡ଼ିକରେ ଦୃଶ୍ୟମାନ ସିଗ୍ନାଲ୍ ଗୁଡ଼ିକ ମାନବ ନିର୍ଦ୍ଦେଶନା ଦର୍ଶାଏ।
  • Human + AI: ଯେଉଁ ଇଣ୍ଟରାକ୍ସନ୍ ଗୁଡ଼ିକରେ AI ସହାୟତା ଘୋଷଣା କରାଯାଇଥିଲା କିମ୍ବା ସମର୍ଥିତ integration ମାଧ୍ୟମରେ ଅବଲୋକିତ ହୋଇଥିଲା।
  • Agent: ସ୍ୱୟଂଚାଳିତ କିମ୍ବା agent-ମୂଳ ଇଣ୍ଟରାକ୍ସନ୍, ଯାହା verifiable identity କିମ୍ବା ସାବଧାନତାପୂର୍ଣ୍ଣ ଯୋଗ୍ୟ ନିଷ୍କର୍ଷ ଦ୍ୱାରା ସମର୍ଥିତ।
  • Unknown: ଯେଉଁ ଇଣ୍ଟରାକ୍ସନ୍ ଗୁଡ଼ିକ ପାଇଁ ପ୍ରମାଣ ଭରସାଯୋଗ୍ୟ ନିର୍ଣ୍ଣୟକୁ ସମର୍ଥନ କରେନାହିଁ।

ପ୍ରତ୍ୟେକ ଫଳାଫଳ ସହ ଗୋଟିଏ basis ମଧ୍ୟ ଥାଏ: verified, declared, inferred କିମ୍ବା unknown। ସେହି ଦ୍ୱିତୀୟ ମାପଟି analytics କୁ ଭରସାଯୋଗ୍ୟ କରେ। ଆପଣଙ୍କ API traffic ର ତୃତୀୟାଂଶ agent ବୋଲି ଦେଖାଉଥିବା dashboard ର ଅର୍ଥ verified signature କିମ୍ବା request pattern ରୁ ନିଷ୍କର୍ଷ ଉପରେ ଆଧାରିତ ହେବାରେ ବହୁତ ଭିନ୍ନ। Proof of Actor ସହିତ ଆପଣ ଉଭୟ ଦେଖିପାରିବେ, ଏବଂ ଯେକୌଣସି ଅନୁଯାୟୀ filter କରିପାରିବେ।

ପଥ ଏବଂ workflow ଅନୁସାରେ

ଗୋଟିଏ ଆପ୍ଲିକେସନ୍ ମଧ୍ୟରେ actor mix ବହୁତ ଅଧିକ ପରିବର୍ତ୍ତିତ ହୁଏ। ସାଧାରଣ documentation, pricing ଏବଂ catalog page ଗୁଡ଼ିକ ଅନେକ ସମୟ agent ଏବଂ assistant ଆକର୍ଷିତ କରେ। signup, checkout ଏବଂ account settings ରେ agent କମ୍ ଥାଏ, କିନ୍ତୁ ସେମାନେ ଦେଖାଦେଲେ ଅଧିକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ। API route ଏବଂ MCP tool ଗୁଡ଼ିକ automated client ଦ୍ୱାରା ପ୍ରଭୁତ୍ତ୍ୱଶାଳୀ ହୋଇପାରେ। Proof of Actor ଫଳାଫଳକୁ path ଏବଂ workflow ଅନୁସାରେ ଭାଗ କରେ, ଯାହାଦ୍ୱାରା ପ୍ରତ୍ୟେକ ଟିମ୍ ନିଜର ଅଂଶ ଦେଖିପାରେ।

ସମୟ ଅନୁସାରେ

Trend ଗୁଡ଼ିକ ଆପଣଙ୍କ ପ୍ରଡକ୍ଟ କେଉଁ ଦିଗକୁ ଯାଉଛି ତାହା କୁହେ। agent ଏବଂ AI-assisted କାର୍ଯ୍ୟକଳାପର share ଗୁଡ଼ିକ ଆପଣଙ୍କ ପାଇଁ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ route ଗୁଡ଼ିକରେ କିପରି ବଦଳୁଛି ଦେଖନ୍ତୁ, ନୂଆ agent operator ଆପଣଙ୍କ content ପଢ଼ିବା ଆରମ୍ଭ କରିଲେ ସେଥି ଲକ୍ଷ୍ୟ କରନ୍ତୁ, ଏବଂ ଅଧିକ client ତାଙ୍କର request କୁ sign କରିବା ସହ Unknown ରୁ verified କୁ କେତେ traffic ସରୁଛି ତାହା ଟ୍ରାକ୍ କରନ୍ତୁ।

ବ୍ୟାଖ୍ୟା ସହିତ

Dashboard ରେ ଥିବା ଯେକୌଣସି ସଂଖ୍ୟା individual interaction ପର୍ଯ୍ୟନ୍ତ ଖୋଲାଯାଇପାରେ। ପ୍ରତ୍ୟେକଟି ପାଇଁ ଆପଣ class, basis, କ’ଣ ଜଣାଯାଇଛି, କ’ଣ ଜଣାଯାଇନି, ଏବଂ କେଉଁ policy output ଲାଗୁ ହେବ ଦେଖନ୍ତି। ଏହା ଗୋଟିଏ chart କୁ ସେମିତି କିଛିରେ ପରିଣତ କରେ, ଯାହା ଉପରେ ଆପଣଙ୍କ product, platform ଏବଂ security ଟିମ୍ ସଙ୍ଗେସଙ୍ଗେ କାର୍ଯ୍ୟ କରିପାରିବେ।

ଏହା କିପରି କାମ କରେ

Proof of Actor evidence-first ପଥକୁ ଅନୁସରେ। ଆପଣ How It Works ରେ ସମ୍ପୂର୍ଣ୍ଣ ବର୍ଣ୍ଣନା ପଢ଼ିପାରିବେ।

  1. ଆପଣଙ୍କ ଆପ୍ଲିକେସନ୍ ଗୋଟିଏ request କିମ୍ବା event ଗ୍ରହଣ କରେ: ଗୋଟିଏ page view, API call, MCP tool call କିମ୍ବା in-app action।
  2. ଆପଣଙ୍କ integration ସେହି context ରେ ଉପଲବ୍ଧ signal ଗୁଡ଼ିକ ସଂଗ୍ରହ କରେ: server ରେ request context ଏବଂ signature, collector ଚାଲୁଥିବା browser ରେ interaction signal, client ଏବଂ ଆପଣଙ୍କ ନିଜସ୍ୱ ଆପ୍ଲିକେସନ୍ ଠାରୁ declaration।
  3. Signal ଗୁଡ଼ିକ ଯାଞ୍ଚ କରାଯାଏ, basis ଦ୍ୱାରା label ହୋଇଥାଏ ଏବଂ ଏକତ୍ର କରାଯାଏ ବର୍ଗୀକରଣ ଭିତରକୁ।
  4. ଫଳାଫଳ ତାହାର basis ଏବଂ evidence summary ସହିତ record କରାଯାଏ ଏବଂ ଆପଣଙ୍କ analytics ଭିତରକୁ ପ୍ରବାହିତ ହୁଏ।
  5. ଆପଣଙ୍କ ଆପ୍ଲିକେସନ୍ ନିଷ୍ପତ୍ତି ନେଉଛି କେବଳ observe କରିବା କିମ୍ବା policy ପ୍ରୟୋଗ କରିବା।

କାରଣ analytics ଏବଂ decision ଗୁଡ଼ିକ ସମାନ ଫଳାଫଳ ବ୍ୟବହାର କରନ୍ତି, ଆପଣ ଯେଉଁ ସଂଖ୍ୟା ଅଧ୍ୟୟନ କରନ୍ତି ସେଗୁଡ଼ିକ ଆପଣଙ୍କ policy କାର୍ଯ୍ୟ କରିବା ସହିତ ସମାନ। dashboard କ’ଣ କୁହେ ଏବଂ ଆପ୍ଲିକେସନ୍ କ’ଣ କରେ, ସେମାନଙ୍କ ମଧ୍ୟରେ କୌଣସି ଖାଲି ସ୍ଥାନ ନାହିଁ।

Detect, Understand, Route

AI agent traffic analytics Proof of Actor ର ତିନୋଟି capability ର ମଧ୍ୟଭାଗରେ ରହେ।

Detect

ପ୍ରତ୍ୟେକ integration ପାଇଁ ଉପଲବ୍ଧ actor signal ଗୁଡ଼ିକ ସଂଗ୍ରହ କରନ୍ତୁ ଏବଂ verified assertion କୁ behavioral inference ଠାରୁ ପୃଥକ କରନ୍ତୁ। Unknown ନିଜସ୍ୱ class ଭାବେ ଦୃଶ୍ୟମାନ ରହେ, ତେଣୁ coverage gap ଗୁଡ଼ିକ କେବେ ଅନ୍ୟ ସଂଖ୍ୟା ଭିତରେ ଲୁଚିଯାଏନି।

Understand

ଏହା analytics layer: actor breakdown, interaction trend, route-level view ଏବଂ explainable classification। ଟିମ୍ ଗୁଡ଼ିକ ଏହାକୁ ବ୍ୟବହାର କରନ୍ତି ପ୍ରଶ୍ନଗୁଡ଼ିକର ଉତ୍ତର ପାଇଁ, ଯେପରିକି କେଉଁ route ଗୁଡ଼ିକ ଉପରେ agent ନିର୍ଭର କରନ୍ତି, ଗୋଟିଏ workflow କେତେ AI-assisted activity ଦେଖୁଛି, ଏବଂ କେଉଁଠି ପ୍ରମାଣ policy ସମର୍ଥନ ପାଇଁ ପର୍ଯ୍ୟାପ୍ତ ଶକ୍ତିଶାଳୀ।

Route

ଯେତେବେଳେ analytics ଏକ ସ୍ପଷ୍ଟ pattern ଦେଖାଏ, ତାହା ଉପରେ ଆପଣଙ୍କ ନିଜ ନିୟମ ସହ କାର୍ଯ୍ୟ କରନ୍ତୁ। verified agent ମାନଙ୍କୁ ସେମାନେ ସର୍ବାଧିକ ପଢ଼ୁଥିବା content ପାଇଁ ଗୋଟିଏ structured path ଦିଅନ୍ତୁ। human-directed session ପାଇଁ standard experience ରଖନ୍ତୁ। ଆପଣଙ୍କ ନିଜ condition ଯଥେଷ୍ଟ କାରଣ ଦେଲେ ମାତ୍ର sensitive action ଉପରେ review ଯୋଡ଼ନ୍ତୁ। Unknown ଏବଂ timeout ପାଇଁ explicit fallback ସେଟ୍ କରନ୍ତୁ।

apps, APIs ଏବଂ MCP server ପାଇଁ ତିଆରି

ଯେଉଁଠି machine ମାନେ ସ୍ୱୀକୃତ, ସେଠାରେ agent activity ସଂକେନ୍ଦ୍ରିତ ହୁଏ: API, documentation, catalog ଏବଂ tool। ସେହି କାରଣରୁ Proof of Actor page view ଠାରୁ ଅଧିକ କିଛି ଆବରଣ କରେ।

  • SaaS app ଏବଂ website browser session ଏବଂ ସେମାନଙ୍କ ପଛର server route ପାଇଁ actor context ଦେଖେ। SaaS Apps & Websites ରେ ଅଧିକ ପଢ଼ନ୍ତୁ।
  • APIs request-level context ପାଉଥାଏ, ଯାହା signed client identity କୁ API credential ଏବଂ authorization ଠାରୁ ପୃଥକ କରେ। APIs ରେ ଅଧିକ ପଢ଼ନ୍ତୁ।
  • MCP server ପ୍ରତ୍ୟେକ tool call ପାଇଁ actor context ପାଉଥାଏ, ଯାହାଦ୍ୱାରା କେଉଁ client କେଉଁ tool ବ୍ୟବହାର କରୁଛି ଆପଣ ଦେଖିପାରିବେ। MCP Servers ରେ ଅଧିକ ପଢ଼ନ୍ତୁ।

Founding team ଗୁଡ଼ିକ ଆମ engineers ର ସିଧା ସହାୟତା ସହ ଇଣ୍ଟେଗ୍ରେଟ୍ କରନ୍ତି। adding actor context to a Node.js app ପାଇଁ guide ଦେଖାଏ ସାଧାରଣ request handler ଭିତରେ integration କେଉଁଠି ଅଛି।

ପ୍ରମାଣ volume ଠାରୁ କାହିଁକି ଅଧିକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ

agent traffic ପାଇଁ ଗୋଟିଏ ବଡ଼ ସଂଖ୍ୟା ତିଆରି କରିବା ସହଜ। browser fingerprint ବିନା ପ୍ରତ୍ୟେକ request ଗଣନା କରନ୍ତୁ ଏବଂ ତାହାକୁ automation ବୋଲନ୍ତୁ। ସମସ୍ୟା ହେଉଛି ଏମିତି ସଂଖ୍ୟା ଗୋଟିଏ ନିଷ୍ପତ୍ତିକୁ ସମର୍ଥନ କରିପାରେନି, କାରଣ କେତେଟି ବାସ୍ତବ ତାହା କେହି ଜାଣେନାହିଁ।

Proof of Actor ଏଭଳି ଭାବେ ତିଆରି ହୋଇଛି ଯେ ପ୍ରତ୍ୟେକ ସଂଖ୍ୟାର ପକ୍ଷରେ ଯୁକ୍ତି ଦିଆଯାଇପାରେ। Verified result ସେହି ଯାଞ୍ଚରୁ ଆସେ ଯାହା ପ୍ରକୃତରେ pass ହୋଇଛି। Declaration ଗୁଡ଼ିକ declaration ଭାବେ label ହୁଏ। Inference ଗୁଡ଼ିକ inference ଭାବେ label ହୁଏ। Unknown କୁ Unknown ଭାବେ report କରାଯାଏ। ଯେତେବେଳେ ଆପଣ agent traffic କୁ leadership, security team କିମ୍ବା customer ମାନଙ୍କ ସମ୍ମୁଖରେ ରଖନ୍ତି, ପ୍ରତ୍ୟେକ ଆକ୍ସିସ୍ କେଉଁଠାରୁ ଆସିଛି ଆପଣ ସ୍ପଷ୍ଟ କରିପାରିବେ।

ଏହା analytics କୁ ସମୟ ସହିତ ଅଧିକ ଉପଯୋଗୀ କରେ। agent operator ମାନେ RFC 9421 HTTP Message Signatures ଉପରେ ଆଧାରିତ signed request ଅପନାଇବା ସହ, ଏବଂ Web Bot Auth ପରି standards work IETF webbotauth working group ରେ ଅଗ୍ରସର ହେଉଥିବା ସହ, ଆପଣଙ୍କ traffic ର ଅଧିକ ଅଂଶ verified basis କୁ ସରିଯାଏ। ଆପଣ ସେଗୁଡ଼ିକୁ କିପରି ପଢ଼ନ୍ତି ତାହା ବଦଳାଇବା ଛାଡ଼ି ମଧ୍ୟ ଆପଣଙ୍କ chart ଗୁଡ଼ିକ ଅଧିକ ସ୍ପଷ୍ଟ ହୋଇଯାଏ।

ପ୍ରଥମେ observation ସହ ଆରମ୍ଭ କରନ୍ତୁ, ତାପରେ ନିଷ୍ପତ୍ତି ନିଅନ୍ତୁ

ପ୍ରତ୍ୟେକ Proof of Actor deployment observation mode ରୁ ଆରମ୍ଭ ହୁଏ। Result record କରାଯାଏ, analytics ପୂରଣ ହୁଏ, ଏବଂ ଆପଣଙ୍କ ଆପ୍ଲିକେସନ୍ ପୂର୍ବବତ୍ ପ୍ରତିକ୍ରିୟା ଦେଇଚାଲେ। ସେହି ସମୟକୁ ଆପଣଙ୍କ ଟିମ୍ baseline ତିଆରି କରିବା, ଆପଣ ପୂର୍ବରୁ ଜାଣିଥିବା outcome ସହ result ତୁଳନା କରିବା, ଏବଂ ପ୍ରଥମ କେଉଁ route ଉପରେ policy ପ୍ରକୃତରେ ସାହାଯ୍ୟ କରିବ ତାହା ଚିହ୍ନଟ କରିବାରେ ବ୍ୟବହାର କରେ।

ଆପଣ ପ୍ରସ୍ତୁତ ହେଲେ, ଗୋଟିଏ workflow ପାଇଁ policy ସକ୍ରିୟ କରନ୍ତୁ, ପ୍ରଭାବ ମାପନ କରନ୍ତୁ, ଏବଂ ସେଠାରୁ ବିସ୍ତାର କରନ୍ତୁ। Proof of Actor ସଂସ୍ଥାପିତ ହେବାରୁ କିଛି ମଧ୍ୟ block ହୁଏନି। ପ୍ରତ୍ୟେକ enforcement decision ଆପଣଙ୍କର।

founding developer program ରେ ଯୋଗଦିଅନ୍ତୁ

Proof of Actor private beta ରେ ଅଛି। ଚୟନିତ founding developer team ଗୁଡ଼ିକ hands-on product feedback ବଦଳରେ, ସମ୍ମତ usage limits ମଧ୍ୟରେ, 12 months ପର୍ଯ୍ୟନ୍ତ ମାଗଣା access ପାଇପାରିବେ। ଆପଣ direct integration support, ନୂଆ capability ପାଇଁ ପ୍ରାରମ୍ଭିକ access, ଏବଂ roadmap ଉପରେ ପ୍ରଭାବ ପାଇବେ।

ଯଦି ଆପଣଙ୍କୁ ଏମିତି AI agent traffic analytics ଦରକାର ଯାହା ଉପରେ ଆପଣଙ୍କ ସମ୍ପୂର୍ଣ୍ଣ ଟିମ୍ ଭରସା କରିପାରିବ, early access ପାଇଁ apply କରନ୍ତୁ। ଆପଣଙ୍କ ଆପ୍ଲିକେସନ୍, ଯେଉଁ route ଗୁଡ଼ିକ ଆପଣଙ୍କ ପାଇଁ ସର୍ବାଧିକ ଗୁରୁତ୍ୱପୂର୍ଣ୍ଣ, ଏବଂ analytics କେଉଁ ପ୍ରଶ୍ନଗୁଡ଼ିକର ଉତ୍ତର ଦେଉ ବୋଲି ଆପଣ ଚାହାନ୍ତି, ସେଥିରେ ଆମକୁ କୁହନ୍ତୁ।

Proof of Actor ଅନୁସନ୍ଧାନ କରନ୍ତୁ, how it works ଦେଖନ୍ତୁ, କିମ୍ବା ପ୍ରମାଣ କ’ଣ ସ୍ଥାପନ କରିପାରେ ପଢ଼ନ୍ତୁ।

ସ୍ରୋତଗୁଡ଼ିକ

ବିକାଶକର୍ତ୍ତାମାନଙ୍କ ପାଇଁ

What your code receives

Every interaction resolves to one result record. Your application reads the class and the basis and applies its own policy.

Result record
{
  "route": "GET /api/v1/catalog",
  "class": "agent",
  "basis": "verified",
  "evidence": [
    { "signal": "http_message_signature", "result": "valid", "keyid": "assistant.example" },
    { "signal": "client_declaration", "value": "assistant.example" }
  ],
  "observed_at": "2026-11-13T10:42:07Z"
}
class
Human, Human + AI, Agent କିମ୍ବା Unknown।
basis
ପ୍ରମାଣ କେତେ ଶକ୍ତିଶାଳୀ: verified, declared, inferred କିମ୍ବା unknown।
evidence
result ପଛରେ ଥିବା signal, ଯାହାଦ୍ୱାରା ଆପଣଙ୍କ team କାହିଁକି ତାହା ଦେଖିପାରିବ।

observation mode ରେ ଆରମ୍ଭ କରନ୍ତୁ: ଆପଣଙ୍କ log ପାଖରେ result record କରନ୍ତୁ ଏବଂ ଆପଣ policy ବାଛିବା ପର୍ଯ୍ୟନ୍ତ କିଛି ମଧ୍ୟ ପରିବର୍ତ୍ତନ କରନ୍ତୁ ନାହିଁ। Node.js integration guide ପଢନ୍ତୁ

ସାଧାରଣ ପ୍ରଶ୍ନଗୁଡ଼ିକ

AI ଏଜେଣ୍ଟ ଟ୍ରାଫିକ୍ ବିଶ୍ଳେଷଣ କ’ଣ?

ଏହା ହେଉଛି ଆପଣଙ୍କ ଆପ୍ଲିକେସନ୍ ର କେତେ ଅଂଶ କାର୍ଯ୍ୟକଳାପ ଲୋକ, AI ସହ କାମ କରୁଥିବା ଲୋକ, ସ୍ୱୟଂଚାଳିତ ଏଜେଣ୍ଟ ଏବଂ ଅଚିହ୍ନଟ ସ୍ରୋତମାନଙ୍କ ଠାରୁ ଆସୁଛି, ଯାହାକୁ ପଥ, workflow ଏବଂ ସମୟ ଅନୁସାରେ ଭାଗ କରାଯାଏ।

ଏହା ମୋର web analytics tool ଠାରୁ କିପରି ଭିନ୍ନ?

Web analytics tool ଗୁଡ଼ିକ ମାନବ ଭିଜିଟ୍ ଏବଂ କ୍ୟାମ୍ପେନ୍ ଗଣନା ପାଇଁ ତିଆରି। Proof of Actor ପ୍ରତ୍ୟେକ ଇଣ୍ଟରାକ୍ସନ୍ ରେ କିଏ କିମ୍ବା କ’ଣ କାର୍ଯ୍ୟ କରୁଛି ତାହା ବର୍ଗୀକୃତ କରେ, ଫଳାଫଳ ପଛରେ ଥିବା ପ୍ରମାଣ ଦେଖାଏ, ଏବଂ ପୃଷ୍ଠା ସହିତ APIs ଏବଂ MCP server ମଧ୍ୟ ଆବରଣ କରେ।

ଏହାରେ API ଏବଂ MCP ଟ୍ରାଫିକ୍ ଅନ୍ତର୍ଭୁକ୍ତ କି?

ହଁ। server-side ଏବଂ MCP integration ଗୁଡ଼ିକ API call ଏବଂ tool call ଗୁଡ଼ିକରେ actor context ଆଣେ, ଯାହା ସାଧାରଣତଃ ଏଜେଣ୍ଟ କାର୍ଯ୍ୟକଳାପ ସର୍ବାଧିକ ଥିବା ସ୍ଥାନ।

ସଂଖ୍ୟାଗୁଡ଼ିକ ଅନୁମାନ ଉପରେ ଆଧାରିତ କି?

ପ୍ରତ୍ୟେକ ବର୍ଗୀକରଣ ତାହାର ଆଧାର ଦର୍ଶାଏ: verified, declared, inferred କିମ୍ବା unknown। ଆପଣ ଆପଣଙ୍କର analytics କୁ basis ଅନୁସାରେ filter କରିପାରିବେ, ତେଣୁ verified agent traffic ଏବଂ inferred agent traffic କେବେ ମଧ୍ୟ ଏକାତ୍ମ ହୋଇଯାଏନି।

ଏହା ମୋର app କିପରି ପ୍ରତିକ୍ରିୟା ଦେଉଛି ତାହା ପରିବର୍ତ୍ତନ କରେ କି?

ଡିଫଲ୍ଟ ଭାବେ ନୁହେଁ। analytics observation mode ରେ ଚାଲେ। ଆପଣଙ୍କ ଟିମ୍ policy ସକ୍ରିୟ କରିଲେ ମାତ୍ର ଆପଣଙ୍କ ଆପ୍ ବ୍ୟବହାର ପରିବର୍ତ୍ତନ କରେ।

ମୁଁ access କିପରି ପାଇବି?

ପ୍ରାରମ୍ଭିକ access ପାଇଁ apply କରନ୍ତୁ। ଚୟନିତ founding developer ଟିମ୍ମାନେ ସମ୍ମତ usage limits ମଧ୍ୟରେ 12 months ପର୍ଯ୍ୟନ୍ତ ମାଗଣା access ପାଇପାରିବେ।

ଆପଣଙ୍କ app କୁ କିଏ ବ୍ୟବହାର କରୁଛି, ତାହା ଜାଣନ୍ତୁ।

Founding developer ଙ୍କ ଛୋଟ ଦଳ ପାଇଁ private beta।

ପ୍ରଥମେ କଥାହେବାକୁ ପସନ୍ଦ କରନ୍ତି? founderମାନଙ୍କ ସହ କଥାବାର୍ତ୍ତା କରନ୍ତୁ