வரையறை
AI முகவர் போக்குவரத்து என்பது, AI models-ஐ பயன்படுத்தி என்ன செய்ய வேண்டும் என்று தீர்மானிக்கும் மென்பொருள் முகவர்களிடமிருந்து ஒரு application பெறும் கோரிக்கைகளின் தொகுப்பு. இம்முகவர்கள் pages-ஐ உலாவுதல், APIகளை அழைத்தல், forms-ஐ நிரப்புதல், மற்றும் Model Context Protocol (MCP) servers-ல் tools-ஐ invoke செய்தல் போன்றவற்றை, பொதுவாக ஒரு நபர் அல்லது ஒரு நிறுவனத்தின் சார்பில் செய்கின்றனர். இங்கு முக்கியமான அம்சம் என்னவெனில், பணிக்கு வழங்கப்பட்ட அடுத்த action-ஐ ஒரு மனிதர் அல்ல, ஒரு model தேர்ந்தெடுக்கிறது.
AI முகவர் போக்குவரத்து என்பது crawlers மற்றும் scripts போன்ற பழைய automation வடிவங்களுடன் ஓரளவு ஒத்திருக்கலாம், ஆனால் அதன் நடத்தை வேறுபட்டதாக இருக்கும். முகவர்கள் இலக்குகளை பின்தொடர்கிறார்கள், அவர்கள் கண்டுபிடிப்பதற்கேற்ப தங்களைச் சீரமைத்துக்கொள்கிறார்கள், மேலும் பெரும்பாலும் மக்களுக்காக மட்டுமே வடிவமைக்கப்பட்ட application-இன் பகுதிகளுடன் தொடர்பு கொள்கிறார்கள்.
இது எங்கு தோன்றுகிறது
- Websites மற்றும் SaaS apps: assistants documentation-ஐ படிப்பது, pricing pages-ஐ ஒப்பிடுவது அல்லது signed-in session-இல் பல படி workflows-ஐ முடிப்பது. AI operators இந்தப் போக்குவரத்தில் சிலவற்றை ஆவணப்படுத்துகின்றனர்: OpenAI's ChatGPT-User மற்றும் Anthropic-இன் Claude-User ஒரு நபர் ஒரு கேள்வி கேட்கும்போது pages-ஐ fetch செய்கின்றன.
- APIs: agents API credentials-ஐ பயன்படுத்தி நேரடியாக endpoints-ஐ அழைப்பது, பெரும்பாலும் மனிதர் இயக்கும் integration-ஐ விட வேறுபட்ட வேகம் மற்றும் pattern-இல்.
- MCP servers: AI clients tools-ஐ invoke செய்வது, இதில் ஒவ்வொரு call-மும் வரையறைப்படி automated ஆகும், மேலும் எந்த client call செய்கிறது, அது என்ன செய்யலாம் என்பதே கேள்வி. MCP server-ஐப் பார்க்கவும்.
இதை எப்படி அடையாளம் காணுவது
ஒரே ஒரு signal மட்டும் agent traffic-ஐ நம்பகமாக அடையாளம் காணாது. குழுக்கள் பல வலிமை நிலைகளிலான evidence-ஐ சேர்த்துப் பயன்படுத்துகின்றன; இது website traffic AI agents-இலிருந்து வருகிறதா என்பதை எப்படி அறியலாம் என்பதில் விளக்கப்பட்டுள்ளது:
Verified evidence
சில agent operators தங்கள் கோரிக்கைகளை HTTP message signatures (RFC 9421) மூலம் கையொப்பமிடுகின்றனர், மேலும் அந்த keys அவர்கள் கட்டுப்படுத்தும் domain-இன் கீழ் வெளியிடப்பட்டிருக்கும்; இது IETF Web Bot Auth பணியைப் பின்பற்றுகிறது. சரிபார்க்கப்படும் ஒரு signature, கோரிக்கையை அனுப்பியது எந்த operator-இன் client என்பது குறித்து வலுவான evidence ஆகும்.
Declared evidence
Clients தங்களைத் தாங்களே விவரிக்கலாம்: ஒரு user-agent string, ஒரு MCP client name, ஒரு header. இவை பயனுள்ளவை, ஆனால் எளிதாகப் போலியாக்கப்படலாம்; அதனால்தான் user-agent spoofing ஒரு நிலையான கவலை.
Inferred evidence
Request timing, navigation patterns, browser context இல்லாமை, மற்றும் protocol details automation-ஐ சுட்டிக்காட்டலாம். Inferences தவறாக இருக்க முடியும்; ஆகவே அவை எப்போதும் inferences என்பதாகவே குறிக்கப்பட வேண்டும்.
இந்தவற்றில் எதுவும் ஒரு தீர்மானத்தை ஆதரிக்காவிட்டால், நேர்மையான முடிவு Unknown.
இது ஏன் முக்கியம்
Agent traffic இயல்பாக நல்லதும் அல்ல, கெட்டதும் அல்ல. திட்டங்களை ஒப்பிடும் ஒரு shopping assistant, பதிவுகளை ஒத்திசைக்கும் ஒரு internal agent, மற்றும் உங்கள் terms-ஐ புறக்கணிக்கும் ஒரு scraper ஆகியவை network நிலையிலில் ஒரே மாதிரி தோன்றலாம். ஆனால் மாறுவது என்னவெனில், உங்கள் application என்ன செய்ய வேண்டும் என்பதே:
- நீங்கள் சேவை செய்ய விரும்பும் agents-க்கு ஒரு structured response அல்லது API-ஐ வழங்கவும்.
- automated volume resources-ஐ அழுத்தக்கூடிய இடங்களில் route-நிலை limits-ஐப் பயன்படுத்தவும்.
- high-impact actions முன் வலுவான credentials-ஐக் கேட்கவும்.
- மனித அனுபவத்தை வேகமாகவும், குழப்பமற்றதாகவும் வைத்திருக்கவும்.
எல்லா automation-யையும் abuse எனக் கருதுவது சட்டப்பூர்வமான integrations-ஐ உடைக்கிறது. அதை புறக்கணிப்பது, உங்கள் குழு கருதும் context இல்லாமலேயே உணர்வுமிக்க actions இயங்க அனுமதிக்கும்.
பொதுவான தவறான புரிதல்கள்
"Agents எப்போதும் தங்களை அடையாளப்படுத்திக் கொள்கின்றனர்." பலர் அப்படிச் செய்யவில்லை, மேலும் declarations போலியானவையாக இருக்கலாம்.
"கையொப்பமிட்ட agent என்பது நம்பகமான agent." ஒரு signature, கோரிக்கையை எந்த key கையொப்பமிட்டது என்பதை காட்டுகிறது. அந்த action அங்கீகரிக்கப்பட்டது அல்லது பாதுகாப்பானது என்பதை அது காட்டாது. agent authorization-ஐப் பார்க்கவும்.
"Automation-ஐத் தடை செய்வது app-ஐ பாதுகாக்கிறது." இது பெரும்பாலும் customers சார்ந்திருக்கும் integrations-ஐத் தடுக்கிறது, அதே நேரத்தில் உறுதியான bad actors தங்களைச் சீரமைத்துக்கொள்கிறார்கள்.
Proof of Actor agent traffic-ஐ எப்படி கையாளுகிறது
Proof of Actor ஒவ்வொரு interaction-ஐயும் Human, Human + AI, Agent அல்லது Unknown ஆக வகைப்படுத்துகிறது (the taxonomy is explained here), மேலும் அந்த result verified, declared அல்லது inferred என்பதையும் தெரிவிக்கிறது. குழுக்கள் முதலில் observe செய்கிறார்கள், பின்னர் தங்கள் சொந்த policies மூலம் agent traffic-ஐ route செய்கிறார்கள். How It Works-ஐப் பார்க்கவும் அல்லது early access-க்கு விண்ணப்பிக்கவும்.
மூலங்கள்
- Model Context Protocol specification (2026-07-28): November 2026 நிலவரப்படி தற்போதைய MCP revision
- RFC 9421: HTTP Message Signatures: கையொப்பமிட்ட agent requests-க்குப் பின்னுள்ள standard
- IETF Web Bot Auth working group: automated clients-ஐ authenticate செய்வதற்கான standards வேலை
- OpenAI: Overview of OpenAI Crawlers: ChatGPT-User மற்றும் பிற documented OpenAI user agents
- Anthropic: crawler and fetcher documentation: Claude-User மற்றும் பிற Anthropic bots