คำนิยาม
เอเจนต์อัตโนมัติคือซอฟต์แวร์ที่มุ่งไปสู่เป้าหมายโดยตัดสินใจและดำเนินชุดการกระทำ โดยไม่ต้องมีคนยืนยันในแต่ละขั้นตอน เอเจนต์สมัยใหม่ใช้โมเดลภาษาช่วยวางแผน เรียกใช้เครื่องมือ อ่านผลลัพธ์ และปรับการทำงาน คนหรือองค์กรโดยทั่วไปเป็นผู้กำหนดเป้าหมายและขอบเขต ส่วนเอเจนต์เป็นผู้ทำงานระหว่างนั้น
ใน actor intelligence เอเจนต์อัตโนมัติสอดคล้องกับคลาส Agent - การโต้ตอบเกิดจากระบบอัตโนมัติ ไม่ใช่จากคนที่สั่งการแต่ละการกระทำ ดู Human, AI-assisted or agent: a practical taxonomy for application traffic เพื่อดูว่าคลาสต่าง ๆ เปรียบเทียบกันอย่างไร
เอเจนต์เมื่อเทียบกับระบบอัตโนมัติรูปแบบอื่น
- สคริปต์และครอว์เลอร์ ทำตามคำสั่งตายตัว พฤติกรรมคาดเดาได้และแคบ
- เอเจนต์อัตโนมัติ ปรับตัวได้ พวกมันอ่านสิ่งที่แอปส่งกลับมาและเลือกว่าจะทำอะไรต่อ ซึ่งหมายความว่าอาจเข้าถึงส่วนของแอปที่ไม่เคยออกแบบไว้เพื่อระบบอัตโนมัติ
- คนที่ใช้ AI ช่วย ใช้ AI เป็นผู้ช่วยแต่ยังคุมการตัดสินใจ ดู AI-assisted interaction
ทำไมเอเจนต์อัตโนมัติจึงสำคัญต่อเจ้าของแอป
เอเจนต์ทำงานแทนลูกค้าจริงมากขึ้นเรื่อย ๆ: เปรียบเทียบสินค้า รวบรวมเอกสาร ยื่นทิกเก็ต ซิงก์ข้อมูล และเรียกใช้ API การโต้ตอบเหล่านี้จำนวนมากมีคุณค่า แอปที่บล็อกทั้งหมดโดยค่าเริ่มต้นอาจทำให้เสียการใช้งานที่ชอบด้วยเหตุผล ขณะที่แอปที่ปฏิบัติต่อพวกมันเหมือนคนทุกประการอาจเปิดการกระทำที่อ่อนไหวให้กับผู้มีพฤติกรรมแตกต่างออกไปมาก
คำถามที่เป็นประโยชน์สำหรับการโต้ตอบกับเอเจนต์ทุกครั้ง:
- นี่คือเอเจนต์ตัวไหน? มีตัวตนที่ตรวจสอบได้หรือไม่ เช่น HTTP message signature (RFC 9421) หรือมีแค่คำอธิบายตัวเอง
- มันทำอะไรได้บ้าง? ตัวตนไม่ใช่สิทธิ์ นั่นคือคำถามเรื่อง authorization
- ใครอยู่เบื้องหลัง? คนอาจได้มอบ delegated authority ให้กับเอเจนต์ หรือเอเจนต์อาจทำงานแทนองค์กร หลักฐานเรื่องตัวตนไม่ได้พิสูจน์การมอบอำนาจ
- ผลกระทบของการกระทำนี้คืออะไร? การอ่านแค็ตตาล็อกสาธารณะกับการเปลี่ยนการตั้งค่าบัญชีควรมีการควบคุมต่างกัน
วิธีสังเกตเอเจนต์อัตโนมัติ
การระบุตัวตนผสานหลักฐานที่มีความหนักแน่นต่างกัน ลายเซ็นที่ตรวจสอบได้จากผู้ดำเนินการที่เผยแพร่สาธารณะนั้นมีน้ำหนักมาก ชื่อไคลเอนต์ที่แจ้งเองมีประโยชน์แต่ก็ปลอมเลียนแบบได้ รูปแบบเชิงพฤติกรรมและโปรโตคอลสามารถสนับสนุนข้อสรุปได้ เมื่อสิ่งเหล่านี้ไม่เพียงพอ คำตอบที่ถูกต้องคือ Unknown ไม่ใช่การเดา
การให้บริการเอเจนต์อย่างเหมาะสม
แอปที่คาดว่าจะมีทราฟฟิกจากเอเจนต์มักจะ:
- เสนอ API แบบมีโครงสร้างหรือผลลัพธ์ที่เครื่องอ่านได้สำหรับการอ่านข้อมูลทั่วไป
- ใช้ rate limit ระดับ route ที่เหมาะกับผู้เรียกแบบอัตโนมัติ
- กำหนดให้มีข้อมูลรับรองที่เข้มงวดยิ่งขึ้นหรือการยืนยันจากผู้ใช้โดยตรงสำหรับการกระทำที่มีผลกระทบสูง (ดู designing app-level policies for humans and AI agents)
- ทำให้หน้าที่มีผู้ใช้มองเห็นตอบสนองเร็ว และไม่มี challenge ที่ออกแบบมาสำหรับระบบอัตโนมัติ
ความเข้าใจผิดที่พบบ่อย
"เอเจนต์คือบ็อต และบ็อตคือสิ่งไม่ดี" เอเจนต์จำนวนมากเป็นเครื่องมือของลูกค้า เป้าหมายคือประสบการณ์ที่เหมาะสม ไม่ใช่การบล็อกแบบอัตโนมัติทันที
"เอเจนต์ที่ตรวจสอบแล้วทำอะไรก็ได้เท่ากับบัญชีของมัน" การยืนยันตัวตนระบุไคลเอนต์ แต่มิได้อนุญาตการกระทำ
Proof of Actor ปฏิบัติต่อเอเจนต์อย่างไร
Proof of Actor จัดประเภทการโต้ตอบของเอเจนต์เป็น Agent พร้อมฐานที่ชัดเจน (verified, declared หรือ inferred) ดังนั้นนโยบายของคุณจึงสามารถปฏิบัติต่อผู้ดำเนินการที่ลงลายเซ็นแตกต่างจากผู้ที่แจ้งตัวเองได้ คุณเป็นผู้ตัดสินว่าแต่ละ route อนุญาตอะไร ดูกรณีใช้งานสำหรับ APIs และ MCP servers หรือ สมัครเข้าร่วมการเข้าถึงระยะแรก
แหล่งอ้างอิง
- RFC 9421: HTTP Message Signatures: ตัวตนที่ตรวจสอบได้สำหรับไคลเอนต์อัตโนมัติ
- IETF Web Bot Auth working group: งานมาตรฐานเกี่ยวกับการยืนยันตัวตนของบ็อตและเอเจนต์