Abstracte blauwe achtergrond met verbonden lijnen en punten als netwerk
Nieuws18 juni · 16:165 min leestijd

Google lanceert ARD: open standaard waarmee AI-agenten zelf hun tools vinden

Met Agentic Resource Discovery publiceert Google een open specificatie waarmee AI-agenten zelfstandig tools, skills en MCP-servers opzoeken en hun herkomst verifiëren. GitHub, Microsoft en Hugging Face doen mee.

Een AI-agent is maar zo nuttig als de tools die hij kan aanroepen. Tot nu toe moest je elke tool, skill of MCP-server met de hand aan een agent koppelen, en dat werkt niet meer zodra die bronnen verspreid raken over teams, leveranciers en bedrijven. Google publiceerde op 17 juni de Agentic Resource Discovery-specificatie (ARD), een open standaard waarmee AI-agenten zelf de juiste tools opzoeken, ranken en op echtheid controleren, ongeacht het framework of de leverancier erachter.

De standaard is geen losse Google-lancering. GitHub, Microsoft, GoDaddy en Hugging Face werkten mee aan de specificatie, die onder de Apache 2.0-licentie is vrijgegeven en voortbouwt op het AI Catalog-datamodel van de AI Catalog Working Group van de Linux Foundation. Snowflake kondigde dezelfde dag aan ARD te ondersteunen. Dat brede front is het echte nieuws: niet zozeer dat er weer een protocol bijkomt, maar dat de grote spelers er dit keer samen achter staan.

Hoe het werkt: catalogi en registers

ARD leunt op twee bouwstenen. Een organisatie publiceert een catalogus, een ai-catalog.json-bestand op een vaste plek op haar eigen domein, met daarin de tools die ze aanbiedt. Die catalogus kan MCP-servers, A2A-agenten, OpenAPI-tools en zelfs geneste catalogi beschrijven. Daarnaast zijn er registers: zoekmachines die het web afstruinen, die catalogi indexeren en ze doorzoekbaar maken voor agenten.

De agent stelt vervolgens in gewone taal een vraag aan zo'n register, of haalt een catalogus rechtstreeks op bij een bekende partner, en krijgt een gerankte lijst met passende capaciteiten terug. Pas daarna laadt hij de tool en praat hij via het native protocol, bijvoorbeeld MCP, met de bron. Belangrijk detail: ARD vervangt MCP of A2A niet, het is de ontbrekende laag erboven die regelt hóe een agent ze überhaupt vindt.

Vertrouwen via domeineigendom

Het interessantste zit in de verificatie. ARD gebruikt domeineigendom als cryptografische basis voor identiteit: een agent kan controleren wie een tool publiceert voordat hij er verbinding mee maakt. Google vat de drie vragen die de standaard wil beantwoorden samen als: waar leeft de juiste capaciteit, welke moet ik gebruiken, en hoe verifieer ik dat het veilig is om verbinding te maken. Volgens Google is ARD ontworpen om in productie cryptografische verificatie van de identiteit van de uitgever te ondersteunen.

Dat is precies het gat dat anderen nu ook proberen te dichten. Toen IBM Guardium aankondigde AI-agenten te gaan monitoren om het zichtbaarheidsgat te dichten, ging het over toezicht achteraf. ARD zet de controle juist vooraan: een agent koppelt niet zomaar een onbekende tool aan, hij verifieert eerst de herkomst.

GitHub Agent Finder gebruikt het al

De standaard is niet theoretisch. GitHub bracht tegelijk Agent Finder voor Copilot uit, dat bovenop ARD draait. Je beschrijft een taak in gewone taal, Agent Finder doorzoekt de beschikbare catalogi, GitHubs publieke catalogus of een privé bedrijfsregister, en geeft een gerankte selectie terug. Niets wordt geïnstalleerd zonder jouw expliciete akkoord. In GitHubs eigen woorden: agenten laden wat de taak vraagt in plaats van elke tool voor de zekerheid mee te slepen, en de beste opties worden voor je geordend zodat jij beslist wat je installeert.

Dat dynamisch laden raakt aan een praktisch probleem dat ik bij agent-projecten steeds terugzie: een agent volladen met tientallen tools maakt hem trager, duurder en foutgevoeliger. Alleen laden wat nodig is, sluit aan bij het idee van één open orkestratielaag boven al je AI-agenten zoals Databricks met Omnigent voorstelt.

Wat dit voor jouw bedrijf betekent

Bouw of verkoop je agent-workflows, dan is dit relevanter dan een doorsnee protocol-aankondiging. Een open, leverancier-onafhankelijke manier om tools te publiceren en te vinden verkleint de kans dat je vastzit aan het ecosysteem van één partij. Je kunt je eigen tools straks in een ai-catalog.json op je eigen domein zetten, met je domein als identiteitsbewijs, en ze laten ontdekken zonder ze aan elke klant handmatig te koppelen.

Tegelijk geldt: een standaard met logo's van Google, Microsoft en GitHub erop is nog geen werkende infrastructuur. Registers, governance en echte adoptie moeten zich nog bewijzen, en native ondersteuning in Google Cloud komt pas de komende maanden. Voor de meeste Nederlandse bedrijven is dit dus nog geen knop om vandaag om te zetten, maar wel het moment om je agent-architectuur zo te ontwerpen dat tools losgekoppeld en verifieerbaar zijn. Wie zijn capaciteiten nu al netjes als afzonderlijke, herkenbare bronnen opzet, plukt daar de vruchten van zodra dit soort ontdekking gemeengoed wordt.

Veelgestelde vragen

Alisina Nawabi
Geschreven doorAlisina Nawabi

AI Product Engineer & Solutions Architect

Agenten die echt werken

Ik help je agent-workflows zo opzetten dat tools losgekoppeld, verifieerbaar en betaalbaar blijven, van meedenken en ontwerp tot realiseren en automatiseren, self-hosted waar dat kan. Geen losse proof-of-concept, maar iets dat in productie standhoudt.

Meer informatie

Genoemde integraties

Dit artikel noemt deze tools. Ik koppel ze op maat aan je eigen systemen.

Gerelateerde artikelen

AI-transparantieplicht op je website: zo voldoe je aan artikel 50Gids

AI-transparantieplicht op je website: zo voldoe je aan artikel 50

Een praktische how-to om de transparantieplicht van de AI Act echt te implementeren: van chatbot-disclosure en het labelen van AI-content tot een werkbaar AI-register en logging.

Lees artikel
Van SEO naar AEO: zo blijf je vindbaar in een wereld van AI-zoekmachinesArtikel

Van SEO naar AEO: zo blijf je vindbaar in een wereld van AI-zoekmachines

Google-SEO is niet dood, maar vindbaarheid behandelen als een ranking-spel op één zoekmachine is dat wel aan het worden. Waarom de verschuiving naar antwoordmachines je sneller raakt dan je denkt.

Lees artikel
OpenAI kaapt Noam Shazeer weg bij Google: de mede-uitvinder van de transformer stapt overNieuws

OpenAI kaapt Noam Shazeer weg bij Google: de mede-uitvinder van de transformer stapt over

Noam Shazeer, mede-uitvinder van de transformer-architectuur en co-lead van Google Gemini, ruilt Google in voor OpenAI. De overstap legt bloot hoe de macht over AI zich concentreert bij een handvol labs, en waarom dat jouw keuzes raakt.

Lees artikel
GitHub Models stopt voor nieuwe klanten: wat je nu moet regelenNieuws

GitHub Models stopt voor nieuwe klanten: wat je nu moet regelen

GitHub trekt zijn gratis AI-modeltestomgeving terug voor nieuwe gebruikers, de eerste stap naar volledige uitfasering. Wie er prompt-experimenten op draaide, moet nu een alternatief kiezen dat niet opnieuw vastzit aan één leverancier.

Lees artikel
Microsoft overweegt DeepSeek V4 als goedkoper alternatief voor Claude in Copilot CoworkNieuws

Microsoft overweegt DeepSeek V4 als goedkoper alternatief voor Claude in Copilot Cowork

Microsoft onderzoekt een zelf-gehoste, bijgestelde versie van DeepSeek V4 als goedkopere motor onder Copilot Cowork, naast het dure Claude van Anthropic. Een keuze met gevolgen voor je AI-kosten en je modelafhankelijkheid.

Lees artikel
IBM Guardium gaat AI-agents monitoren: zo dicht je het zichtbaarheidsgatNieuws

IBM Guardium gaat AI-agents monitoren: zo dicht je het zichtbaarheidsgat

IBM kondigt monitoring voor agentic AI aan in Guardium, te beginnen met Claude via de Compliance API. Het belooft een sluitend bewijsspoor van prompt tot data, precies wat de AI Act straks vraagt.

Lees artikel