AgentReady: استاندارد باز برای آماده کردن سایت برای AI agentها
هوش مصنوعی
فرانتاند
سئوخلاصهٔ کامل‌تر
AgentReady یه مشخصه‌ی باز با لایسنس MIT هست که با همکاری شرکت‌هایی مثل Vercel، Stripe، Auth0، Mintlify و Google منتشر شده. هدفش اینه که یه تعریف مشترک بده از اینکه «آماده بودن برای agentها» یعنی چی، بدون اینکه پروتکل یا فروشنده‌ی خاصی رو تبلیغ کنه. به گفته‌ی تیم سازنده، قواعدش از بیش از ۲۵۰ هزار اجرای واقعی agent و یه آزمایش کنترل‌شده با آزمایشگاه ora.ai اومده. هر قاعده یه شناسه مثل AR-FIND-01 و یه سطح MUST، SHOULD یا MAY داره.
راهنما سه مرحله داره: find یعنی پیدا شدن، read یعنی خونده شدن، و act یعنی انجام کار. طبق مطالعات، فقط دو تغییر واقعاً agent رو از کار انداخت: جوابی که فقط بعد از اجرای جاوااسکریپت ظاهر میشه و بلاک کردن دسترسی. تو آزمایشی که یه سایت مستندات با ۱۹ پیکربندی مختلف سرو شد، فقط همین حالت‌ها شکست خوردن. یعنی اگه سایتت SPA هست، جواب باید تو HTML اولیه باشه، مثلاً با server-side rendering یا prerender.
تو بخش find، بررسی ۱۰۵۶ سایت تجاری نشون داده وقتی agent نمی‌تونه سایت رو بخونه، باز هم جواب می‌ده، ولی از سرچ وب و صفحه‌های بقیه. این جواب‌ها ۳.۷ برابر بیشتر احتمال داشت هیچ‌کدوم از اطلاعات خواسته‌شده رو نداشته باشن. توصیه اینه که تو robots.txt یه قاعده‌ی کلی برای همه‌ی agentها بنویسی، نه یه لیست از crawlerهای اسم‌دار. bot protection هم مهمه: WAFی که به agent جواب 403 یا صفحه‌ی challenge بده، راهشو می‌بنده، پس برای محدود کردن از 429 استفاده کن.
تو بخش read، صفحه‌های مستندات مهم‌ترین منبع‌ان: ۸۳ درصد اجراها به یه صفحه‌ی docs رسیدن و ۴۷ درصد جواب‌هایی که منبعشون معلوم بود از همین صفحه‌ها اومده. فایل‌هایی مثل llms.txt (یه فهرست توضیح‌دار از صفحه‌های مهم سایت) و OpenAPI فقط وقتی دیده می‌شن که بهشون لینک بدی، چون ۸۶ تا ۱۰۰ درصد بازدیدهاشون از طریق لینک بوده. اطلاعاتی که فقط تو JSON-LD هستن هم ممکنه خونده نشن، پس تو متن قابل‌دیدن هم تکرارشون کن.
برای act، یعنی وقتی agent باید یه کار رو کامل کنه، از نسخه‌ی ۲.۰ داشتن یه MCP server (پروتکلی که agent از طریقش ابزارهای یه محصول رو صدا می‌زنه) یا یه CLI اجباری شده. بقیه‌ی توصیه‌ها شامل احراز هویتیه که agent بتونه تا آخرش بره، مثل OAuth 2.0، یه API عمومی با OpenAPI، و WebMCP برای ثبت ابزارها روی خود صفحه. برای پرداخت هم Stripe Link پیشنهاد شده که تو تست‌ها agentها باهاش ۹۲.۳ درصد checkoutها رو درست انجام دادن.
برای تست، تیم پیشنهاد می‌کنه به جای اینکه فقط با user-agent یه agent درخواست بفرستی، لاگ‌های سرور رو چک کنی. چون bot blockerها بیشتر به مبدأ درخواست نگاه می‌کنن تا user-agent. OpenAI و Anthropic رنج IP crawlerهاشون رو منتشر می‌کنن و میشه دید درخواست‌هاشون 200 می‌گیرن یا نه. ابزارهایی مثل is-agentic.com، ora.ai و Mintlify Agent Score هم سایت رو امتیازدهی می‌کنن.
نکات کلیدی:
- دو چیزی که agent رو کامل از کار انداخت: جواب پنهون پشت جاوااسکریپت و بلاک کردن دسترسی (AR-READ-01 و AR-FIND-01، هر دو MUST)
- جواب‌هایی که بدون خوندن سایت ساخته شدن ۳.۷ برابر بیشتر احتمال داشت هیچ‌کدوم از اطلاعات خواسته‌شده رو نداشته باشن
- ۸۳ درصد اجراها به صفحه‌ی docs رسیدن، به‌طور میانگین ۳.۴ صفحه در هر اجرا
- دقت جواب‌های قیمت از سایت خود کسب‌وکار ۶۰ درصد بود، در مقابل ۳۷ درصد از منابع دیگه
- برای صفحه‌ی ناموجود باید 404 برگردونی، نه 200 (AR-READ-02)
- تو نسخه‌ی ۲.۰ (اکتبر ۲۰۲۶) داشتن MCP server یا CLI برای انجام کار MUST شده
