Pada generasi pertama web, pada akhir 1990 -an, pencariannya baik -baik saja tetapi tidak hebat, dan tidak mudah untuk menemukan banyak hal. Hal ini menyebabkan munculnya protokol sindikasi pada awal dekade pertama abad kedua puluh, di mana atom dan RSS (penyederhanaan) menyediakan cara yang lebih sederhana bagi situs web untuk menjadi berita utama dan konten lainnya dengan mudah tersedia dan dicari.

Di era modern kecerdasan buatan, sekelompok protokol baru tampaknya melayani tujuan dasar yang sama. Kali ini, alih -alih memfasilitasi situs bagi manusia untuk menemukannya, datang ke segalanya untuk membuat situs web lebih mudah bagi Amnesty International. priaProtokol Kontrol Bentuk (MCP), GoogleAgent2agen 2AGE dan Model Bahasa Besar/ LLMS.TX adalah di antara upaya saat ini.

Protokol terbaru adalah tegangan NLWB (Microsoft Natural Language), yang diumumkan selama konferensi Build 2025. NLWB juga secara langsung ditautkan dengan generasi pertama standar berbagi web, seperti yang divisualisasikan dan dibuat oleh RV Guha, yang membantu menciptakan RSS dan RDF (Framework Deskripsi Sumber Daya) dan Schema.org.

NLWB memungkinkan situs web untuk menambahkan antarmuka percakapan yang mudah dioperasikan, yang secara efektif mengubah situs web apa pun menjadi aplikasi AI di mana pengguna dapat menanyakan tentang konten menggunakan bahasa alami. NLWB tidak harus terkait dengan persaingan dengan protokol lain; Sebaliknya, itu dibangun di atas mereka. Protokol baru menggunakan format data terstruktur saat ini seperti RSS, dan setiap mitra NLWB berfungsi sebagai server MCP.

“Gagasan di balik NLWB adalah cara bagi siapa saja yang memiliki situs web atau antarmuka aplikasi yang sudah menjadi situs webnya dengan mudah atau aplikasi antarmuka pemrograman aplikasi mereka.” “Kamu benar -benar bisa memikirkannya sedikit seperti HTML untuk jaringan agen.”

Bagaimana NLWeb bekerja di AI-Cenable di Web Institusi

NLWB mengubah situs web menjadi eksperimen yang beroperasi dengan AI yang sama melalui proses langsung yang bergantung pada infrastruktur saat ini di internet sambil mengambil keuntungan dari teknologi kecerdasan buatan modern.

Berdasarkan data saat ini: Sistem dimulai dengan memanfaatkan data terstruktur yang sudah diterbitkan oleh situs web, termasuk markup, feed RSS dan format semi -terorganisir lainnya yang biasanya termasuk dalam halaman web. Ini berarti bahwa penerbit tidak perlu membangun kembali seluruh infrastruktur konten mereka.

Pemrosesan Data dan Menyimpannya: NLWB mencakup alat untuk menambahkan data terorganisir ini ke database vektor, yang memungkinkan penelitian dan pengambilan semantia yang efektif. Sistem ini mendukung semua opsi basis data vektor utama, yang memungkinkan pengembang untuk memilih solusi yang sesuai dengan persyaratan dan ukuran teknis mereka.

Lapisan Peningkatan Kecerdasan Buatan: LLMS dan kemudian meningkatkan data ini yang disimpan dengan pengetahuan dan konteks eksternal. Misalnya, ketika pengguna menanyakan tentang restoran, sistem secara otomatis membongkar visi geografis, ulasan, dan informasi yang relevan dengan menggabungkan konten terarah dan kemampuan LLM untuk memberikan respons yang komprehensif dan pintar alih -alih memulihkan data sederhana.

Penciptaan antarmuka global: Hasilnya adalah antarmuka bahasa alami yang melayani pengguna manusia dan agen kecerdasan buatan. Pengunjung dapat mengajukan pertanyaan dalam bahasa Inggris sederhana dan menerima tanggapan percakapan, sementara sistem kecerdasan buatan dapat mengakses pemrograman dan menanyakan tentang informasi situs melalui bingkai MCP.

Pendekatan ini memungkinkan situs web mana pun untuk berpartisipasi dalam jaringan agen yang muncul tanpa perlu perbaikan teknis skala besar. Itu membuat pencarian dan interaksi Amnesty International sebagai halaman web dasar di hari -hari pertama Internet.

Adegan protokol AI yang muncul membawa banyak pilihan ke lembaga

Ada banyak protokol yang muncul di bidang kecerdasan buatan; Tidak semuanya melakukan hal yang sama.

Google Agent2AgentMisalnya, ini semua tentang memungkinkan agen untuk berbicara satu sama lain. Itu datang untuk mengorganisir dan melanjutkan kecerdasan buatan AI dan tidak fokus khususnya pada situs web saat ini atau konten kecerdasan buatan. Maria Gorski, pendiri dan CEO AIA Dan berkontribusi Proyek Nanda Sebuah tim di Massachusetts Institute of Technology, Jelaskan kepada VentureBeat bahwa A2A Google menyediakan tugas yang terorganisir di antara agen yang menggunakan skema spesifik dan model siklus hidup.

Dia mengatakan: “Meskipun protokolnya adalah open source dan model model berdasarkan desain, aplikasi dan alat saat ini terkait erat dengan studi Google-geografis, yang membuatnya lebih dari kerangka format belakang lebih dari layanan berbasis web umum.”

Upaya lain yang muncul llms.txt. Tujuannya adalah untuk membantu LLMS untuk mengakses konten web dengan lebih baik. Saat berada di permukaan, itu mungkin tampak seperti NLWB sampai batas tertentu, ini tidak sama.

“NLWB tidak bersaing dengan llms.txt, lebih sebanding dengan alat pengikis web yang mencoba menyimpulkan maksud dari situs web,” kata Michael Ni, Wakil Presiden dan Wakil Presiden dan Wakil Presiden Penelitian Konstelasi VentureBeat.

Arvapaly, co -founder dan cto dari Dappier, Dia menjelaskan kepada VentureBeat bahwa LLMS.TX memberikan format yang mirip dengan diskon dengan izin pelatihan yang membantu LLM merangkak menyerap konten dengan tepat. NLWB berfokus pada memungkinkan reaksi dalam waktu aktual secara langsung di situs web penerbit. DapPier memiliki sistem dasarnya sendiri yang secara otomatis mengkonsumsi RSS dan data terstruktur lainnya, kemudian menyediakan antarmuka percakapan yang inklusif. Penerbit dapat menyatukan konten mereka ke pasar data mereka.

MCP adalah protokol besar lainnya, dan telah menjadi standar aktual dan elemen penting dalam NLWB. Pada dasarnya, MCP adalah standar terbuka untuk menghubungkan sistem kecerdasan buatan ke sumber data. Ni menjelaskan bahwa di Microsoft, MCP adalah lapisan transport, di mana MCP dan NLWB menyediakan HTML dan TCP/IP bersama untuk jaringan agen terbuka.

Para analis besar di Forrester McKeon-WWHite melihat sejumlah keunggulan NLWB pada opsi lain.

“Keuntungan utama NLWB adalah kontrol yang lebih baik tentang bagaimana melihat sistem kecerdasan buatan” karya -karya yang membentuk situs web, memungkinkan peningkatan mobilitas dan pemahaman yang lebih lengkap tentang alat -alat tersebut. “Ini dapat mengurangi kesalahan dari sistem kesalahpahaman apa yang mereka lihat di situs web, serta mengurangi reformulasi antarmuka,” kata McCeon White kepada VentureBeat.

Adopte pertama sudah melihat janji NLWB untuk AI Agen Enterprise

Microsoft NLWB tidak melempar dinding yang ideal dan berharap seseorang akan menggunakannya.

Microsoft sudah memiliki banyak organisasi yang mengoperasikan dan menggunakan NLWB, termasuk media publik Chicago, Allcipes, Eventbrite, Hearst (Delish), O’Raily Media, TripAdvisor dan Shopify.

Andrew Odwan, Kepala Teknologi di O’Railill Media adalah salah satu pengadopsi pertama dan melihat janji nyata untuk NLWB.

“NLWB meningkatkan praktik dan standar terbaik yang telah dikembangkan selama dekade terakhir di jaringan terbuka dan membuatnya tersedia untuk LLMS,” kata Udow kepada VentureBeat. “Perusahaan telah menghabiskan waktu lama untuk meningkatkan data deskriptif jenis ini untuk mesin pencari dan tujuan pemasaran lainnya, tetapi sekarang mereka dapat memanfaatkan kekayaan ini dari data untuk membuat Amnesty International mereka lebih cerdas dan lebih mampu NLWB.”

Menurut pendapatnya, NLWB sangat berharga bagi lembaga sebagai konsumen informasi umum dan penerbit untuk informasi pribadi. Dia menunjukkan bahwa hampir setiap perusahaan memiliki upaya penjualan dan pemasaran karena mereka mungkin perlu bertanya, “Apa yang dilakukan perusahaan ini?” Atau “Apa produk ini?”

“NLWB menyediakan cara yang bagus untuk membuka informasi ini di LLM internal sehingga Anda tidak perlu berburu dan memilih untuk menemukannya,” kata Udow. “Sebagai penerbit, Anda dapat menambahkan data identifikasi Anda dengan standar Schema.org dan menggunakan NLWB secara internal sebagai MCP untuk memungkinkannya menggunakan internal.”

Penggunaan NLWB juga belum tentu merupakan lift yang berat. Odewahn mengindikasikan bahwa banyak organisasi mungkin sudah menggunakan banyak kriteria di mana NLWB bergantung.

Dia berkata: “Tidak ada aspek negatif dari pengalamannya sekarang karena NLWB dapat berjalan sepenuhnya dalam infrastruktur Anda.” “Ini adalah program open source yang memenuhi data open source terbaik, jadi Anda tidak kehilangan apa yang Anda dapatkan dan banyak untuk mendapatkan dari pengalamannya sekarang.”

Haruskah perusahaan melompat ke NLWB sekarang, atau menunggu?

Constellation Michael Ni memiliki pandangan yang agak positif tentang NLWB. Namun, ini tidak berarti bahwa perusahaan perlu segera mengadopsinya.

Ni mencatat bahwa NLWB berada pada tahap awal kematangan dan lembaga harus mengharapkan 2-3 tahun untuk akreditasi hebat. Ini menunjukkan bahwa perusahaan terkemuka dengan kebutuhan spesifik, seperti pasar aktif, dapat berharap untuk bereksperimen dengan kemampuan untuk berpartisipasi dan membantu membentuk standar.

Ni mengatakan: “Mereka adalah spesifikasi yang menonjol dengan kemampuan yang jelas, tetapi mereka perlu memverifikasi kesehatan ekosistem, alat implementasi, dan integrasi referensi sebelum Anda dapat mencapai pilot lembaga yang berlaku,” kata Ni.

Yang lain memiliki pandangan yang cukup agresif tentang adopsi. Gorskikh menyarankan pendekatan cepat untuk memastikan organisasi Anda tidak terlambat.

Dia berkata: “Jika Anda adalah lembaga dengan permukaan konten yang besar, basis pengetahuan internal, atau data yang terorganisir, percobaan NLWB adalah langkah yang cerdas dan perlu untuk tetap berada di latar depan,” katanya. “Ini bukan saat menunggu dan visi-seperti adopsi awal untuk antarmuka pemrograman aplikasi atau aplikasi seluler.”

Namun, saya perhatikan bahwa industri yang terorganisir perlu berjalan dengan hati -hati. Sektor -sektor seperti asuransi, layanan perbankan dan perawatan kesehatan harus berhenti menggunakan produksi sehingga ada sistem deteksi yang netral, dan deteksi. Sudah ada upaya pada tahap awal pemrosesan ini-seperti proyek Nanda di Massachusetts Institute of Technology di mana Gorskikh berpartisipasi, yang membangun sistem layanan terbuka dan non-sentral untuk layanan.

Apa artinya semua ini bagi para pemimpin AI Enterprise?

Bagi para pemimpin perusahaan AI, NLWB adalah momen toilet dan teknologi yang tidak boleh diabaikan.

Kecerdasan buatan akan berinteraksi dengan situs Anda, dan Anda perlu mengaktifkan kecerdasan buatan. NLWB adalah salah satu cara yang akan sangat menarik bagi penerbit, sama seperti RSS menjadi diperlukan untuk semua situs web pada awal dekade pertama abad kedua puluh. Dalam beberapa tahun, pengguna akan berharap berada di sana; Mereka akan berharap dapat mencari dan menemukan sesuatu, sementara AICenc AI harus dapat mengakses konten juga.

Ini adalah janji NLWB.