Agents.json - Spesifikasi OpenAI untuk LLM

• Spesifikasi terbuka berbasis standar OpenAPI yang mendefinisikan kontrak yang jelas antara LLM dan API
  • Menyusun pemanggilan API sebagai alat berbasis tujuan agar mudah digunakan oleh LLM
• Dengan dokumentasi OpenAPI yang ada saja, LLM sering kesulitan memilih dan memanggil API yang tepat
  • agents.json mendukung agar proses pemanggilan API tetap deterministik, sambil memungkinkan hasil yang ingin dicapai LLM dijalankan secara non-deterministik

Mengapa ini diperlukan?

• Untuk menggunakan LLM, sering kali perlu mengimplementasikan sendiri cara integrasinya dengan API
• Banyak pengembang memilih mengorbankan perilaku non-deterministik agen dan mencoba mendapatkan hasil yang diinginkan melalui workflow yang di-hardcode
• Dengan agents.json, LLM dapat bertindak secara non-deterministik dalam proses mencapai hasil yang diinginkan, sementara pemanggilan API itu sendiri tetap dapat dieksekusi secara deterministik
• API yang ada saat ini dirancang berpusat pada pengembang, sehingga sulit digunakan langsung oleh LLM
• Contoh Gmail API:
  • Diperlukan proses untuk mencari email, mengambil daftar email dalam sebuah thread, lalu membalas email tertentu
  • Jika LLM hanya merujuk langsung ke dokumen OpenAPI, sering kali gagal memilih pemanggilan API yang tepat
  • Dengan agents.json, pemanggilan API dapat didefinisikan lebih dulu agar dapat dieksekusi dalam urutan yang benar

Komponen agents.json

• File agents.json
  • Berperan menghubungkan pemanggilan API satu sama lain untuk mendefinisikan alat yang berfokus pada hasil
  • Digunakan bersama file OpenAPI yang sudah ada
• SDK agents.json
  • Memungkinkan LLM memuat alat berdasarkan agents.json dan menjalankan serangkaian pemanggilan API

Perbedaan dengan OpenAPI yang ada

• Jika hanya menggunakan OpenAPI, LLM sering gagal memilih pemanggilan API dengan benar
• Dengan agents.json, proses pemanggilan API dapat ditemplatkan sehingga dapat menyediakan alur pemanggilan API yang optimal untuk memperoleh hasil yang diinginkan

Alasan dirilis sebagai open source

• Awalnya ini adalah file konfigurasi yang digunakan secara internal, tetapi seiring fungsinya meluas diputuskan untuk merilisnya sebagai open source
• Dharmesh, CTO HubSpot, mengusulkan konsep spesifikasi terjemahan API untuk LLM, dan publikasi ini terinspirasi dari gagasan tersebut
• Saat ini sudah ada 10 integrasi API yang tervalidasi, dan API baru ditambahkan setiap hari
• Platform pencarian alat dan koleksi kustom disediakan gratis agar pengembang dapat memperluasnya dengan mudah (https://wild-card.ai)

[GN⁺]

Komentar Hacker News

• Sedang memperhatikan agents.json dan berharap protokol ini berhasil

  • Berpikir MCP dan agents.json mungkin bisa hidup berdampingan
  • MCP mencakup lebih banyak hal, dan membuat protokol yang disederhanakan mungkin sulit

• Agar agents.json diadopsi pada tahap awal, dokumentasinya harus lebih mudah dipahami

  • Contoh harus bisa langsung dilihat, dan skema harus tersedia di dekatnya
  • Pitch-nya harus ringkas, dan field dalam skema juga harus jelas
  • Mungkin diperlukan alat yang bisa menghasilkan draf agents.json ketika skema OpenAPI ditempelkan ke dalamnya oleh LLM

• Kompatibilitas OpenAPI dan agents.json bagus, tetapi mungkin berlebihan

  • OpenAPI memang populer, tetapi belum sepenuhnya menguasai pasar
  • Jika hal ini menambah kompleksitas pada agents.json, muncul pertanyaan apakah layak untuk didukung
  • Meski tidak kompatibel 100%, dukungan parsial mungkin bisa dilakukan lewat konverter khusus

• Banyak orang sedang memakai agentic IDE, dan akan bagus jika agents.json membagikan snippet yang menjelaskan cara penggunaan, cara menemukan dokumentasi, dan cara mencari registri

• Pertanyaan tentang perbedaan antara agents.json dan spesifikasi OpenAPI Arazzo

  • Ada pertanyaan apakah ini lebih cocok untuk penggunaan LLM
  • Dari contohnya, terlihat konsep yang serupa

• Ada pendapat bahwa sulit melihat file agents.json yang nyata

  • Bahkan setelah mencari di registri selama 10 menit, tidak menemukan contoh

• Pertanyaan tentang lisensi paket Python

  • Ada pertanyaan apakah lisensinya AGPL

• Idenya bagus, tetapi masalah lisensi bisa membuat adopsinya sulit

  • Berharap tim menjelaskan bagaimana paket AGPL bisa diadopsi ke dalam produk oleh sebuah tim

• Ini bisa dibuat lebih sederhana, dan itu hal yang baik

  • Mungkin telah menemukan bug pada judul properti informasi di spesifikasi

• Perbandingan antara agents.json dan llms.txt

  • llms.txt juga sedang muncul sebagai standar untuk membantu LLM memahami API
  • agents.json tampaknya lebih baik dalam pemahaman terstruktur atas endpoint yang berbeda

• Pertanyaan tentang mengapa agents tidak bisa menggunakan API yang didokumentasikan dengan spesifikasi OpenAPI

  • Dalam pengujian pribadi, itu bekerja dengan baik, tetapi pasti ada sesuatu yang terlewat

• Berharap agents.json dan file LLM.txt menjadi standar sederhana seperti robot.txt

  • CrewAI, Letta/MemGPT, OpenHands/OpenDevin, dan lainnya memang terkait, tetapi belum ada yang benar-benar melampaui batas itu
  • MCP adalah pendekatan yang paling fleksibel, dan semoga bisa cocok dipadukan dengan agents.json
  • Tim Netlify sedang memikirkan sesuatu yang menarik tentang Agent Experience (AX), dan tim Anthropic serta wildcard perlu memperhatikannya

• Pertanyaan tentang persamaan/perbedaannya dengan MCP

  • Terlihat keren