Vercel 把”文件目录”变成了 Agent 框架，Google 给 Agent 发了”通用语言”：6 月 17 日这两件事，普通人也能跟着玩
如果你去年尝试自己搭过一个 AI 智能体（Agent），大概率经历过这种时刻：跟着某个开源项目跑起来一个 demo 兴奋了 5 分钟，然后想加一个新功能——查一下文档，要么要写几十行注册代码，要么要把这个功能塞进某个 “registry.json” 里跟其它东西打架，最后折腾两小时干脆放弃。
这事不只是你遇到。所有想认真做 AI Agent 的人都被这件事折磨过。
2026 年 6 月 17 日这天，两家科技巨头同时出手，把这个”开发者第一关”重新做了一遍。
第一件：前端框架巨头 Vercel 开源了一个叫 Eve 的 Agent 框架（Apache-2.0 协议）。最大特点就一句话——“文件系统优先”：每个 Agent 就是一个磁盘目录，目录里长什么样，Agent 就长什么样。不用写注册代码，不用查配置 API。
第二件：Google 联合 Linux 基金会下的 AI Catalog 工作组，发布了一份叫 Agentic Resource Discovery（ARD） 的开放规范（Apache-2.0）。它干的事跟 DNS 有点像——让任何 Agent 都能在公网上”找到”它需要的工具、技能、其它 Agent，并且事先验明正身才敢连。
这两件事放一起看，意思是：AI Agent 这个行业终于开始把”地基”打起来了。之前大家都在抢着发 Agent 产品（OpenAI 的、Anthropic 的、Google 的、各种创业公司的），现在有人开始抢着发”Agent 怎么搭、怎么连”的基础设施。
而最关键的一点是——这两件事都不需要你有什么大公司背景。Vercel Eve 装个 npm 包就能跑，ARD 跟着官方 quickstart 走 5 步就能在自家域名上架一个 catalog。
这篇文章会带你从 0 跑通 Eve 的 hello world（一个能查天气的 Agent），再演示一下怎么用 ARD 把你的服务”挂”到 agent 互联网上去。两个上手加起来 30 分钟以内。
一、先搞明白这两件事分别在解决什么问题
在动手之前，我们先把这俩东西拆开看清楚。
1.1 Vercel Eve 在解决什么
Vercel 之前大家最熟的是 Next.js（前端框架）——基本上做 Web 的人都知道。Eve 是 Vercel 6 月 17 日在 GitHub 上发布的 Agent 框架，开源协议 Apache-2.0，可以免费商用。
它针对的痛点很具体：
现在的 Agent 框架，你要加一个工具（tool）就要写一段注册代码，要加一个技能（skill）就要在某个清单里加一项，要接一个消息渠道（比如 Slack、Discord）又要写一段适配逻辑。所有这些”胶水代码”加起来，超过了 Agent 本身的逻辑代码。
Eve 的解法是：别写胶水代码了，把文件放在对的目录就行。
Eve 框架规定了一个标准目录布局：
my-agent/
└── agent/ # 智能体核心目录
├── instructions.md # 系统提示词（必填）
├── agent.ts # 模型配置（可选）
├── tools/ # 工具函数
├── skills/ # 按需加载的技能文档
├── channels/ # 消息渠道（Slack/Discord/HTTP）
└── schedules/ # 定时任务
框架会在启动时自动扫描这个目录，把里面所有该加载的东西都装上。你想加一个工具？扔个 .ts 文件到 tools/ 就行。你想接 Slack？扔个 slack.ts 到 channels/ 就行。
这种”约定大于配置”的设计思路，借鉴的是 Next.js / Rails / Phoenix 这些老牌 Web 框架——Eve 的设计者在文档里直接说 “Eve is to agents what Next.js is to the web”。
1.2 Google ARD 在解决什么
如果说 Eve 解决的是”一个 Agent 怎么写”，那 ARD 解决的是”一堆 Agent 怎么互相找“。
现在的局面是：你想让 Agent 用某个工具，得手动告诉它那个工具的 URL、协议、认证方式。这就像 80 年代的互联网——每个网站都是孤岛，你得自己记得它们在哪儿。
ARD 想做的是 Agent 时代的 DNS。
它定义了一套规范，让任何组织可以：
- 在自己域名下挂一个
ai-catalog.json文件，列出自己提供的所有 Agent / Tool / Skill / MCP server - 域名本身就是身份证明——因为你有这个域名的控制权，别人就知道 catalog 真的是你发的
- 任何 Agent 都可以通过”联邦式 registry”（类似搜索引擎）搜索到这些 catalog
- 找到之后，先验明正身再连接——避免被钓鱼的假工具坑了
Google 的 Gemini Enterprise Agent Platform 已经开始原生支持 ARD，未来几个月会推广到更多 Google Cloud 服务。
Eve + ARD 加起来，就是”造 Agent 的工具 + Agent 之间互相找的协议”。 跟之前站里写过的 6 月 14 日那篇 AI 编程工程化 那篇文章里讲的 agent-skills / Superpowers 不一样——后者是”给现成 Agent 加工作流纪律”，Eve + ARD 是”从根上重新设计 Agent 怎么造、怎么连”。
二、30 分钟搭一个能查天气的 Agent（Vercel Eve 实战）
光说不练假把式。我带你从 0 跑通 Eve 的官方 hello world。
2.1 准备工作
确认你的环境里有：
- Node.js 18+
- npm 或 pnpm
打开终端，新建一个项目目录：
mkdir my-weather-agent
cd my-weather-agent
npm init -y2.2 安装 Eve
npm install eveEve 现在还在 Beta 阶段（按 Vercel 公开 Beta 协议），但生产可用。装完之后，框架会顺便把文档也装到 node_modules/eve/docs——这点设计很贴心，AI 编码工具可以直接读本地文档，不用联网。
2.3 创建 Agent 目录
按照 Eve 的约定，所有 Agent 配置都放在 agent/ 子目录里。手动建一下：
mkdir -p agent/tools2.4 写系统提示词
agent/instructions.md（必填）：
# Weather Demo Agent
You are a concise weather assistant. When the user asks about weather in a city, you MUST call the `get_weather` tool to fetch data. Never make up weather data on your own.
Tell the user that the weather data is mocked (this is a demo).
注意最后一句——明确告诉 AI 这个数据是模拟的，避免它”自信地胡编”。
2.5 配置模型
agent/agent.ts（可选）：
import { defineAgent } from "eve";
export default defineAgent({
model: "anthropic/claude-sonnet-4.6",
});
Eve 默认走 Vercel 的 AI Gateway，所以你可以用 anthropic/...、openai/...、google/... 这种带前缀的写法，框架会自动路由到对应供应商。你不用操心 API key 在哪儿管理的问题——只要环境变量里有相应的 key，框架自己会取。
2.6 写一个工具
agent/tools/get_weather.ts：
import { defineTool } from "eve/tools";
import { z } from "zod";
export default defineTool({
description: "Return mock weather data for a city.",
inputSchema: z.object({
city: z.string().min(1, "City name cannot be empty"),
}),
async execute({ city }) {
return {
city,
condition: "Sunny",
temperatureF: 72,
temperatureC: 22,
note: "Mock data — replace with real API in production.",
};
},
});
注意几个设计点：
description必须是清晰的自然语言——AI 会读这段话来决定要不要调用这个工具。写”获取天气”和写”Return mock weather data for a city. Required input: city name. Output: current temperature, condition.”，AI 调用的准确率能差一个数量级- 用 zod 做参数校验——
z.string().min(1, "...")不光校验类型，错误信息还会自动喂给 AI，让 AI 自己纠正输入 - 不要在 execute 里写敏感操作——这是 demo，真实场景调用第三方 API 时，记得加错误处理和超时
2.7 跑起来
Eve 框架自带开发服务器，一行命令：
npx eve dev启动后你会看到类似下面的输出：
[Eve] Loading agent from ./agent
[Eve] Tools registered: get_weather
[Eve] Model: anthropic/claude-sonnet-4.6
[Eve] Local URL: http://localhost:3000打开浏览器访问 http://localhost:3000，试着输入 “What’s the weather in Tokyo?”，你会看到 AI 先调用了 get_weather 工具，再把结果整理成自然语言回答你。
整个过程，你没写一行”注册代码”——没碰 index.ts、没改 package.json、没建 config.json。这就是 Eve 的核心卖点：把”胶水代码”全部干掉，让开发者只关心”我这个 Agent 到底要做什么”。
2.8 扩展：加个定时任务
想把每周一早上 8 点自动生成一份天气周报？加个文件就行：
agent/schedules/weekly_recap.ts：
import { defineSchedule } from "eve/schedules";
export default defineSchedule({
cron: "0 8 * * 1", // 每周一早上 8 点
prompt: "Generate a weather recap for the top 10 world cities and post it to the #weather channel.",
channels: ["slack"],
});
完事。不用重启服务，Eve 会自动加载新加的 schedule。
三、把你的工具”挂”到 Agent 互联网上（Google ARD 实战）
Eve 让 Agent 写起来简单了，但写好的 Agent 怎么被别的 Agent 发现？这就要靠 ARD 了。
ARD 的核心是 catalog（目录）——一个 JSON 文件，描述你能提供的所有 Agent / Tool / Skill。
3.1 第一步：建一个最简单的 catalog
在你能控制域名的服务器上（比如 yourcompany.com），创建一个文件：
https://yourcompany.com/.well-known/ai-catalog.json
{
"catalog_version": "1.0",
"publisher": {
"name": "Your Company",
"domain": "yourcompany.com",
"contact": "agent-team@yourcompany.com"
},
"resources": [
{
"id": "weather-lookup-v1",
"type": "tool",
"name": "Real-time Weather Lookup",
"description": "Get current weather for any city. Returns temperature, condition, humidity, wind speed.",
"protocol": "https",
"endpoint": "https://api.yourcompany.com/v1/weather",
"auth": {
"type": "api_key",
"header": "X-API-Key"
},
"rate_limits": {
"requests_per_minute": 60
}
},
{
"id": "sql-query-agent-v1",
"type": "agent",
"name": "SQL Query Assistant",
"description": "An agent that can translate natural language questions into SQL queries and execute them against your data warehouse.",
"protocol": "a2a",
"endpoint": "https://agents.yourcompany.com/sql-assistant"
}
]
}
注意几个点：
- 域名是身份——你控制了
yourcompany.com，别人就知道这个 catalog 真的是你发的（DNS + TLS 验证） - 每个 resource 都有
type：tool/agent/skill/mcp_server都可以 protocol字段告诉 Agent 怎么连：https（REST API）、a2a（Google 推的 Agent-to-Agent 协议）、mcp（Anthropic 推的 Model Context Protocol）
3.2 第二步：把 catalog 注册到 registry
Registry 就像 ARD 的”搜索引擎”。目前 Google 在 agenticresourcediscovery.org 维护了一个参考实现。
注册方式很简单——把 catalog 的 URL 提交到 registry 的提交端点（具体 URL 查 ARD 官方文档）。提交后 registry 会:
- 抓取你域名下的
ai-catalog.json - 验证你真的拥有这个域名（DNS 校验 + TLS 校验）
- 把你的资源索引到全网搜索里
3.3 第三步：让 Agent 用 ARD 找资源
假设你做了一个内部 Agent，需要查实时天气数据。传统做法是：手动把 API URL 写死在代码里。
用 ARD 的做法是：
# Agent 启动时
import ard
# 告诉 Agent"我要查天气"
matches = ard.search(
intent="I need to get current weather for any city",
constraints={"protocol": "https", "auth_type": "api_key"}
)
# ARD 返回所有匹配的 catalog 项
for resource in matches:
print(f"Found: {resource.name} at {resource.endpoint}")
# 接下来用 resource.protocol 描述的方式去连
这里的关键是：Agent 写代码的时候完全不知道有”你公司”这个供应商存在——它在运行时才发现这个工具可用，然后用 catalog 里的 metadata 决定怎么连。
3.4 第四步：验明正身
这一步是 ARD 最核心的安全设计：连接前先验真。
传统方式：Agent 直接调 https://api.yourcompany.com/v1/weather，但如果中间人攻击或者 DNS 污染呢？
ARD 方式：连接前，Agent 用 catalog 里的 publisher domain（yourcompany.com）反向校验：
- catalog 是不是真的挂在
yourcompany.com下（DNS + TLS 校验） - 资源 endpoint 的证书是不是 publisher 域名的合法证书
- 可选：校验 catalog 的数字签名（publisher 用私钥签 catalog，registry 用公钥验签）
这就意味着——就算有人伪造了一个 catalog 文件放在别的域名下，因为 DNS 不匹配，Agent 也根本不会连过去。
3.5 第五步：让 Eve Agent 接入 ARD
Eve 框架原生支持 ARD（6 月 19 日的更新刚加的）。你想让 Eve Agent 自动用 ARD 找工具，只需要在 agent.ts 里加一行：
import { defineAgent } from "eve";
export default defineAgent({
model: "anthropic/claude-sonnet-4.6",
discovery: {
enabled: true,
registries: ["https://registry.agenticresourcediscovery.org"],
trust_level: "verified", // 只连经过域名验证的资源
},
});
Eve Agent 在执行任务前会先查 ARD，发现能用的工具就动态加载到自己的工具列表里——完全不用重启服务。
这就引出了今天这两件事最让人兴奋的部分：Eve 让造 Agent 像写文件一样简单，ARD 让 Agent 之间能自动发现和验证对方。两个能力叠加，意味着你只需要写一个”基础 Agent”（用 Eve），它就能在运行时自动接入全世界的工具和服务（用 ARD）——不用手动集成每个第三方。
四、对比一下：Eve + ARD 跟之前的 Agent 框架有什么不同
你可能还记得这一两年冒出来的 Agent 框架：LangChain、AutoGen、CrewAI、Semantic Kernel……
跟它们相比，Eve + ARD 的差异在哪？
| 维度 | LangChain / AutoGen | Vercel Eve |
|---|---|---|
| 加一个工具 | 写注册代码 + 加进 chain | 扔个 .ts 文件到 tools/ |
| 框架学习曲线 | 需要读 100+ 页文档 | 5 分钟看完目录约定就上手 |
| 部署 | 自己搞 Docker / K8s | npx eve dev 一行命令 |
| 跨 Agent 通信 | 各家协议不统一 | ARD 通用规范 |
| 供应商锁定 | 容易绑定 LangChain / OpenAI | 用 AI Gateway 不绑死 |
一句话总结：LangChain 这类框架假设你是个写 Python 的后端工程师，熟悉抽象、配置、依赖注入。Eve 假设你是个写 Next.js 的前端工程师——文件放对地方就行，别跟我谈抽象。
而 ARD 解决的”Agent 之间互相找”这个问题，是 LangChain / AutoGen 这类框架根本没碰过的。它们只管自己的 Agent，不管外面的世界。
五、踩坑提醒：上手前要知道的三件事
我自己跑通 Eve hello world + ARD catalog 发布大概花了 25 分钟。下面几个坑你可能也会遇到，省得重新踩。
坑 1：Eve 的 agent/ 目录名字不能改
Eve 框架默认从项目根目录下的 agent/ 子目录加载所有配置。如果你习惯用 src/agent/ 或者 app/agent/，得在启动命令里手动指定：
npx eve dev --agent-dir src/agent文档里没写得很显眼，第一次跑 demo 失败的时候记得检查这个。
坑 2：ARD 的 catalog 必须放在 .well-known/ai-catalog.json
不是你想放哪儿就放哪儿。/.well-known/ 是 RFC 8615 规定的”知名 URI”前缀，registry 抓取的时候只认这个路径。放别的路径下，就算 JSON 内容一样也不会被索引。
坑 3：trust_level 设太严可能连不上任何东西
Eve 的 trust_level: "verified" 会强制要求 catalog 经过域名验证。如果你刚搭 demo，建议先设成 "any"，等 catalog 发布成功之后再调成 "verified" 验证流程跑通。
discovery: {
enabled: true,
trust_level: "any", // 调试阶段先用这个
}
六、写在最后
6 月 17 日这天发生的事情，对普通用户来说意义不大——你大概率不会自己去写 Agent 框架、不会去挂 ARD catalog。
但对开发者来说，这是个明显的信号：
AI Agent 行业正在从”抢着发产品”转入”抢着建生态”。
之前两年大家看到的都是：”OpenAI 出了 Operator”、”Anthropic 出了 Computer Use”、”Google 出了 Gemini Agent”……一个比一个强。但这些 Agent 都是孤岛——它们有自己专用的工具集，自己专用的协议，自己专用的安全模型。
现在 Vercel Eve 在说”造 Agent 这件事应该有标准范式”（用文件系统约定），Google ARD 在说”Agent 之间应该有共同语言”（用 catalog + 域名验证）。这两件事加起来，意味着 Agent 这个行业要开始互联互通了。
跟 90 年代末互联网从”每个网站孤岛”进入”被搜索引擎和 DNS 连接起来”的过程一模一样。
那波基础设施搭建的红利期，诞生了 Google、AWS、Cloudflare 这些巨头。Agent 时代的基础设施红利期，现在刚开始。
如果你是个开发者，建议花一两个小时跑通 Eve 的 hello world + 发一个最简单的 ARD catalog。不为别的，就为了在基础设施还没被巨头瓜分完之前，先占个位。
这跟之前站里写过的 2026 是 AI Agent 元年 那篇文章里讲的”AI 不再是工具而是协作对象”是同一件事——只是今天这两件事，把”协作”两个字变成了真能跑的代码。
信息来源：
- Vercel Eve 官方 GitHub（6 月 17 日发布）
- Vercel Eve 官方文档：beta.eve.dev
- Google Developers Blog：Announcing the Agentic Resource Discovery specification（6 月 17 日）
- ARD 规范：agenticresourcediscovery.org
- MarkTechPost：Vercel Releases Eve（6 月 17 日）
- 51CTO：Vercel 放大招：前端 Agent 框架 Eve 来了（6 月 18 日）
发表回复