وبسایت شما ممکن است برای نسل بعدی عاملهای هوش مصنوعی کاملاً نامرئی باشد. ورسل (Vercel) ابزار رایگان Is Agentic را عرضه کرد تا اندازهگیری کند که عاملهای هوش مصنوعی (AI Agents) — شبیه دستیارهای دیجیتالی که میتوانند بهجای شما دکمهها را بزنند و فرمها را پر کنند — تا چه حد میتوانند یک وبسایت را کشف کرده و با آن تعامل داشته باشند. به گزارش MarkTechPost، این ابزار در حال حاضر بدون نیاز به کلید API یا حساب پرداخت، بهصورت رایگان در دسترس است.
همانطور که در تحلیلهای قبلی ما دربارهی پروتکلهای ارتباطی مدلها اشاره کردیم، وب در حال گذار از مرور انسانمحور به اتوماسیونِ عاملمحور است. در این مسیر، «تجربهی عامل» (AX) به اندازه تجربه کاربری (UX) حیاتی میشود. اکثر سایتها برای نمایش بصری ساخته شدهاند، اما عاملها برای انجام کارهایی مثل رزرو پرواز یا استخراج مستندات، به دادههای ساختاریافته و رفتارهای پیشبینیپذیر API نیاز دارند. این ابزار راهکاری است تا توسعهدهندگان بهجای حدس زدن درباره «آمادگی برای هوش مصنوعی» (AI-ready) بودن سایت خود، آن را بهصورت کمی اندازهگیری کنند.
زمینه و کاربران هدف
ابزار Is Agentic برای هر سازمانی که یک وبسایت عمومی دارد طراحی شده است. کاربرد این ابزار بسته به اندازه شرکتها متفاوت است:
- استارتاپهای مراحل اولیه (Seed-stage): میتوانند بدون نیاز به طی کردن مراحل پیچیده تدارکات و خرید، یک ارزیابی پایه رایگان دریافت کنند.
- تیمهای SaaS میانرده: قادرند خروجی
--jsonرا به جریانهای CI متصل کنند تا به عنوان یک دروازه بازرسی (Regression Gate) برای جلوگیری از پسرفتهای فنی عمل کند. - سازمانهای بزرگ (Enterprises): میتوانند پورتالهای مستندات، سایتهای توسعهدهندگان و سطوح تجاری خود را در واحدهای مختلف کسبوکار بنچمارک کنند.
این موضوع بهویژه برای صنایعی که عاملها ممکن است بهجای کاربر در آنها خرید کنند، رزرو انجام دهند، یکپارچگی ایجاد کنند یا به منابع ارجاع دهند، حیاتی است؛ از جمله حوزههای فینتک، تجارت الکترونیک، صنعت سفر، دایرکتوریهای ارائهدهندگان خدمات بهداشتی و ناشران رسانهای. این رویکرد در واقع زیربنای همان اصول فنی است که سئوهای عاملمحور واقعی را از اتوماسیونهای ساده متمایز میکند.
موتور امتیازدهی این ابزار توسط Ora، یک شرکت پژوهشی در زمینه تجربه عامل از مجموعه era labs، توسعه یافته است. طبق مستندات، Ora متدولوژیای شامل ۱۱۸ بررسی دقیق را به کار میگیرد که از تحلیل رفتارهای واقعی عاملها (Reverse-engineered) استخراج شدهاند. این بررسیها در چهار لایه وزنی تقسیم میشوند:
- کشف (۲۰ امتیاز): شامل ۱۵ بررسی درباره نحوه یافتن سایت توسط عاملها.
- دسترسی (۳۰ امتیاز): شامل ۴۱ بررسی درباره توانایی ورود و پیمایش در سایت.
- قابلیت استفاده (۴۰ امتیاز): شامل ۵۶ بررسی درباره سهولت در تکمیل وظایف.
- پرداختها (۱۰ امتیاز): شامل ۶ بررسی درباره قابلیتهای تراکنشی.
جزئیات امتیازدهی
ورسل این بررسیها را در یک مدل امتیازدهی نمایش میدهد که به شرح زیر است:
- بررسیهای ضروری (Essential): یک استخر ۸۰ امتیازی را به اشتراک میگذارند.
- بررسیهای توصیهشده (Recommended): یک استخر ۲۰ امتیازی را به اشتراک میگذارند.
- سیگنالهای نوظهور (Emerging signals): یک امتیاز جایزه (Bonus) اضافه میکنند که سقف آن ۵ امتیاز است و نبود آنها هرگز نمره را کاهش نمیدهد.
برای رعایت عدالت، ابزار بررسیهای «غیرقابل اعمال» (Not-applicable) را حذف میکند؛ برای مثال، یک سایت ساده بازاریابی بهخاطر نداشتن رابط تجاری (که ادعایی هم در مورد آن نکرده) جریمه نمیشود. بررسیهای توصیهشده تنها زمانی فعال میشوند که شواهدی مبنی بر وجود API، جریان OAuth، نقطه انتهایی GraphQL، سرور MCP یا پورتال توسعهدهندگان شناسایی شود. Ora همچنین یک مقیاس حروف برای رتبهبندی منتشر میکند: A+ (۹۵–۱۰۰)، A (۸۶–۹۴)، B (۷۰–۸۵)، C (۴۸–۶۹)، D (۲۸–۴۷) و F (۰–۲۷).
مکانیسم گزارشها
هر یافته در گزارش همراه با شواهد مشاهدهشده و یک توصیه عملی ارائه میشود. گزارشها شامل یک «سفر عامل» (Agent Journey) است که دقیقاً نشان میدهد یک عامل خاص در کجا با اصطکاک مواجه شده است. شناسههای واقعی بررسیها شامل مواردی چون content-no-js ،json-ld ،sitemap ،trust-anchors و metadata-completeness است. نکته مهم این است که بررسی agent-friendly-404 مستلزم این است که سایت واقعاً وضعیت HTTP 404 را برگرداند، نه اینکه یک کد ۲۰۰ برگرداند و یک App Shell را به عنوان صفحه خطا نمایش دهد.
تیمهای فنی میتوانند این ارزیابیها را از طریق CLI با دستور npx is-agentic <domain> یا npx is-agentic <domain> --json اجرا کنند. همچنین یک API فقط-خواندنی در دسترس است که محدود به ۱۲۰ درخواست در هر ۶۰ ثانیه است. این API در مسیر /api/v1/report قرار دارد و برای خطاهایی مانند invalid_url یا rate_limit_exceeded از استانداردهای RFC 9457 (Problem Details) استفاده میکند. برای کسانی که از پروتکل زمینهٔ مدل (MCP) استفاده میکنند، ورسل یک MCP server در آدرس https://is-agentic.com/mcp فراهم کرده است که گزارشها و مستندات توسعهدهندگان را روی Streamable HTTP ارائه میدهد. همچنین قابلیت «پرامپت برای اصلاح» (Prompt to fix)، خطاهای فنی را به دستورالعملهای اجرایی (Implementation Briefs) برای عاملهای کدنویس تبدیل میکند. این قابلیت به توسعهدهندگان کمک میکند تا قوانین مهندسی لازم برای تبدیل عاملها به ابزارهایی قابلاعتماد را در لایهی زیرساختی وبسایت خود پیاده کنند.
این تغییر نشاندهنده حرکت به سمت توسعه وب «ماشین-اول» است. ورسل با ارائه این مقیاس استاندارد، سعی دارد بنچمارکی شبیه به Lighthouse برای آمادگی عاملها ایجاد کند. برای شما به عنوان توسعهدهنده، این یعنی مزیت رقابتی از «بهترین رابط کاربری» به «قابلکشفترین سطح API» تغییر میکند.
توسعهدهندگان اکنون باید به نقشههای سایت (Sitemaps) و متادیتای JSON-LD به عنوان رابطهای اصلی نگاه کنند، نه صرفاً ابزاری برای سئو که در مراحل آخر به آن فکر میکنند. اگر یک عامل با صفحهای مواجه شود که کد «200 OK» میدهد اما در واقع یک App Shell خالی است (به جای یک 404 واقعی)، این موضوع باعث ایجاد اصطکاک میشود که نمره را کاهش داده و نرخ تبدیل (Conversion) را از بین میبرد.
گام بعدی شما
- یک ارزیابی پایه روی دامنه اصلی خود اجرا کنید تا نقاط کور دسترسی عاملها را بیابید.
- خروجی JSON ابزار را به خط لوله CI/CD خود اضافه کنید تا مطمئن شوید استقرارهای جدید، دسترسی عاملها را مختل نمیکنند.
- متادیتای JSON-LD سایت خود را بازبینی کنید تا از صحت دادههای ساختاریافته مطمئن شوید.
اما زیرساختهای پشتیبان برای اجرای این عاملها در مقیاس وسیع، چالشهای متفاوتی دارند — به تحلیل ما درباره تراشههای Blackwell و بهینهسازی استنتاج مراجعه کنید.
گفتگو