اگر یک توسعه‌دهنده هستید که از اتلاف توکن‌ها برای پردازش کدهای زائد HTML خسته شده‌اید، راهکاری ساده در لایه‌ی پروتکل HTTP پیدا شده است. وب‌سایت‌ها اکنون می‌توانند محتوای خالص را مستقیماً به مدل‌ها تحویل دهند تا پنجره‌ی زمینه (Context Window) — مثل میز کاری که جا برای چند ورق دارد، نه برای کل کتابخانه — صرف متن اصلی شود، نه کدهای پیچیده‌ی طراحی.
بسیاری از وب‌سایت‌ها در حال حاضر کلاینت‌های هوش مصنوعی را مجبور می‌کنند تا ساختارهای پیچیده‌ی HTML شامل نوار ناوبری، تبلیغات و پنجره‌های بازشو را تحلیل کنند. طبق گزارشی که در ۲۶ اوت ۲۰۲۶ توسط acceptmarkdown.com منتشر شد، تغییر نوع رسانه به text/markdown با حذف کامل نشانه‌گذاری‌های مربوط به چیدمان، این محیط پر از نویز را پاکسازی می‌کند.
همان‌طور که در تحلیل‌های پیشین ما درباره‌ی بهینه‌سازی استخراج داده‌ها اشاره کردیم، کیفیت ورودی مستقیماً بر خروجی مدل اثر می‌گذارد. پیاده‌سازی این سازوکار شامل سه تغییر فنی اصلی است:
- مذاکره محتوا (Content Negotiation): سرور هدر
Accept: text/markdownرا شناسایی کرده و نسخه‌ی Markdown صفحه را برمی‌گرداند. - کنترل حافظه پنهان (Cache Control): استفاده از هدر
Vary: Acceptتضمین می‌کند که شبکه‌های توزیع محتوا (CDN)، نسخه‌ی HTML را به عاملی که Markdown خواسته است، ارسال نکنند. - مدیریت خطا: سرورها می‌توانند برای انواع پشتیبانی‌نشده، وضعیت ۴۰۶ (Not Acceptable) را برگردانند.
این چرخش راهبردی، مسئولیت کیفیت داده را از دوش عامل (Agent) برمی‌دارد و به سرور منتقل می‌کند. به نقل از مستندات فنی این متد، این کار باعث کاهش تأخیر در تولید نخستین توکن (Time to First Token) می‌شود؛ زیرا حجم داده‌های دریافتی برای پردازش بسیار کمتر است. این بهینه‌سازی در لایه‌ی انتقال، مکمل راهکارهای امنیتی در لایه‌ی ارتباطی است؛ برای مثال، ترکیب Pydantic AI و chanx توانست امنیت استریمِ داده‌ها را در عامل‌های هوش مصنوعی تضمین کند تا تبادل اطلاعات در محیط‌های توزیع‌شده پایدارتر شود.
برای کسانی که از Cloudflare، Nginx یا Next.js استفاده می‌کنند، این انتقال عمدتاً یک تغییر در تنظیمات است. هدف نهایی این است که وب‌سایت‌ها به‌جای یک رابط بصری برای انسان، به یک جریان داده برای مدل زبانی بزرگ (LLM) — شبیه کتابخانه‌داری که میلیاردها صفحه را خوانده و حالا با همان لحن جواب می‌دهد — تبدیل شوند.
گام بعدی شما
- آدرس وب‌سایت خود را با ارسال هدر
Accept: text/markdownتست کنید تا ببینید خروجی فعلی شما Markdown خالص است یا HTML شلوغ. - اگر از Next.js استفاده می‌کنید، یک Middleware برای شناسایی هدرهای AI و بازگرداندن نسخه‌ی متنی ساده طراحی کنید.
- در استراتژی تولید بازیابی‌افزا (RAG) — مثل دانش‌آموزی که قبل از جواب دادن، اول کتاب درسی را باز می‌کند و از آن نقل می‌آورد — از این متد برای کاهش نویز ورودی استفاده کنید.
اما تأثیر این تغییر بر استانداردهای آینده‌ی وب حتی عمیق‌تر است؛ در گزارش بعدی بررسی خواهیم کرد که چگونه پروتکل MCP می‌تواند این ارتباط را استاندارد کند.
گفتگو