تصور کنید عامل‌های هوش مصنوعی شما به‌جای کلیک‌های تصادفی، با یک زبان ساختاریافته و دقیق در بازار کار جست‌وجو کنند. این هدف اصلی پروتکل زمینهٔ شغلی باز (Open Job Context Protocol یا OJCP) است که در ۱۲ اوت ۲۰۲۶ با انتشار مشخصات فنی آن، نحوه کشف، استدلال و اقدام عامل‌ها روی فرصت‌های شغلی تعریف شد.
بیشتر تخته‌های شغلی فعلی برای چشم انسان طراحی شده‌اند و عامل‌ها را مجبور می‌کنند کدهای پیچیده HTML را استخراج کنند یا با APIهای تکه‌تکه دست‌وپنجه نرم کنند. OJCP این مشکل را با تبدیل ارائه‌دهندگان شغل به سرورهای پروتکل زمینهٔ مدل (Model Context Protocol یا MCP) حل می‌کند؛ شبیه به این است که تمام رستوران‌های شهر یک منوی استاندارد داشته باشند تا هر کسی بدون نیاز به یادگیری زبان هر آشپزخانه، بتواند سفارش دهد. به این ترتیب، هر کلاینت سازگار می‌تواند ابزارهای استانداردی مثل search_jobs و begin_application را بدون نیاز به یکپارچه‌سازی اختصاصی برای هر سایت فراخوانی کند.
همان‌طور که در تحلیل‌های قبلی ما درباره‌ی اکوسیستم عامل‌محور اشاره کردیم، استانداردسازی لایه‌ی ارتباطی، کلید مقیاس‌پذیری است. این رویکرد در واقع پاسخی به چالش‌های مدیریت داده است، چرا که بسیاری از داده‌های سازمانی پیش از بهره‌برداری توسط هوش مصنوعی نیاز به پاک‌سازی و ساختاردهی دارند. طبق مستندات ojcp.dev، این پروتکل بر یک مانیفست کشف متکی است که در مسیر /.well-known/ojcp.json قرار می‌گیرد. این فایل به عامل‌ها اجازه می‌دهد قابلیت‌های ارائه‌دهنده و الزامات احراز هویت را به‌طور خودکار شناسایی کنند. این سامانه از هفت طرحواره (Schema) اصلی و شش ابزار استاندارد استفاده می‌کند که مهم‌ترین آن‌ها عبارتند از:
- مسیرهای درخواست نرمال‌شده: طبقه‌بندی‌ای که بین
ats_direct(پشتیبانی کامل از عامل) وexternal_redirect(عدم پشتیبانی) تمایز می‌گذارد. - حریم‌خصوصی مبتنی بر رضایت: استفاده از بردار معنایی (Embedding) — مثل یک کارت معرفی عددی که می‌گوید این کلمه همسایه‌ی چه کلمات دیگری است — برای امتیازدهی تناسب، تا از ارسال اطلاعات شناسایی شخصی (PII) جلوگیری شود.
- رتبه‌بندی عامل‌محور: ارائه‌دهندگان بر اساس یک «زمینه کاندیدا» که توسط عامل ارسال می‌شود، امتیاز تناسب (
fit_score) و دلیل آن (fit_rationale) را بازمی‌گردانند.
به گزارش منابع فنی، این تغییر مدل استخدام را از «جست‌وجو و کلیک» به «پرس‌وجو و اجرا» تبدیل می‌کند. برای کاربر، این یعنی یک عامل (Agent) می‌تواند هزاران موقعیت شغلی را بر اساس پروفایل خصوصی او فیلتر کند و تنها برای مرحله نهایی تایید هویت از طریق اثبات‌های JWS، از انسان اجازه بگیرد. این بهینه‌سازی در فرآیند استدلال عامل‌ها، در کنار مدل‌های جدید قیمت‌گذاری درخواستی برای کاهش هزینه‌های توکن، باعث می‌شود عملیات جست‌وجوی گسترده برای کاربران مقرون‌به‌صرفه‌تر شود.
برای توسعه‌دهندگان، اثر فوری این پروتکل امکان ساخت عامل‌های بومی مرورگر با استفاده از navigator.modelContext است. این قابلیت اجازه می‌دهد ابزارهای هوش مصنوعی به‌جای استفاده از استخراج‌کننده‌های شکننده، به‌عنوان شهروندان درجه‌یک وبِ عامل‌محور با تخته‌های شغلی تعامل کنند.
گام بعدی شما
- اگر توسعه‌دهنده هستید، مستندات MCP را مطالعه کنید تا متوجه شوید چگونه می‌توانید سرویس خود را با OJCP سازگار کنید.
- در وب‌سایت‌های استخدامی، وجود فایل
ojcp.jsonرا بررسی کنید تا ببینید آیا از استانداردهای جدید پشتیبانی می‌کنند یا خیر. - ابزارهای مدیریت رزومه را دنبال کنید که از بردار معنایی برای تطبیق شغل استفاده می‌کنند تا حریم‌خصوصی شما حفظ شود.
اما رشد «رجیستری OJCP» که قرار است دایرکتوری مرکزی تمام ارائه‌دهندگان سازگار باشد، نقطه عطف واقعی این تحول است؛ جزئیات این دایرکتوری را در گزارش بعدی بررسی خواهیم کرد.
گفتگو