Skip to main content
AI & Technology

Agent Discovery — เมื่อ AI Agent มีเป็นพันตัว องค์กรจะค้นหาตัวที่ใช่ได้ยังไง?

ปี 2026 องค์กรไม่ได้ขาด AI Agent แต่ขาดวิธีค้นหาและเลือก Agent ที่เหมาะสม — Agent Discovery กำลังเป็น Infrastructure สำคัญที่จะตัดสินว่าใครใช้ AI ได้เต็มศักยภาพ

13 Mar 20267 min
AI AgentAgent DiscoveryA2A ProtocolMCPAgentic AIEnterprise AI

ปัญหาที่กำลังเกิดขึ้นกับทุกองค์กร

ลองจินตนาการว่าคุณอยากได้ AI Agent ที่ช่วยจัดการใบแจ้งหนี้อัตโนมัติ คุณเปิด Google แล้วพบ Agent กว่า 200 ตัวที่อ้างว่าทำได้ บางตัวมาจาก Cloud Provider รายใหญ่ บางตัวมาจาก Startup ที่เพิ่งระดมทุน บางตัวเป็น Open Source ที่คนทั่วโลกช่วยกันสร้าง

คุณจะรู้ได้อย่างไรว่าตัวไหนเหมาะกับงานของคุณ?

นี่คือปัญหาที่องค์กรทั่วโลกกำลังเผชิญในปี 2026 — ไม่ใช่ขาด AI Agent แต่ขาด วิธีค้นหาและคัดกรอง Agent ที่ตรงกับความต้องการ ปลอดภัย และเข้ากันได้กับระบบที่มีอยู่


Agent Discovery คืออะไร?

Agent Discovery คือกระบวนการที่ระบบหนึ่งสามารถ ค้นหา ทำความรู้จัก และประเมินความสามารถ ของ AI Agent อื่นๆ ได้โดยอัตโนมัติ — คล้ายกับวิธีที่เว็บเบราว์เซอร์ค้นหาเว็บไซต์ผ่าน DNS แต่สำหรับโลก AI Agent

ถ้าเปรียบเทียบให้เข้าใจง่าย:

  • ยุคก่อนมี Google — คุณต้องจำ URL ของเว็บไซต์ทุกอันที่อยากเข้า
  • หลังมี Google — คุณแค่พิมพ์สิ่งที่ต้องการ แล้วระบบหาให้

Agent Discovery กำลังทำสิ่งเดียวกันนี้กับโลกของ AI Agent — เปลี่ยนจากการต้องรู้จัก Agent ทุกตัวด้วยตัวเอง ไปเป็นการ บอกความต้องการ แล้วให้ระบบจับคู่ Agent ที่เหมาะสมที่สุดให้


ทำไม Agent Discovery ถึงสำคัญสำหรับองค์กร?

1. จำนวน Agent ระเบิด — เลือกไม่ถูก

ในปี 2026 มี AI Agent หลายพันตัวกระจายอยู่ตามแพลตฟอร์มต่างๆ ตั้งแต่ AWS Bedrock, Azure AI Foundry, Google Cloud จนถึง Platform อิสระ การจะรู้ว่า Agent ตัวไหนทำอะไรได้ รองรับภาษาอะไร ต้องการข้อมูลอะไร และปลอดภัยแค่ไหน — ไม่สามารถทำด้วย manual ได้อีกต่อไป

2. Shadow AI — ภัยเงียบที่มองไม่เห็น

ข้อมูลจาก Gartner ระบุว่า 69% ขององค์กร พบหรือสงสัยว่าพนักงานใช้ AI โดยไม่ผ่านการอนุมัติจาก IT ซึ่ง Okta เรียกสิ่งนี้ว่า "Shadow AI" — Agent ที่ถูกใช้งานโดยไม่มีใครรู้ว่ามันเข้าถึงข้อมูลอะไรบ้าง มี Permission อะไร และส่งข้อมูลไปที่ไหน

คาดการณ์ว่าภายในปี 2030 กว่า 40% ขององค์กรจะเผชิญเหตุการณ์ด้านความปลอดภัยที่เกี่ยวข้องกับ Shadow AI โดยตรง

3. Multi-Agent ต้องการ Interoperability

องค์กรที่ใช้ AI อย่างจริงจังไม่ได้ใช้แค่ Agent ตัวเดียว — แต่ใช้หลายตัวทำงานร่วมกัน Agent ตัวหนึ่งอาจดึงข้อมูลจาก CRM อีกตัวหนึ่งวิเคราะห์ และอีกตัวสร้างรายงาน ถ้า Agent เหล่านี้ไม่สามารถ "ค้นพบ" และ "เข้าใจ" ความสามารถของกันและกันได้ ระบบ Multi-Agent ก็ทำงานไม่ได้


Protocol สำคัญที่กำลังกำหนดมาตรฐาน

Agent2Agent (A2A) — มาตรฐานจาก Google

A2A เป็น Open Protocol ที่มีพันธมิตรกว่า 100 องค์กร รวมถึง Salesforce, SAP, ServiceNow และ Atlassian แนวคิดหลักคือทุก Agent จะเปิดเผย AgentCard — เอกสาร JSON ที่อยู่ที่ /.well-known/agent-card.json ซึ่งบอกว่า Agent นี้คือใคร ทำอะไรได้ และมี Skill อะไรบ้าง

เมื่อ Agent ตัวหนึ่งต้องการความช่วยเหลือ มันจะอ่าน AgentCard ของ Agent อื่นๆ ประเมินว่าตัวไหนเหมาะสมที่สุด แล้วส่งงานไปให้ — ทั้งหมดนี้เกิดขึ้นโดยอัตโนมัติ

MCP (Model Context Protocol) — มาตรฐานจาก Anthropic

MCP ทำหน้าที่เชื่อมต่อ AI กับเครื่องมือภายนอก เช่น Database, API, File System ถ้า A2A เป็นวิธีที่ Agent คุยกับ Agent ด้วยกัน MCP ก็เป็นวิธีที่ Agent เข้าถึง "เครื่องมือ" ที่มันต้องใช้ทำงาน

IETF Draft — มาตรฐานระดับ Internet

IETF กำลังร่างมาตรฐานสำหรับ HTTP-Based AI Agent Discovery ที่กำหนดรูปแบบ Metadata ของ Agent ครอบคลุมตั้งแต่ความสามารถ, Input/Output Schema, ภาษาที่รองรับ, วิธีการ Authentication ไปจนถึง Quality Score — พร้อม Semantic Search ที่ค้นหา Agent จากคำอธิบายภาษาธรรมชาติได้


สิ่งที่องค์กรไทยควรเตรียมตัว

วาง Agent Governance ตั้งแต่วันนี้

อย่ารอจนมี Agent 50 ตัวในองค์กรแล้วค่อยมาจัดระเบียบ เริ่มกำหนดนโยบายตั้งแต่ตอนนี้:

  • Agent ตัวไหนได้รับอนุญาตให้ใช้?
  • แต่ละตัวเข้าถึงข้อมูลอะไรได้บ้าง?
  • ใครเป็น "เจ้าของ" รับผิดชอบ Agent แต่ละตัว?
  • มีกระบวนการ Audit การใช้งาน Agent หรือไม่?

เลือก Platform ที่รองรับ Discovery

เมื่อเลือก AI Platform ให้มองหาว่ารองรับ Protocol มาตรฐาน (A2A, MCP) หรือไม่ Platform ที่ใช้มาตรฐานเปิดจะช่วยให้คุณ:

  • เปลี่ยน Agent ได้โดยไม่ถูก Lock-in
  • ผสาน Agent จากหลาย Vendor ได้ง่าย
  • รองรับระบบ Multi-Agent ในอนาคต

เตรียมทีมให้พร้อม

ทีม IT ต้องเข้าใจว่า Agent Discovery ไม่ใช่แค่เรื่องเทคนิค แต่เป็นเรื่องของ การจัดการความเสี่ยงและการควบคุมต้นทุน เมื่อ Agent สามารถค้นหาและเรียกใช้ Agent อื่นได้เอง ค่าใช้จ่ายอาจพุ่งขึ้นโดยไม่มีใครรู้ตัว


มองไปข้างหน้า

Agent Discovery กำลังวิวัฒนาการจาก "ฟีเจอร์ที่น่ามี" เป็น Infrastructure พื้นฐาน ขององค์กรที่ใช้ AI

เปรียบเหมือนยุคเริ่มต้นของ Internet — เคยมีช่วงที่เว็บไซต์มีเป็นล้านแต่ไม่มี Search Engine ที่ดี คนต้องจำ URL ด้วยตัวเอง วันที่ Google เกิดขึ้น ทุกอย่างเปลี่ยนไป

Agent Discovery คือ "Google" ของโลก AI Agent — และองค์กรที่เข้าใจและเตรียมพร้อมก่อน จะเป็นกลุ่มแรกที่ใช้ประโยชน์จาก Agent Economy ได้เต็มศักยภาพ


แหล่งข้อมูล

Related Articles

คู่มือ AI Integration สำหรับองค์กรไทย: จากกลยุทธ์สู่การปฏิบัติจริง

เรียนรู้ขั้นตอนสำคัญของ AI Integration สำหรับองค์กรไทย ตั้งแต่การประเมินความพร้อม วางรากฐานข้อมูล ไปจนถึงการขยายผลและวัดผลลัพธ์ทางธุรกิจ

OSWorld — Benchmark ที่พิสูจน์ว่า AI ยังใช้คอมพิวเตอร์ได้แค่ไหน (และทำไมมันสำคัญกับทุกองค์กร)

OSWorld คือ Benchmark แรกที่ทดสอบ AI Agent บนคอมพิวเตอร์จริง ไม่ใช่แค่ตอบคำถาม — ผลลัพธ์เผยว่า AI ที่ดีที่สุดทำได้ราว 60% ขณะที่มนุษย์ทำได้ 72% และช่องว่างนี้กำลังปิดลงเร็วกว่าที่คิด

Cloudflare D1 — Database ที่ไม่ต้องมี Server แต่รันได้ทั่วโลก และเกิดมาเพื่อยุค AI

Cloudflare D1 คือ managed SQLite บน edge ที่อ่านข้อมูลได้ใน 0.5ms จาก 300+ locations ทั่วโลก ราคาเริ่มต้น $0 — และกำลังกลายเป็นตัวเลือกหลักสำหรับ AI application ยุคใหม่ที่ต้องการ speed, simplicity และ scale

"Empowering Innovation,
Transforming Futures."

Contact us to make your project a reality.