Enhao Chen (エンハオ・チェン) 氏とYulin Shao (ユーリン・シャオ) 氏らは2026年4月19日(現地時間)、学術論文公開サイトarXiv (アーカイヴ) で発表された研究論文「AI Tool Discovery at Scale: All You Need is DNS」において、自律型AIエージェントが効率的にツールを発見するための新たなメカニズム「ツールディーエヌエス (ToolDNS)」を提案した。既存のツール発見ソリューションが直面する高い複雑性と集中的なガバナンスの問題を解決するため、インターネットの基盤技術であるドメイン・ネーム・システム (DNS) の活用を提唱している。
ツールディーエヌエス (ToolDNS) は、機能的な意図と組織的信頼を階層的なネームスペースに埋め込むことで、高コストな意味的検索を軽量なO(log N)の名前解決に変換する仕組みを提供する。このアプローチにより、AIエージェントはツールを発見する際に、意味的なコンテキストを理解するための複雑な処理を回避し、代わりにインターネットの標準的な名前解決プロトコルを利用できるようになる。これにより、ツールのスケーラブルな発見と統合を促進することが期待される。
このフレームワークは、分散型ガバナンスと意味的剪定（プルーニング）を可能にするために、既存のドメイン・ネーム・システム (DNS) プロトコルに三つの重要な強化を導入している。一つ目はpartially unfolded namesで、ツールの機能が部分的に展開された形で名前に組み込まれることを可能にする。これにより、エージェントは名前解決プロセスを通じてツールの意図を徐々に明らかにすることができる。二つ目はEDNS0 intent payloadsで、DNSの拡張メカニズムであるEDNS0を利用し、ツールの利用意図に関する情報をペイロードとして伝達する。これにより、より詳細な情報交換が可能となる。三つ目はlogical subdomainsであり、ツールの組織的構造や機能カテゴリーを反映した論理的なサブドメインを導入することで、ツールの発見をより効率的かつ階層的に整理する。
研究チームは、ToolDNSのアプローチを評価するため、MCP、A2A、RESTful、Skill protocolsを含む33,688のリアルワールドツールからなる大規模な異種ベンチマークを構築し、これを公開した。このデータセットでの評価結果として、ToolDNSはクエリあたりの検索スペースを95.26%削減しつつ、最先端の検索精度に合致することが示された。さらに、UDPネイティブな設計により、HTTPベースのレジストリと比較して発見レイテンシを大幅に短縮することも実証された。これらの結果は、ToolDNSが既存のツール発見手法と比較して、大幅な効率性とスケーラビリティの向上を実現することを示唆している。
研究者らは、スケーラブルなAIの相互運用性には、新たな追加ミドルウェアの導入ではなく、既存のインフラストラクチャのよりスマートな活用が必要であると結論付けている。ToolDNSはこの原則に基づき、インターネットの根幹を支えるDNSを再考することで、AIエージェントが多様なツールを効率的に利用できる未来を目指している。
参考: arXiv cs.AI (アーカイブ) — 2026年7月22日 13:00 (JST)