自律型AIエージェントの時代が到来する中で、数百万ものツールを効率的に発見・管理するメカニズムの必要性が急速に高まっています。既存のソリューションの多くは、検索対象が増えるにつれて処理量が線形に増加するO(N)の計算量を抱えており、中央集約的なガバナンスという課題も抱えています。こうした問題を解決するため、研究者らは「ToolDNS」と呼ばれる革新的なフレームワークを提案しました。このアプローチは、インターネットの最も堅牢なインフラストラクチャである「Domain Name System（DNS）」上に意味的なツール発見機能を埋め込むというユニークな発想に基づいています。 ToolDNSの仕組みは、機能的な意図と組織的な信頼を階層的な名前空間に組み込むことで、従来の高負荷な意味探索を軽量で計算量がO(log N)の名前解決シリーズへと変換します。システムの実現には、部分展開名、EDNS0インテントペイロード、および論理サブドメインという3つのプロトコル準拠の拡張機能が導入されました。これにより、分散ガバナンスと意味的な剪定が可能になります。 研究チームは、MCP、A2A、RESTful、Skillプロトコルにまたがる33,688個の実世界のツールから構成される大規模異種ベンチマークを構築・公開し、このアプローチを検証しました。その結果、ToolDNSはクエリごとの検索空間を95.26%削減しながら、最先端の検索精度と同等の性能を実現します。さらに、UDP ネイティブ設計により、HTTPベースのレジストリと比較して発見遅延を大幅に削減しています。 この研究は、スケーラブルなAI相互運用性の実現には追加のミドルウェアではなく、既存のインターネットインフラをより賢く活用することが重要であることを示しています。