Какво стана
Cohere Labs пусна Agentic Task Ecosystem, набор от данни, изграден от 696 291 инструмента, изброени в 123 069 публични сървъра на моделния контекст на протокола. Придружаващият анализ разглежда кои професионални задачи разработчиците изграждат агенти за ИИ, за да изпълняват, и установява, че инструментите за агенти са концентрирани, неравномерно разпределени и все още не са доказателства за широко разпространено приемане.
Cohere Labs казва, че е събрала 696 291 инструмента от 123 069 публични списъци на MCP сървъри в седем директории през май 2026 г. и дедупликирани сървъри, изброени на множество места. Компанията описва получената екосистема на Agentic Task като най-големия отворен набор от данни от този вид, но източникът не предоставя местоположение за изтегляне, лиценз или условия за достъп. Ценообразуването не е документирано.
Използвайки езиков модел за съпоставяне на инструменти с изявления за задачи на O*NET, изследователите приложиха строг тест: инструментът трябваше да изпълни призната професионална задача от край до край, вместо да предоставя информация или да изпълни само една стъпка, която човек все още координира. При този тест 2,6% от инструментите отговарят на изискванията. Cohere съобщава, че 419 от 923 професии не са имали представена дейност с агентски инструменти.
Анализът групира повечето несравними инструменти в по-малки части от съществуваща работа, комбинации от множество записани задачи или инфраструктура, необходима за работа с агенти. Cohere идентифицира 35 категории - около 3% от изследваните категории - като очевидно нова работа без правдоподобен професионален аналог, включваща най-вече управление на агенти, като избор на синтетични гласове, превключване на AI персони и оценка дали на агент може да се има доверие.
Cohere съобщава, че реализираните инструменти корелират с теоретичната експозиция на AI в 178 професии, но експозицията не предсказва дали инструментите достигат до рутинни задачи или специализирана работа. Източникът казва, че инструментите се простират към специализирана работа в здравеопазването и компютрите, докато се групират към рутинни ръбове в юридически, производствени и търговски професии. Това са открития, докладвани от авторите; източникът не установява икономически ефекти надолу по веригата.
Детайли за източника: cohere.com ↗
Защо има значение
Изследването предлага ранен изглед от страната на предлагането на автоматизацията на AI: какво са пакетирали разработчиците за агентите да правят, а не какво компаниите са разположили или работниците използват в момента. Анализът на Cohere предполага, че мерките за цялостна експозиция не разкриват кои части от работата са засегнати. Това разграничение може да има значение за заплатите, наемането, обучението и начина, по който работниците придобиват опит, особено когато AI достигне специализирана софтуерно базирана работа.
Наборът от данни измерва предлагането, а не приемането, надеждността или икономическото въздействие. Публичен инструмент показва, че разработчик е сметнал задача за достатъчно конкретна, за да я опакова за агент, но не показва, че дадена компания използва инструмента, че той работи надеждно в производството или че работниците са били изместени.
Източникът твърди, че местоположението на автоматизацията в работното място може да бъде по-последователно от общия дял на изложената работа. Премахването на рутинната работа може да остави служителите с по-специализирани отговорности, докато автоматизирането на специализираната работа може да намали експертните познания, необходими за оставащата работа. Всеки модел може да повлияе по различен начин на заплатите и заетостта.
Cohere съобщава също, че експертните преценки за техническата осъществимост са предвидили кои професии са получили инструменти, докато заявените предпочитания на работниците относно това, което искат автоматизирано, не са. Тази констатация повдига въпрос за практическо управление: дали развитието на ИИ ще следва това, което работниците и засегнатите общности ценят, или основно това, което разработчиците смятат за технически податливо.
Изследването има значително ограничение на видимостта. Той обхваща публични директории и пропуска специални вътрешни MCP сървъри, които според Cohere може да са концентрирани в бек-офис процеси. Отчетеният дял от 2,6% следователно се представя от авторите като долна граница, а не пълна мярка за автоматизация.
Интерактивен механизъм: как всъщност работи
Разгледайте интерактивно основната технология зад тази разработка.
crm_get_transaction(id='4092').An agent must create a draft calendar event for Tuesday at 2 p.m. Which evidence would establish the requested result?
Какво да гледате след това
Изследователите, работодателите и политиците ще трябва да сравнят набора от данни с внедряването на частни предприятия, действителната употреба, заетостта и данните за заплатите. Най-важният неразрешен проблем е дали инструментите, които премахват рутинните задачи от начално ниво, също така намаляват възможностите за работниците да развиват експертен опит.
Полезността на набора от данни ще зависи от това дали други изследователи могат да имат достъп и да го инспектират, да възпроизведат класификациите и да тестват колко бързо се променя ландшафтът на публичните инструменти. Източникът не посочва лиценза за изданието, документация извън статията или график за поддръжка.
Бъдещите доказателства трябва да свържат публичните инструменти с частните внедрявания, използването от страна на работниците и измеримите резултати на пазара на труда. Без тези връзки констатациите на ATE не могат да покажат дали една професия е икономически застрашена или дали даден инструмент подобрява производителността.
Източникът подчертава особен риск около работата на начално ниво: ако рутинните задачи са автоматизирани, работниците може да имат по-малко възможности да се учат чрез тези задачи, преди да поемат специализирани отговорности. Дали организациите препроектират обучението и кариерните пътеки е открит въпрос.
Анализът също така изисква внимателно разглеждане, тъй като професионалните съвпадения и групирането на категории разчитат отчасти на преценки на езиков модел. Cohere съобщава за сляпа човешка проверка на 120 категории, които сочат в същата посока, но източникът не предоставя достатъчно подробности тук, за да оцени пълния процес на валидиране или процента на грешки.