什么是 AI 智能体协议？

基于智能体的 AI 系统通常在孤岛中运行。它们由不同的供应商使用不同的 AI 智能体框架和采用不同的智能体架构构建。现实世界的集成成为一个挑战，将这些分散的系统耦合起来需要为所有可能类型的智能体交互定制连接器。

这就是协议的作用所在。它们将不同的多智能体系统转变为相互关联的生态系统，在这个生态系统中，由 AI 驱动的智能体共享一种相互发现、理解和协作的方式。

虽然智能体协议是 AI 智能体编排的一部分，但它们本身并不充当编排器。它们标准化通信，但不管理智能体工作流的协调、执行和优化。

AI 智能体协议具有以下优点：

• 互操作性

• 降低智能体开发复杂度

• 标准化与更顺畅的集成

智能体协议打破了孤岛，使智能体 AI能够相互通信，而无需考虑其各自的底层实现。它们能够促进不同设备、环境和平台上的智能体之间无缝协作。

由于协议处理了智能体交互的复杂性，并通过软件开发工具包 (SDK) 抽象了这些复杂性，它们有助于简化构建多智能体系统的过程。AI 开发人员可以更专注于创建新的智能体功能和增强现有功能。

AI 智能体协议提供了一套结构化的通信手段。由于许多标准化协议建立在成熟技术之上，它们有助于确保与当前技术栈的兼容性，从而实现更顺畅的企业集成。

许多协议仍处于早期阶段，因此尚未被广泛使用或大规模应用。这种不成熟性意味着组织必须准备好充当早期采用者，适应重大的变更和不断发展的规范。

随着智能体技术的发展，可能会出现新的协议。以下是一些现有的 AI 智能体协议：

• Agent2Agent (A2A) 协议

• 智能体通信协议 (ACP)

• 智能体网络协议 (ANP)

• 智能体与用户交互 (AG-UI) 协议

• Agora

• LMOS 协议

• 模型上下文协议 (MCP) 

A2A 协议是一个AI 智能体通信的开放标准，最初由 Google 推出，现在由 Linux 基金会管理。它遵循客户端-服务器模型设置，具有三步工作流：

1. 发现：当实体（人类用户或另一个 AI 智能体）向客户端智能体发起任务请求时，客户端智能体会查找远程智能体以确定最佳匹配。
2. 一旦客户端智能体识别出能够完成任务远程智能体，便会进行认证。远程智能体负责授权和授予访问控制权限。
3. 通信：客户端智能体发送任务，远程智能体处理任务。智能体之间的通信通过 HTTPS 进行以确保传输安全，并使用 JSON-RPC（远程过程调用）2.0 作为数据交换格式。

与 A2A 类似，智能体通信协议 (ACP) 是另一个用于智能体间通信的开放标准，最初由 IBM 的 BeeAI 引入，现在也是 Linux 基金会的一部分。

其核心组件包括 ACP 客户端与 ACP 服务器。ACP 客户端通过基于 HTTP 的 RESTful API 向 ACP 服务器发送请求。ACP 服务器在单一 HTTP 端点后托管一个或多个智能体，并将任务路由至相应的智能体。

以下是 ACP 的其他关键特性：

• 该协议可与 Postman 等标准 HTTP 工具甚至浏览器配合使用，同时也提供软件开发工具包。

• 在线发现可通过直接查询 ACP 服务器及知名 URL 处的公共清单文件来实现。离线发现则通过集中式注册中心，或将智能体元数据直接嵌入其分发包中进行。

• ACP 接受不同的消息类型，例如音频、图像、文本、视频或自定义二进制格式。

智能体网络协议 (ANP) 是一种开源 协议，其目标是成为“智能体网络时代的 HTTP”。因此，它采用 HTTP 进行数据传输，并使用 JSON-LD 进行数据格式化。

ANP 采用包含三个层的点对点架构：

• 身份层实现了用于安全通信的端到端加密，也提供了基于 W3C DID 标准的去中心化验证。

• 元协议层可让智能体协商并约定如何进行通信。

• 应用协议层允许自主智能体描述其能力，并为智能体发现提供支持。

智能体与用户交互 (AG-UI) 协议旨在标准化后端 AI 智能体与前端或面向用户的应用程序的连接方式。它专为实时人机交互而设计，例如与 AI 助手和聊天机器人对话、实时流式传输状态更新以及其他需要人在回路的智能体自动化任务。

AG-UI 的事件驱动架构让 AI 智能体能够根据某些系统触发器或用户输入生成事件。该协议定义了许多事件类别，包括用于发送和接收消息、工具调用以及完成任务的事件。

其中间件层支持多种传输方法，例如服务器发送事件 (SSE)、webhook 和 WebSockets。AG-UI 还允许安全智能体在智能体和用户界面之间安全地路由请求。

Agora 是一种由大型语言模型 (LLM) 提供支持的智能体通信协议。它依赖于 LLM 智能体的几项核心能力：自然语言理解、指令遵循、编写和运行代码以及自主协商。

LLM 智能体可以实现和支持自己的协议，并在协议文档中以纯文本形式描述这些协议。文档的第一部分包含标识协议名称、描述以及其适用于单轮还是多轮对话的元数据。第二部分概述了通信如何进行，其中的指令混合了自然语言和代码。然后，智能体将自主协商采用哪种协议。

Agora 使用 HTTPS 传输数据，并使用 JSON 进行格式化。它还使用基于散列的标识系统来管理协议文档。

语言模型操作系统 (LMOS) 协议由 Eclipse 基金会开发，旨在引入智能体互联网 (IoA)，即一个互联网规模的多智能体生态系统。与 ANP 类似，其结构化架构包含三个层：

• 身份和安全层提供加密通信,并支持不同的认证方案，例如 W3C DID 和 OAuth 2.0。

• 传输协议层允许智能体为每次交互选择并适配适合其目的的传输协议。

• 应用协议层概述了智能体和工具描述格式、发现方法、语义数据模型和网络套接字子协议。

LMOS 协议使用 JSON-LD 来描述工具和智能体能力以及其他元数据。发现可以通过查询中央目录动态进行，也可以通过去中心化网络进行。

Anthropic 引入的模型上下文协议 (MCP) 为 AI 模型提供了一种标准化方式，以获得执行任务所需的上下文。在智能体领域，MCP 充当了一个层级，使 AI 智能体能够连接并与外部服务和工具（如 API、数据库、文件、网络搜索和其他数据源）进行通信。

MCP 包含以下三个关键架构要素：

• MCP 主机包含编排逻辑，并且可将每个 MCP 客户端连接到 MCP 服务器。它可以托管多个客户端。

• MCP 客户端将用户请求转换为协议可处理的结构化格式。每个客户端与一个 MCP 服务器是一对一关系。客户端管理会话、解析和验证响应并处理错误。

• MCP 服务器将用户请求转换为服务器操作。服务器通常是可用多种编程语言的 GitHub 代码库，并提供对工具的访问。它们也可用于通过 IBM 和 OpenAI 等 AI 平台提供商将 LLM 推理连接到 MCP SDK。

在客户端和服务器之间的传输层中，消息以 JSON-RPC 2.0 格式传输，可使用标准输入/输出进行轻量级同步消息传递，或使用 SSE 进行异步、事件驱动的调用。

由于缺乏标准化评估的基准，企业必须自行评估哪种协议最符合其业务需求。他们可能需要从一个规模较小、可控的用例入手，并结合全面、严格的测试。

评估智能体协议时，需要注意以下几个方面：

• 高效率

• 可靠性

• 可扩展性

• 安全性

理想情况下，协议旨在限制延迟，从而实现快速的数据传输和快速的响应时间。虽然预期会有一些通信开销，但必须将其保持在最低限度。

AI 智能体协议必须能够应对工作流中不断变化的网络条件，并具备管理故障或中断的机制。例如，ACP 默认设计为异步通信，适合复杂或长时间运行的任务。同时，A2A 支持使用 SSE 进行实时流式传输，适用于大型或冗长的输出或连续状态更新。

协议必须足够稳健，能够适应不断增长的智能体生态系统，而不会导致性能下降。评估可扩展性可以包括在一段时间内逐渐或突然增加智能体数量或外部工具链接，以观察协议在这些条件下的运行情况。

维护安全至关重要，智能体协议正越来越多地纳入安全防护措施。这包括身份验证、加密和访问控制。