Was ist Agent Communication Protocol (ACP)?

Mit ACP, das ursprünglich von BeeAI von IBM eingeführt wurde, können KI-Agenten frei über Teams, Frameworks, Technologien und Unternehmen hinweg zusammenarbeiten. Es handelt sich um ein universelles Protokoll, das die fragmentierte Landschaft der heutigen KI-Agenten in vernetzte Teamkollegen verwandelt. Dieser offene Standard schaltet neue Ebenen der Interoperabilität, Wiederverwendung und Skalierung frei. Als nächsten Schritt nach dem Model Context Protocol (MCP), einem offenen Standard für den Tool- und Datenzugriff, definiert ACP, wie Agenten arbeiten und kommunizieren.¹

Ein KI-Agent ist ein System oder Programm, das in der Lage ist, selbstständig Aufgaben im Namen eines Benutzers oder eines anderen Systems auszuführen. Er führt diese aus, indem er seinen Workflow gestaltet und die verfügbaren Tools nutzt. Multiagentensysteme bestehen aus mehreren KI-Agenten, die gemeinsam daran arbeiten, Aufgaben im Namen eines Benutzers oder eines anderen Systems auszuführen.

Als KI-Agenten-Kommunikationsstandard mit offener Governance ermöglicht ACP die Kommunikation von Agenten für künstliche Intelligenz über verschiedene Frameworks und Technologie-Stacks hinweg. Von der Aufnahme von Benutzeranfragen in Form von natürlicher Sprache bis hin zur Durchführung einer Reihe von Aktionen erzielen KI-Agenten bessere Ergebnisse, wenn sie mit Kommunikationsprotokollen ausgestattet sind. Diese Protokolle leiten diese Informationen zwischen Tools, anderen Agenten und schließlich an den Benutzer weiter. 

Unter KI-Agenten-Kommunikation versteht man die Art und Weise, wie KI-Agenten untereinander, mit Menschen oder mit externen Systemen interagieren, um Informationen auszutauschen, Entscheidungen zu treffen und Aufgaben zu erledigen. Diese Kommunikation ist besonders wichtig in Multi-Agenten-Systemen, in denen mehrere KI-Agenten zusammenarbeiten, sowie bei der Mensch-KI-Interaktion.

ACP ist Teil eines wachsenden Ökosystems, zu dem auch BeeAI gehört. Im Folgenden werden einige Hauptmerkmale vorgestellt. Weitere Informationen zu den Kernkonzepten und Details finden Sie in der offiziellen Dokumentation.

• REST-basierte Kommunikation: ACP verwendet standardmäßige HTTP-Konventionen für die Kommunikation, die eine einfache Integration in die Produktion ermöglichen. MCP setzt hingegen auf das JSON-RPC-Format, das wesentlich komplexere Kommunikationsmethoden erfordert.
• Kein SDK erforderlich: ACP benötigt keine spezialisierten Bibliotheken. Sie können mit intelligenten Agenten interagieren, indem Sie Tools wie cURL, Postman oder sogar Ihren Browser verwenden. Für zusätzlichen Komfort steht ein SDK zur Verfügung.
• Offline-Erkennung: ACP-Agenten können Metadaten direkt in ihre Distributionspakete einbetten, was eine Erkennung auch dann ermöglicht, wenn sie inaktiv sind. Dies unterstützt Scale-to-Zero-Umgebungen, in denen Ressourcen dynamisch zugewiesen werden und möglicherweise nicht immer online sind.
• Async-first, sync supported: ACP ist standardmäßig auf asynchrone Kommunikation ausgelegt. Diese Methode ist ideal für langwierige oder komplexe Aufgaben. Synchrone Anfragen werden ebenfalls unterstützt.

Hinweis: ACP ermöglicht die Agentenorchestrierung für jede Agentenarchitektur, aber es verwaltet keine Workflows, Bereitstellungen oder die Koordination zwischen Agenten. Stattdessen ermöglicht es die Orchestrierung über verschiedene Agenten hinweg, indem es standardisiert, wie diese kommunizieren. IBM Research hat BeeAI entwickelt, ein Open-Source-System, das die Orchestrierung, Bereitstellung und gemeinsame Nutzung von Agenten mithilfe von ACP als Kommunikationsebene übernimmt.

Mit dem weiteren Voranschreiten der agentischen KI steigt auch die Komplexität bei der Suche nach dem besten Ergebnis aus jeder einzelnen Technologie für Ihren Anwendungsfall, ohne an einen bestimmten Anbieter gebunden zu sein. Jedes Framework, jede Plattform und jedes Toolkit bieten einzigartige Vorteile, aber sie alle in ein zentrales System zu integrieren, ist eine Herausforderung.

Die meisten Agentensysteme arbeiten heute in Silos. Sie basieren auf inkompatiblen Frameworks, stellen benutzerdefinierte APIs und Endgeräte bereit und verfügen über kein gemeinsames Protokoll für die Kommunikation. Um sie zu verbinden, sind fragile und nicht wiederholbare Integrationen erforderlich, deren Aufbau teuer ist.

ACP stellt einen grundlegenden Wandel dar: von einem fragmentierten Ad-hoc-Ökosystem zu einem miteinander verbundenen Netzwerk von Agenten, die jeweils in der Lage sind, andere zu erkennen, zu verstehen und mit ihnen zusammenzuarbeiten, unabhängig davon, wer sie erstellt hat oder auf welchem Stack sie ausgeführt werden. Mit ACP können Entwickler die kollektive Intelligenz verschiedener Agenten nutzen, um leistungsfähigere Workflows zu erstellen, als ein einzelnes System allein erreichen kann.

Trotz des rasanten Wachstums von Agentenfunktionen bleibt die Integration in der realen Welt ein großer Engpass. Ohne ein gemeinsames Kommunikationsprotokoll stehen Unternehmen vor mehreren wiederkehrenden Herausforderungen:

• Vielfalt der Frameworks: Unternehmen betreiben in der Regel Hunderte oder Tausende von Agenten, die mithilfe verschiedener Frameworks wie LangChain, CrewAI, AutoGen oder benutzerdefinierten Stacks erstellt wurden.
• Benutzerdefinierte Integration: Ohne ein Standardprotokoll müssen die Entwickler für jede Interaktion mit einem Agenten benutzerdefinierte Konnektoren schreiben.
• Exponentielle Entwicklung: Bei n Agenten benötigen Sie potenziell n(n-1)/2 verschiedene Integration, was die Wartung großer Ökosysteme erschwert.
• Unternehmensübergreifende Überlegungen: Unterschiedliche Sicherheitsmodelle, Authentifizierungssysteme und Datenformate erschweren die Integration zwischen Unternehmen.

Um den realen Bedarf an Agent-to-Agent-Kommunikation zu veranschaulichen, betrachten Sie zwei Unternehmen:

• Ein Fertigungsunternehmen, das einen autonomen Agenten zur Verwaltung von Produktionsplänen und zur Auftragsabwicklung auf der Grundlage des internen Bestands und der Kundennachfrage verwendet.
• Ein Logistikanbieter, der einen Agenten betreibt, der Versandschätzungen in Echtzeit, die Verfügbarkeit von Spediteuren und die Routenoptimierung bietet.

Stellen Sie sich nun vor, das System des Herstellers muss die Lieferzeiten für eine große Sonderbestellung von Equipment schätzen, um einem Kunden ein Angebot zu unterbreiten.

Ohne ACP: Dieser Ansatz erfordert den Aufbau einer maßgeschneiderten Integration zwischen der Planungssoftware des Herstellers und den APIs des Logistikanbieters. Das bedeutet, dass Authentifizierung, Datenformatkonflikte und Serviceverfügbarkeit manuell behandelt werden müssen. Diese Integrationen sind teuer, anfällig und schwer zu skalieren, wenn mehr Partner dazukommen.

Mit ACP: Jedes Unternehmen bettet seinen Agenten in eine ACP-Schnittstelle ein. Der Fertigungsagent sendet Auftrags- und Zieldetails an den Logistikagenten, der mit Echtzeit-Versandoptionen und ETAs antwortet. Beide Systeme führen eine agentenbasierte Zusammenarbeit durch, ohne Interna offenzulegen oder benutzerdefinierte Integrationen zu schreiben. Neue Logistikpartner können einfach durch die Implementierung von ACP eingebunden werden. Die Automatisierung, die KI-Agenten in Kombination mit ACP bieten, ermöglicht Skalierbarkeit und die Optimierung des Datenaustauschs.

Einfachheit ist ein zentrales Designprinzip von ACP. Das Einbetten eines Agenten mit ACP kann mit nur wenigen Codezeilen erfolgen. Mit dem Python SDK können Sie einen ACP-kompatiblen Agenten definieren, indem Sie einfach eine Funktion ergänzen.

Diese minimale Implementierung:

1. Erstellt eine ACP-Serverinstanz;
2. Definiert eine Agentenfunktion mithilfe des Decorators @server.agent();
3. Implementiert einen Agenten mithilfe des LangChain-Frameworks mit einem Large Language Model (LLM)-Backend und Speicher für Kontextpersistenz;
4. Übersetzt zwischen dem Nachrichtenformat von ACP und dem nativen Format des Frameworks, um eine strukturierte Antwort zurückzugeben;
5. Startet den Server und stellt den Agenten über HTTP zur Verfügung.

Codebeispiel:

Jetzt haben Sie einen vollständig ACP-konformen Agenten erstellt, der Folgendes kann:

• Von anderen Agenten entdeckt werden (online oder offline);
• Anfragen synchron oder asynchron verarbeiten;
• Über Standard-Nachrichtenformate kommunizieren;
• Mit jedem anderen ACP-kompatiblen System integrieren.

Um die Rolle von ACP im sich entwickelnden KI-Ökosystem besser zu verstehen, ist ein Vergleich mit anderen neuen Protokollen erforderlich. Diese Protokolle sind nicht unbedingt Konkurrenten. Vielmehr decken sie verschiedene Schichten des Integrations-Stacks des KI-Systems ab und ergänzen sich oft gegenseitig.

Auf einen Blick:

Model Context Protocol (MCP): Entwickelt für die Anreicherung des Kontexts eines einzelnen Modells mit Tools, Speicher und Ressourcen. Eingeführt von Anthropic.
Fokus: ein Modell, viele Tools

Agent Communication Protocol (ACP): Entwickelt für die Kommunikation zwischen unabhängigen Agenten über Systeme und Unternehmen hinweg. Eingeführt von BeeAI von IBM.
Fokus: viele Agenten, die sicher als Peers zusammenarbeiten, keine Anbieterbindung, offene Governance

Agent2Agent Protocol (A2A): Entwickelt für die Kommunikation zwischen unabhängigen Agenten über Systeme und Unternehmen hinweg. Eingeführt von Google.

Fokus: Viele Agenten, die als Peers arbeiten und für das Google-Ökosystem optimiert sind

Das ACP-Team hat zunächst das Erkunden des Model Context Protocol (MCP) geprüft, da es eine solide Grundlage für Modell-Kontext-Interaktionen bietet. Das Team stieß jedoch schnell auf architektonische Einschränkungen, die es für eine echte Agent-to-Agent-Kommunikation ungeeignet machen.

Warum MCP für Multiagentensysteme nicht ausreicht:

Streaming: MCP unterstützt einfaches Streaming, wahrscheinlich von vollständigen Nachrichten, aber nicht den detaillierteren „Delta“-Stil, bei dem Aktualisierungen gesendet werden, sobald sie erfolgen. Delta-Streams, wie Token und Trajektorienaktualisierungen, sind Streams, die aus inkrementellen Aktualisierungen und nicht aus vollständigen Daten-Nutzlasten bestehen. Diese Einschränkung ergibt sich aus der Tatsache, dass MCP bei seiner Erstellung nicht für Interaktionen im Stil von Agenten gedacht war.

Gemeinsame Nutzung von Speichern: MCP unterstützt nicht die Ausführung mehrerer Agenten auf mehreren Servern unter Beibehaltung des gemeinsam genutzten Speichers. ACP unterstützt diese Funktion auch noch nicht vollständig, aber es ist ein aktiver Bereich der Entwicklung.

Nachrichtenstruktur: MCP akzeptiert jedes JSON-Schema, definiert aber nicht die Struktur des Nachrichtentexts. Diese Flexibilität erschwert die Interoperabilität, insbesondere beim Erstellen von Agenten, die unterschiedliche Nachrichtenformate interpretieren müssen.

Protokollkomplexität: MCP verwendet JSON-RPC und erfordert bestimmte SDKs und Laufzeiten. Das REST-basierte Design von ACP mit integrierter Async/Sync-Unterstützung ist hingegen leichter und integrationsfreundlich.


Stellen Sie sich MCP als Werkzeug vor, das einer Person bessere Mittel gibt, wie zum Beispiel einen Taschenrechner oder ein Nachschlagewerk, um ihre Leistung zu verbessern. Im Gegensatz dazu geht es bei ACP darum, Menschen die Möglichkeit zu geben, Teams zu bilden, in denen alle Personen und Agenten ihre Fähigkeiten gemeinsam in der Anwendung einbringen.

ACP und MCP können sich gegenseitig ergänzen:

Auch das Agent2Agent-Protokoll (A2A) von Google, das kurz nach ACP eingeführt wurde, zielt darauf ab, die Kommunikation zwischen KI-Agenten zu standardisieren. Beide Protokolle teilen das Ziel, Multi-Agenten-Systeme zu ermöglichen, unterscheiden sich jedoch in Philosophie und Governance.

Die wichtigsten Unterschiede:

ACP wurde bewusst mit folgenden Eigenschaften konzipiert:

• Einfache Integration durch Verwendung gängiger HTTP-Tools und REST-Konventionen;
• Flexibel für eine Vielzahl von Agententypen und Workloads;
• Anbieterneutral, mit offener Governance und breiter Ökosystemausrichtung.

Beide Protokolle können nebeneinander existieren und je nach Umgebung unterschiedliche Anforderungen erfüllen. Das leichte, offene und erweiterbare Design von ACP eignet sich gut für dezentrale Systeme und reale Interoperabilität über Unternehmensgrenzen hinweg. Die natürliche Integration von A2A könnte es zu einer geeigneteren Option für diejenigen machen, die das Google-Ökosystem nutzen.

Im Zuge der Weiterentwicklung von ACP werden neue Möglichkeiten zur Verbesserung der Agentenkommunikation erkundet. Das sind einige wichtige Schwerpunktbereiche:

• Identitätsföderation: Wie kann ACP mit Authentifizierungssystemen zusammenarbeiten, um das Vertrauen in Netzwerken zu verbessern?
• Zugriffsdelegation: Wie können wir es Agenten ermöglichen, Aufgaben sicher zu delegieren, und gleichzeitig die Benutzerkontrolle zu erhalten?
• Multiregistry-Unterstützung: Kann ACP die dezentrale Agentenerkennung in verschiedenen Netzwerken unterstützen?
• Gemeinsame Nutzung von Agenten: Wie können wir die gemeinsame Nutzung und Wiederverwendung von Agenten über Unternehmen hinweg oder innerhalb eines Unternehmens vereinfachen?
• Bereitstellungen: Welche Tools und Vorlagen können die Bereitstellung von Agenten vereinfachen?

ACP wird mit Open Source entwickelt, da Standards am besten funktionieren, wenn sie direkt mit Benutzern entwickelt werden. Beiträge von Entwicklern, Forschern und Unternehmen, die sich für die Zukunft der Interoperabilität von KI-Agenten interessieren, sind willkommen. Gestalten Sie diesen sich entwickelnden Standard für generative KI mit.

Weitere Informationen finden Sie auf der offiziellen ACP-Website. Beteiligen Sie sich auch an der Diskussion auf GitHub und Discord.