4 大類 AI Agent 協議框架全面綜述

對現有的 LLM AI Agent 通信協議進行了系統性的概述，並將其分爲四大類，以幫助用戶和開發者爲特定應用場景選擇最適合的協議。

一、AI Agent 協議的發展

AI Agent 協議的定義：代理協議是標準化框架，定義了代理之間以及代理與外部系統之間結構化通信的規則、格式和程序。與傳統交互機制（如 API、GUI 或 XML）相比，協議在效率、操作範圍、標準化和 AI 原生性方面具有顯著優勢。

• 代理協議的作用：

• 互操作性：允許不同架構的異構代理系統無縫協作。

• 標準化交互：確保代理能夠輕鬆集成和擴展其功能，通過納入新工具、API 或服務。

• 安全性和治理：提供內置機制以管理代理行爲，確保在明確定義的安全操作參數內運行。

• 降低開發複雜性：通過抽象化交互邏輯，減少代理開發的複雜性，使開發者能夠專注於增強核心代理功能。

• 促進集體智能：通過標準化通信渠道共享見解和協調行動，使分佈式代理系統能夠實現單一架構無法實現的結果。

二、AI Agent 協議分類框架

提出了一個二維分類框架，將協議分爲上下文導向型（Context-Oriented Protocols）和代理間通信型（Inter-Agent Protocols），並進一步細分爲通用型（General-Purpose）和特定領域型（Domain-Specific）。

1、上下文導向型協議

面向上下文的協議主要解決 AI 代理與外部工具或數據源之間的交互問題，幫助代理獲取必要的上下文信息以完成任務。這類協議進一步分爲：

• 1.1 General-Purpose Protocols

• MCP（Model Context Protocol）：由 Anthropic 提出，是一個通用的上下文獲取協議，允許 AI 代理通過標準化的方式與外部資源（如數據、工具和服務）進行交互。它採用客戶端 - 服務器架構，將工具調用與 LLM 響應解耦，提高了數據安全性和隱私性。

• 1.2 Domain-Specific Protocols

• agents.json：由 WildCardAI 提出，是一個基於 OpenAPI 標準的開源機器可讀合同格式，專門用於將傳統 API 與 AI 代理橋接，支持網站聲明 AI 兼容接口、認證方案和多步工作流。

2、Agent 間通信協議

面向代理間交互的協議專注於代理之間的協作和通信，以解決更復雜的任務。

• 2.1 General-Purpose Protocols

• ANP（Agent Network Protocol）：由開源社區開發，旨在實現不同代理之間的互操作性，構建一個開放、安全、高效的協作網絡。它支持跨域代理通信，採用去中心化身份認證機制。

• A2A（Agent2Agent Protocol）：由 Google 提出，專注於企業內部代理之間的複雜問題解決和協作，支持異步工作流和多模態交互。

• AITP（Agent Interaction & Transaction Protocol）：由 NEAR 基金會提出，支持代理之間的安全通信、協商和價值交換，特別適用於跨信任邊界的交互。

• AConP（Agent Connect Protocol）：由 Cisco 提出，定義了調用和配置代理的標準接口。

• AComP（Agent Communication Protocol）：由 Al and Data 提出，旨在標準化代理之間的通信，促進自動化和協作。

• Agora：由牛津大學提出，是一個元協議，允許代理根據上下文采用不同的通信協議。

• 2.2 Domain-Specific Protocols

• LMOS（Language Model Operating System）：由 Eclipse 基金會提出，旨在構建一個互聯網代理生態系統，支持代理的發現、交互和互操作性。

• Agent Protocol：由 AI Engineer Foundation 提出，定義了控制檯與 AI 代理之間的通信標準。

• LOKA：由 CMU 提出，是一個去中心化的框架，用於建立知識型代理之間的信任和倫理協調。

• PXP（Predict and eXplain Protocol）：由 BITS Pilani 提出，專注於人機交互中的雙向可解釋性。

• CrowdES：由 GIST.KR 提出，用於機器人代理之間的交互，模擬真實的人羣動態。

• SPPs（Spatial Population Protocols）：由利物浦大學提出，用於解決匿名機器人之間的分佈式定位問題。

三、案例分析

通過一個具體的用例——計劃從北京到紐約的五天旅行——來比較和分析四種不同的 AI 代理協議：MCP、A2A、ANP 和 Agora：

1.  MCP: 單個代理調用所有工具

適用於任務定義明確且外部服務接口穩定的場景，但不適用於動態環境。

• 工作流程：

1. 用戶向 MCP Travel Client 提出旅行計劃請求。

2. MCP Travel Client 直接調用 Flight Server、Hotel Server 和 Weather Server，分別獲取航班、酒店和天氣信息。

3. 各服務返回信息後，MCP Travel Client 聚合所有響應，生成完整的旅行計劃。

2. A2A: 企業內部的複雜協作

適合企業內部多個專業代理直接通信的場景，依賴於穩定的內部基礎設施和高效的代理間數據交換。

• 工作流程：

1. 用戶向 A2A Travel Planner 提出旅行計劃請求。

2. A2A Travel Planner 將任務分配給各個專業代理（如 Flight Agent、Hotel Agent、Weather Agent）。

3. 各代理直接相互通信，獲取所需信息（例如 Flight Agent 直接從 Weather Agent 獲取天氣信息）。

4. 各代理將結果返回給 A2A Travel Planner，由其彙總最終結果。

3. ANP: 跨領域代理協議

適合跨組織協作的場景，需要清晰的協議和安全機制。

• 工作流程：

1. 用戶向 ANP Travel Planner 提出旅行計劃請求。

2. ANP Travel Planner 將任務分配給不同組織的代理（如 Flight Agent、Hotel Agent、Weather Agent）。

3. 各代理通過跨組織協議進行交互（例如 Flight Agent 與 Weather Agent 跨組織交互）。

4. 各代理將結果返回給 ANP Travel Planner，由其彙總最終結果。

4. Agora: 自然語言到協議生成

專注於用戶交互，將自然語言轉換爲結構化協議，適合需要高效用戶交互的場景。

• 工作流程：

1. 用戶提出自然語言請求（如 “規劃從北京到紐約的五天旅行”）。

2. Agora 通過自然語言理解模塊解析用戶請求，提取關鍵信息（如出發地、目的地、持續時間、預算）。

3. 協議生成模塊將這些信息轉換爲標準化協議（如 Flight Protocol、Hotel Protocol、Weather Protocol）。

4. 協議分發模塊將協議分發給相應的專業代理（如 Flight Agent、Hotel Agent、Weather Agent）。

5. 各代理根據協議響應，返回結果。

https://arxiv.org/pdf/2504.16736
A Survey of AI Agent Protocols

本文由 Readfog 進行 AMP 轉碼，版權歸原作者所有。
來源：https://mp.weixin.qq.com/s/NdmFcbg7eEJ-hHf6j_iDXg