【萬字長文】22個Agentic AI協議，一篇文章看明白，建議收藏

• 22個Agentic AI協議大匯總，一文搞懂智能體通信的通用語言

• 22個Agentic AI協議，一文看懂

• 22個 Agentic AI協議，塑造智能體協作新生態

• 22個核心協議，打通異構系統協作壁壘

• 硬核整理，22個Agentic AI 協議，覆蓋人機交互/多智能體協作全場景

全文約7800字，閱讀時間10分鐘

文/王吉偉

在Agentic AI的生態里，協議挺關鍵的。它就像是連接不同系統的通用語言，讓Agent、模型、工具之間能順暢地對話。從單個Agent調用工具，到多個Agent協同工作，再到我們跟AI交互，背后都離不開各種協議在支撐。

現在的協議生態其實已經比較成型了，大致形成了四大類別：模型-工具交互、Agent間通信、人機交互，還有元協議與特定領域的協議，此外最近谷歌和阿里巴巴還推出了智能體商業協議。這些協議各有分工又相互配合，一起推動著Agentic AI從零散應用走向更大規模的生態系統。

本文，王吉偉頻道梳理了目前Agentic AI領域出現的主要協議，按功能分個類，看看它們各自解決什么問題，實際用起來是什么體驗。

【贈書福利見文末】

模型-工具交互協議：Agent的對外連接器

這類協議要解決的核心問題很明確，就是怎么讓AI模型跟外部的工具、數據、服務打通。你想想，一個模型再聰明，如果只能閉門造車，能做的事情終究有限。這些協議提供標準化的接口，讓模型不用為每個工具單獨寫集成方案，直接高效地調用外部資源就行了。

1、MCP（Model Context Protocol，模型上下文協議）

Anthropic在去年11月推出的這個協議，可以說是AI模型對接外部系統的萬能插頭。它主要解決大模型實時獲取外部數據、調用工具時的標準化問題。技術上采用JSON-RPC架構，提供安全的工具調用和類型化數據交換，就像USB-C接口那樣，給AI應用提供統一的連接方式。

MCP最大的特點是專注于點對點連接:一個AI Agent對應一套工具或數據源，而且能保持上下文的連續性。這樣就不會出現調用工具時信息丟了的尷尬。實際應用里，比如某個電商AI Agent可以通過MCP協議，先用瀏覽器爬取競品財報，然后跑Python代碼清洗數據，最后調用PPT插件生成可視化圖表，整個流程行云流水。

MCP的適用場景很廣：API調用、數據庫查詢、文件操作、網頁抓取等等，基本涵蓋了模型與外部資源交互的大部分需求。對開發者來說，能省不少集成的麻煩。

2、LangChain Agent Protocol（朗鏈Agent協議）

這是LangChain和AI Engineer Foundation一起搞的，主要定位是讓不同的多Agent框架能互相配合。它定義了控制臺與AI Agent之間的RESTful API通信規范，核心目標就是打破各個框架之間的孤島狀態，實現跨框架對接。

這個協議的優勢在于輕量、可擴展，而且已經比較成熟了。支持LangGraph、AutoGPT、MetaGPT這些主流系統之間的互操作，也兼容各類工具鏈和模型服務。

看過一個挺有意思的案例：有家互聯網公司用它構建了周報自動生成系統，能從飛書、釘釘、CRM等多個平臺抓數據，同步到Notion生成結構化日志，再讓大模型提煉重點和風險，最后套模板輸出周報。原本一個人要花6小時干的活兒，現在幾分鐘就搞定了。當然前提是得把各個環節配置好。

這個協議比較適合多框架協同開發、企業級Agent工作流編排、跨系統任務調度這類場景。

3、AGP（Agent Gateway Protocol，Agent網關協議）

AGP是開發者社區推動的，定位是模型與工具之間的中間件。它要解決的是復雜系統里，怎么適配各種不同模型和工具的接口，怎么管理好這一堆工具的集成。順便提一句，這個AGP跟早期的圖形加速端口沒關系，是Agentic AI領域專屬的協議。

AGP的核心優勢是提供了一個統一網關，具備請求路由、負載均衡、安全認證、監控這些能力。它能把各種不同協議、不同格式的工具接口標準化，讓上層Agent不用操心底層工具是怎么實現的。

比如在大型企業的多Agent系統里，AGP可以對接ERP系統、數據分析工具、客戶管理平臺這些異構服務，給Agent提供統一的調用入口。同時通過負載均衡保證高并發場景的穩定性，通過安全認證管控工具調用權限。

它主要適用于那些復雜的Agent系統工具集成、多模型協同調用、企業級AI服務中臺這類場景。

4、rdf-agent（語義網Agent協議）

這個協議是W3C語義網社區在推的，基于知識圖譜技術，核心是讓模型能夠深度理解和推理結構化知識，增強Agent的語義互操作能力。它以RDF（資源描述框架）、SPARQL（語義查詢語言）這些語義網技術為基礎，讓Agent可以基于知識圖譜做復雜推理。

rdf-agent的特點是語義驅動的交互模式，能打破數據孤島，實現跨領域知識的關聯和復用。跟傳統工具調用協議不太一樣的是，rdf-agent不只是獲取數據，還能理解數據背后的語義關系。

比如在醫療診斷Agent里，rdf-agent協議可以支持Agent查詢醫療知識圖譜，把癥狀、病因、藥物這些信息關聯起來，輔助醫生做診斷。在企業知識庫場景中，能實現更精準的知識檢索和關聯推薦。這個協議主要適用于那些需要深度知識理解的領域，像醫療診斷、法律咨詢、企業知識庫管理、語義化搜索這些。

Agent間通信協議：讓多個AI說上話的那些標準

當一個Agent搞不定復雜任務的時候，多個Agent協作就成了必然選擇。這時候問題來了：不同來源、不同能力、不同平臺的Agent怎么才能順暢地交流和協作？這就是Agent間通信協議要解決的核心問題，以避免出現“巴別塔”困境，讓大家能用上同一種語言。

5、ACP（Agent Communication Protocol，Agent通信協議）

這是個跨平臺Agent通信的通用標準，主要解決異構Agent之間的基礎通信問題。它的好處是不綁定特定框架或廠商，兼容性和擴展性都不錯。

ACP采用REST原生消息傳遞機制，支持文本、圖像、音頻等多模態內容的傳輸，而且是異步的。它定義了標準化的消息格式和交互流程，確保不同Agent能準確理解彼此的意圖。

舉個例子，在跨企業的供應鏈協同系統里，不同公司的Agent可以通過ACP協議異步傳遞訂單信息、物流狀態、庫存數據這些內容，基本上不需要人工介入就能自主協作。這個協議比較適合跨平臺Agent協作、分布式多模態任務處理、跨組織消息傳遞這類場景。

6、A2A（Agent-to-Agent Protocol，Agent對等通信協議）

Google、Microsoft這些大廠一起推的，主要是讓不同供應商或運行環境的Agent能平等協作、互相委托任務。

A2A的核心機制挺有意思，它用Agent卡片（Agent Cards）來展示每個Agent的能力范圍、支持的協議、能處理的任務上限等等。其他Agent看到卡片就知道該找誰合作了。技術上用HTTP和服務器發送事件（SSE），支持企業級工作流編排。

實際應用里，比如在軟件研發項目中，需求分析Agent可以通過A2A把代碼編寫任務委托給編程Agent，編程Agent干完再把測試任務委托給測試Agent，形成一個閉環。它適合跨組織協作、任務拆分委托、分布式工作流編排這些場景。

7、ANP（Agent Network Protocol，Agent網絡協議）

這個協議的野心更大，想做Agent時代的HTTP協議，解決大規模分布式Agent的協調、發現和安全通信問題。

ANP在設計上分了身份層和網絡層。身份層基于W3C的DID標準，給每個Agent分配唯一的數字護照（用did:wba方法，基于HTTPS和DNS，不依賴區塊鏈），實現去中心化的身份驗證和端到端加密。網絡層用.well-known URI標準支持Agent的自動發現，同時通過JSON-LD格式描述Agent的能力和接口。

舉個具體例子，你的個人智能助手想訂酒店，可以通過ANP自動發現支持這個協議的酒店Agent，基于DID完成身份認證，再通過標準化接口查房間、提交預訂，全程不需要模擬人類操作或依賴專屬API。這個協議適合大規模Agent集群、去中心化協作網絡、跨平臺智能助手交互，還有需要隱私保護的場景。

8、AITP（Agent Interaction & Transaction Protocol，Agent交互與交易協議）

NEAR基金會搞的這個協議，把區塊鏈技術融進來了，主要解決跨信任邊界的安全通信和價值交換問題。

AITP的特點是把去中心化身份（DID）、智能合約和通信協議深度融合，不只能傳信息，還能轉移價值和確認交易。比如在去中心化服務交易平臺，需求方和服務方的Agent可以通過AITP協商服務內容和價格，用智能合約鎖定交易資金，服務完成后自動結算，同時通過DID確保雙方身份可信，避免被騙。

AITP的優勢在于解決了跨組織、跨平臺的信任問題，適合Agent間的價值交換、去中心化服務市場、跨信任域的協作任務。

9、Agora（動態自適應異構Agent通信協議）

牛津大學和異構Agent聯盟一起研發的，是個動態自適應的元協議，要解決大規模Agent網絡中的通信三難問題：高效性、可移植性、通用性難以兼顧，實現異構Agent的靈活協作。

Agora的創新點在于混合通信模式：高頻通信用結構化數據格式保證效率，低頻復雜通信用自然語言保證通用性，介于兩者之間的場景讓大模型自動生成通信routines，實現動態適配。這個協議能根據通信頻率、數據復雜度、Agent能力動態切換通信模式，同時支持接口和成員的動態變化，擴展性很強。

在大規模Agent網絡中，Agora可以讓Agent自主組織、協商通信規則，形成自動化協作網絡。它適合異構Agent集群、動態變化的協作場景、大規模分布式任務處理。

10、REP（Ripple Effect Protocol，漣漪效應協議）——大規模協同的新思路

MIT在去年10月推出了這個協議，專門針對大規模分布式多智能體群體協同設計的。傳統協議在Agent數量激增的時候，消息冗余和決策延遲問題會特別明顯，REP就是來解決這個痛點的。

它通過“局部信號擴散+全局行為對齊”的機制，協調效率比A2A協議能高41%-100%。設計靈感其實挺有意思的，來源于自然界漣漪的傳播規律。不需要中心節點調度，完全依賴Agent本地交互就能形成全局協同效應。

這個協議最有意思的地方在于"決策敏感性信號"的傳遞方式。Agent不只是同步自己的決策結果，還會把決策依賴的環境變量(比如資源余量、時間窗口、優先級權重)以及變量敏感度系數都打包起來，形成標準化的信號包。信號以發起Agent為中心，向相鄰Agent逐層擴散。每一級Agent只需要驗證信號的相關性就行，不用重復計算，這樣就大幅降低了網絡傳輸和算力消耗。

舉個例子，在供應鏈場景里，某個節點Agent感知到原材料價格波動后，傳遞的信號不僅包含"調整采購量"這個決策，還會附帶"價格波動幅度±5%""影響周期72小時"這些敏感信息。周邊Agent收到后可以快速調整適配，不需要全局廣播征詢。

REP采用輕量級UDP傳輸協議，適配分布式場景，支持LLM多模態敏感信號交互(文本、數值、時序數據都可以)。開源SDK提供了信號封裝、擴散范圍控制、沖突仲裁這些核心接口，可以適配Python、Java等主流開發語言。它最大的優勢是大規模群體的動態適應性——當Agent加入或退出群體時，信號擴散路徑能自動調整，不需要重構整個協同架構。

典型應用場景包括供應鏈全局優化(數百個節點Agent協同調整庫存、物流)、分布式資源調度(云服務器集群負載均衡)、群體決策模擬(金融市場風險預判、應急資源調配)等等。聽說已經在某跨國物流企業的供應鏈系統中試點了，把全局庫存調整響應時間從小時級縮短到了分鐘級。

11、Co-TAP（Three-Layer Agent Interaction Protocol，三層智能體協議）——全維度協同的嘗試

Co-TAP是去年10月提出的，核心定位是復雜異構多智能體系統的全維度協同協議。它突破了傳統協議"僅關注行為協調"的局限，通過三層架構實現"人機交互-智能體互聯-認知知識共享"的全鏈路協同，為集體智能涌現提供技術支撐。目前正在逐步跟國內的智傳網(AI Flow)技術融合，推進原型驗證。

三層架構各有分工。HAI(人機交互層)負責標準化人機指令格式和反饋機制，支持人類對Agent的權限配置、任務干預、結果審核，同時把人類的決策偏好、操作習慣轉化為標準化知識單元，供Agent復用，解決人機交互碎片化的問題。

UAP(智能體互聯層)承擔異構Agent的通信適配功能，兼容A2A、ACP等主流協議，實現能力發現、任務委托與狀態同步，支持多模態數據交互，確保不同框架、不同廠商的Agent可以無縫對接。

MEK(記憶與認知層)是Co-TAP的核心創新層。通過標準化認知鏈(Epistemic Chain)封裝Agent的決策邏輯、經驗知識、交互歷史，實現知識跨Agent復用與積累。比如在反詐鑒偽場景里，某個Agent識別到新型詐騙話術的經驗，可以通過MEK層轉化為認知知識單元，快速同步到整個多智能體系統，提升群體的反詐能力。

目前Co-TAP已經發布了技術報告，處于理論驗證和原型開發階段。原型系統在AIoT、6G自治網絡場景中完成了初步測試，可以實現異構設備Agent(傳感器、網關、終端)與AI模型Agent的協同調度。它的核心價值在于解決Agent間的"知識孤島"問題，為智慧城市、工業互聯網這些復雜場景中的多智能體系統提供認知協同能力。未來有望跟REP融合，實現大規模群體的認知與行為雙重對齊。

論文：https://arxiv.org/abs/2510.08263

12、FIPA ACL（Foundation for Intelligent Physical Agents Agent Communication Language）

這是Agent通信領域的經典早期標準，FIPA在1990年代提出的，主要定義Agent間的語義通信規范，為現代Agent通信協議奠定了理論和技術基礎。雖然FIPA已經解散了，但它的ACL標準仍然被廣泛借鑒。

FIPA ACL定義了標準化的消息類型（比如請求、通知、承諾、拒絕等）和內容語言，明確了Agent間通信的語法和語義規則，解決了早期Agent通信無章可循的問題。它的核心價值在于構建了Agent通信的基礎框架，后來的ACP等這些協議都是在它基礎上擴展優化的。

現在FIPA ACL雖然不再更新，但在一些傳統Agent系統和學術研究場景里還在用，算是語義通信的基準標準。

智能體商業協議：讓智能體之間實現商業交互

13、ACP(Agentic Commerce Protocol，智能體商業協議)

去年9月底，OpenAI和Stripe聯合發布了Agentic Commerce Protocol（ACP，沒錯也叫ACP），是個開源標準。這個協議的核心想法其實挺直接的——讓用戶在ChatGPT這類AI對話界面里直接完成購物，不用再跳轉到外部網站那么麻煩。

ACP的設計理念是"智能體優先"。簡單講就是圍繞AI智能體作為主要交互角色來設計的，讓智能體能代表用戶去執行購買操作。但商家這邊的控制權還是保留著，商家可以自己定義智能體能執行哪些操作，對業務邏輯和客戶關系保持完全控制。

我覺得比較巧妙的是它的委托支付機制。用的是一次性、有時限、金額受限的委托支付令牌，這樣既確保了用戶對交易的控制，也增強了商家的信心。而且對商家來說挺友好的，可以利用現有的結賬和支付系統，不需要大規模改造。

整個工作流程大概是這樣:智能體先發現商家提供的產品源和可用服務，展示準確的定價、庫存和可用性信息，然后代表用戶發起結賬流程（不需要跳轉），用委托支付令牌完成安全支付，最后提供訂單確認和后續管理功能。

ACP最早的應用就是OpenAI的ChatGPT即時結賬功能。用戶可以在ChatGPT對話中直接從支持ACP的商家那里購買商品和服務，體驗還挺流暢的。

14、UCP(Universal Commerce Protocol，通用商業協議)

今年1月中旬，Google聯合Shopify等一堆行業大佬在NRF 2026大會上發布了Universal Commerce Protocol（UCP）。跟OpenAI的ACP相比，UCP的野心似乎更大一些。

UCP的定位是生態系統中心，深度整合了Google現有的商業基礎設施，支持跨平臺AI驅動交互。跟ACP只關注支付環節不太一樣，UCP標準化了從商品發現、比價、議價、結賬到售后管理的完整購物流程，覆蓋面更廣。

UCP用的是能力型模型。商家聲明并定義自己支持的能力（比如結賬、產品發現），智能體可以動態發現并協商這些能力。這個設計挺聰明的，把原本N×N的集成復雜性簡化為單一集成點，適用于所有消費者界面。架構是模塊化和可擴展的，基于REST和JSON-RPC傳輸，兼容Agent2Agent（A2A）、Agent Payments Protocol（AP2）和Model Context Protocol（MCP）這些協議。

安全方面，UCP提供令牌化支付和可驗證憑證，確保智能體與商家后端之間通信的安全性。還有個特點是把消費者支付工具跟支付處理程序分離開來，支持多種支付提供商和方法，靈活性比較高。

工作流程其實也不復雜。商家設置服務器并發布支持的服務和能力清單（通過.well-known/ucp端點），AI智能體發現商家的能力和支付選項，然后跟商家協商可執行的操作（比如結賬、折扣應用），調用相應能力完成購買流程，同時支持訂單管理和售后交互。

UCP的陣容挺強大的，除了Google和Shopify，還有Etsy、Wayfair、Target、沃爾瑪這些零售巨頭，以及Visa、Mastercard、Stripe等20多家全球合作伙伴。首個應用場景包括Google Search AI模式和Gemini應用，用戶可以在這些界面內無縫完成購物。

從目前看，ACP和UCP各有側重點。ACP更聚焦在對話式購物體驗上，而UCP則試圖構建一個更完整的AI購物生態系統。兩個協議都是開源的（Apache 2.0許可），未來會怎么發展，還挺值得繼續觀察的。

15、ACT（Agentic Commerce Trust Protocol，智能體商業信任協議）——國內首個AI商業信任協議

支付寶在今年1月16日牽頭發布了這個協議，聯合千問App、淘寶閃購、阿里云百煉等伙伴構建開放生態。這是中國首個AI商業信任協議，核心解決AI商業場景中的授權安全、流程追溯、跨平臺適配這三大痛點，為AI代買、自動化采購這些場景打造標準化"通用語言"，填補了國內AI商業協同的協議空白。

ACT通過四大核心域構建全鏈路信任體系，各域協同實現"安全授權-高效交互-合規追溯"的閉環。

委托授權域是核心的安全屏障，明確AI只承擔下單執行角色，付款環節始終由用戶主導或自主授權。支持兩種授權模式:即時付款(高頻場景，用戶實時確認付款)和委托授權(低頻場景，用戶預設時間窗口、金額上限、商家范圍，AI可以離線自動下單)，從源頭規避資金安全風險。

商業交互域負責標準化AI與電商、服務平臺的交互接口，支持商品推薦、比價、優惠券自動核銷這些操作，實現跨終端不跳端協作。比如用戶通過千問App說"幫我點杯珍珠奶茶"，AI可以基于位置推薦商品、完成比價核銷，用戶只需要確認付款就能完成交易。

支付服務域適配現有的商業與支付系統，提供統一的支付接口與身份驗證機制，支持支付寶及合作支付渠道，確保交易流程高效穩定。同時兼容企業級采購的對公支付、發票對接需求。

信任服務域實現操作全流程可追溯、可驗證。所有AI操作、用戶授權、交易記錄都會實時上鏈存證，支持審計和糾紛溯源，滿足商業合規要求。

人機交互協議：讓Agent和人類真正對上話

人機協同，這可以說是Agentic AI最核心的應用場景了。這類協議主要聚焦在優化人和Agent的交互體驗上，要實現自然、高效、靠譜的雙向溝通，同時讓Agent變得更透明、更好用、更值得信任，降低人機協作的門檻。

16、AG-UI（Agent-User Interaction Protocol，Agent-用戶交互協議）

這是CopilotKit團隊推出的，充當連接用戶界面和Agent后端的雙向運行時通信層。它的核心定位是解決Agent跟前端應用的可靠交互問題，確保前端和后端的狀態能夠同步，通信效率也高。

值得注意的是，這個協議并不是什么生成式UI規范，而更像是消息、事件和UI指令的可靠傳輸管道，支持流式響應、事件回調和多Agent協調。它有個挺重要的特點：雙向通信能力，而且跟前端框架無關，可以適配React、Vue、Angular這些各種前端框架。

這樣前端應用就不用操心Agent底層是怎么實現的，只需要通過協議接收Agent的指令，然后反饋用戶的操作就行。

比如在Agent驅動的項目管理工具里，AG-UI可以支撐前端實時展示Agent的任務執行進度，接收用戶的指令調整，同步多Agent的協作狀態，讓人機交互保持流暢。適用場景包括Agent驅動應用開發、實時交互界面構建、多Agent前端協同展示這些方向。

17、A2UI（Agent-to-User Interface，Agent-用戶界面協議）

Google在2025年12月推出的開源項目，核心是Agent驅動界面的聲明式規范。說白了，就是讓Agent能夠說UI語言，生成可以在不同平臺渲染的用戶界面，實現跨平臺一致的UI體驗。

這個協議用JSON格式來描述UI意圖，包含組件類型、屬性、數據模型這些信息。客戶端應用可以使用自己的原生組件庫（像Lit、Angular、Flutter等等）來渲染界面，不依賴統一的UI框架。

它最大的優勢在于把UI生成能力給了Agent，讓Agent能根據任務需求動態生成或填充界面。

舉個例子，在電商導購Agent里，Agent可以根據用戶的購物偏好，通過A2UI協議生成個性化的商品展示界面，包含推薦商品、篩選條件、下單按鈕這些組件。前端應用用原生組件渲染后展現給用戶，既個性化又跨平臺兼容。適用場景涵蓋動態界面生成、跨框架UI渲染、個性化Agent應用開發等。

18、HAIP（Human-Agent Interaction Protocol，人機交互統一“翻譯器”）

HAIP（Human-Agent Interaction Protocol）是規范前端界面（Web、移動端、語音端）與智能體交互的開放協議，聚焦人類與智能體的外部交互通道，而非智能體內部通信，作為接口層橋梁實現二者透明、可控、可擴展通信。

核心功能聚焦實時人機協作需求：支持文本、音頻多模態交互，兼容多種傳輸機制；內置斷線重連與消息排序，保障交互邏輯一致；同步智能體工具調用進展，實現前端實時可視化；提供事務歷史、身份驗證等企業級管理能力，且可與MCP協議協同，透明展示工具調用過程。開發者通過TypeScript SDK等集成，按“建立連接-發送輸入-接收反饋-雙向更新-錯誤恢復”流程實現主從式通信，抽象層設計讓開發者專注產品邏輯，無需處理底層交互細節。

19、AGNTCY（智能體協作通用語言）

AGNTCY協議是2025年由思科、LangChain等企業推動的AI智能體協作開放標準，核心目標是構建開放安全的“智能體互聯網”（IoA），實現不同AI智能體跨組織高效安全通信協作，后捐贈給Linux基金會，獲谷歌、甲骨文等65+企業支持，搭建中立開放生態。

核心特性涵蓋四大維度：一是智能體發現與身份驗證，依托分布式目錄服務跨組織定位智能體，通過密碼學憑證保障身份安全；二是安全低延遲通信，基于SLIM協議支持多通信模式，集成量子安全加密技術；三是可觀測性，提供端到端工作流跟蹤與決策可視化，提升協作透明度；四是協議互操作性，兼容A2A、MCP等協議，規避供應商鎖定。

其分層架構含發現層、身份驗證層、消息傳遞層及可觀測性層，適配跨組織供應鏈管理、實時人機交互等場景。與其他協議互補共生，為A2A提供基礎設施，通過SLIM協議實現與MCP的互操作。

元協議與垂直領域協議：生態的底層支撐

這類協議，其實不太直接參與具體的通信交互。更像是在為整個Agentic AI生態搭建基礎設施、建立游戲規則，或者針對某些垂直行業的特殊需求做優化。可以說，它們拓展了Agent的應用邊界，也是生態能否規模化發展的關鍵保障。

20、Agora Meta-Protocol（異構協議適配元協議）

Agora Meta-Protocol 是由牛津大學等提出的一種元協議設計思想，用于在異構智能體之間動態協商和適配通信協議。該協議是Agora協議的延伸，充當異構協議間的適配層。簡單地講，就是要解決不同Agentic AI協議語言不通的問題，實現跨協議的互翻譯和互操作，推動整個協議生態的融合。

這個元協議能識別不同協議的消息格式、語義規則，把一種協議的消息轉換成另一種協議能看懂的格式，讓采用不同協議的Agent也能間接協作起來。

舉個例子，在混合協議的Agent系統里，用ACP協議的Agent可以通過Agora Meta-Protocol跟用A2A協議的Agent通信，元協議負責消息格式的轉換和語義對齊，確保雙方能準確理解對方的意圖。

它的關鍵優勢在于打破了協議生態的碎片化，推動不同協議的兼容共存。適用于多協議融合的Agent系統、跨協議Agent協作、大規模異構Agent網絡這些場景。

21、CrowdES（群體機器人Agent協議）

這個協議專注于群體機器人Agent的交互協作，核心是模擬真實人群動態，解決多機器人的分布式協調、避障和任務分配問題，主要用在機器人集群場景。

CrowdES基于群體智能理論設計，支持機器人Agent間的局部通信和全局協作，能夠根據機器人的位置、能力、任務進度動態調整協作策略，還帶有避障算法和負載均衡機制。

在倉儲物流場景里，幾十個機器人可以通過CrowdES協議實現自主協作，合理分配貨物搬運任務，避免碰撞，優化搬運路徑，提升整體效率；在工業自動化場景，可以實現多機器人的協同裝配、巡檢，保證生產流程順暢。

適用場景包括工業自動化、倉儲物流、機器人集群作業、智能巡檢等等。

論文：https://arxiv.org/html/2504.16736v2

22、SPPs（Spatial Population Protocols，空間群體協議）

這是面向分布式機器人Agent的定位與協作協議，核心是解決無GPS信號環境下的機器人自主定位和協作問題，不依賴集中式定位系統。

SPPs基于局部通信和概率算法，機器人Agent通過跟相鄰機器人通信獲取相對位置信息，結合概率模型推算自己的全局位置，同時實現分布式的任務協作。

它的特點是無中心化依賴、抗干擾能力強、適配復雜環境，特別適合GPS信號弱或者根本沒信號的場景，比如地下礦井巡檢、室內機器人協作、隧道施工機器人調度這些。

在地下礦井里，多個巡檢機器人可以通過SPPs協議實現自主定位，協同完成瓦斯檢測、設備巡檢任務，不需要地面集中式調度；在室內場景，可以實現服務機器人的自主導航和協作服務。

論文：https://arxiv.org/html/2504.16736v2

后記：Agentic AI協議生態現狀與未來走向

現在的Agentic AI協議生態，已經形成了一個完整的分層體系了。

底層是FIPA ACL等基礎標準在支撐，構建起協議生態的理論和安全基石；中間層作為核心，涵蓋了模型-工具、Agent間、人機交互三大類協議，把核心場景的互操作性解決了；頂層則由ANP、Agora Meta-Protocol等協議組成，負責大規模Agent網絡的協調、跨協議適配和生態治理。

各類協議協同互補，一起推動Agentic AI從孤島式系統向互聯生態轉變。

往后看，Agentic AI協議會呈現出三個主要趨勢。

首先是標準化整合，不同廠商和社區會逐步推進協議兼容，減少碎片化，形成核心通用標準，降低生態準入門檻。

其次是跨協議互操作會進一步強化，元協議的作用會更加凸顯，實現異構協議的無縫銜接，推動多協議融合的Agent系統真正落地。

第三是安全與可信機制的升級，結合區塊鏈、DID、隱私計算這些技術，完善身份認證、權限管理和數據隱私保護機制，滿足金融、醫療這些敏感領域的需求。

同時，隨著邊緣計算、機器人、Web3這些技術跟Agentic AI的深度融合，垂直領域協議會持續豐富，推動Agent在更多場景的規模化應用。

協議就像是Agentic AI生態的神經網絡，它的成熟度直接決定了Agent協同的效率和邊界。隨著各類協議不斷迭代和融合，Agentic AI會突破現有的局限，在企業協作、智能終端、工業互聯網、民生服務這些領域實現更廣泛的應用，真正開啟萬物互聯與智能協同的新篇章。

全文完

看到這里，如果覺得不錯，隨手點個贊、在看或者轉發吧，也可以給個星標，你的支持就是我的動力。

王吉偉頻道新書《一本書讀懂AI Agent：技術、應用與商業》已出版，輕松讀懂系統掌握AI Agent技術原理、行業應用、商業價值及創業機會，歡迎大家關注。

感謝大家長期關注與支持，小伙伴們隨意留言，王吉偉頻道會隨機選取留言用戶，《一本書讀懂AI Agent：技術、應用與商業》包郵到家。

【文末福利1】：后臺發消息研報2026，獲取15篇2026年AI Agent研報。

【文末福利2】： 后臺發消息Workflow，獲取 Agentic Workflow 相關25篇論文。

【文末福利3】：后 臺發消息agentic，獲取Agentic AI相關資源 。

【文末福利4】：后臺發消息RPA Agent，獲取 相關論文和研報。

1、

2、

3、

4、

5、

6、

7、

8、

9、

10、

AIGC研究系列文章

C

• 期待點贊、在看、評論、轉發，您的支持就是我的動力。

• 鼓勵積極評論，您的留言可以成為選題。

• 歡迎閱讀其他文章，或會激發您的更多思考。

點擊左下角“閱讀原文”查看AIGC研究系列文章，掃碼或者后臺回復【加群】申請加入AIGC行業應用交流社群。如果你是正在關注AI Agent的創業者、投資人及企業，歡迎帶著產品、項目及需求與王吉偉頻道交流。