仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
对现有的LLMAIAgent通信协议进行了系统性的概述，并将其分为四大类，以帮助用户和开发者为特定应用场景选择最适合的协议。
一、AIAgent协议的发展
AIAgent协议的定义：代理协议是标准化框架，定义了代理之间以及代理与外部系统之间结构化通信的规则、格式和程序。与传统交互机制（如API、GUI或XML）相比，协议在效率、操作范围、标准化和AI原生性方面具有显著优势。
代理协议的作用：
互操作性：允许不同架构的异构代理系统无缝协作。
标准化交互：确保代理能够轻松集成和扩展其功能，通过纳入新工具、API或服务。
安全性和治理：提供内置机制以管理代理行为，确保在明确定义的安全操作参数内运行。
降低开发复杂性：通过抽象化交互逻辑，减少代理开发的复杂性，使开发者能够专注于增强核心代理功能。
促进集体智能：通过标准化通信渠道共享见解和协调行动，使分布式代理系统能够实现单一架构无法实现的结果。
二、AIAgent协议分类框架
面向上下文的协议主要解决AI代理与外部工具或数据源之间的交互问题，帮助代理获取必要的上下文信息以完成任务。这类协议进一步分为：
1.1General-PurposeProtocols
MCP（ModelContextProtocol）：由Anthropic提出，是一个通用的上下文获取协议，允许AI代理通过标准化的方式与外部资源（如数据、工具和服务）进行交互。它采用客户端-服务器架构，将工具调用与LLM响应解耦，提高了数据安全性和隐私性。
1.2Domain-SpecificProtocols
agents.json：由WildCardAI提出，是一个基于OpenAPI标准的开源机器可读合同格式，专门用于将传统API与AI代理桥接，支持网站声明AI兼容接口、认证方案和多步工作流。
面向代理间交互的协议专注于代理之间的协作和通信，以解决更复杂的任务。
2.1General-PurposeProtocols
ANP（AgentNetworkProtocol）：由开源社区开发，旨在实现不同代理之间的互操作性，构建一个开放、安全、高效的协作网络。它支持跨域代理通信，采用去中心化身份认证机制。
A2A（Agent2AgentProtocol）：由Google提出，专注于企业内部代理之间的复杂问题解决和协作，支持异步工作流和多模态交互。
AITP（AgentInteraction&TransactionProtocol）：由NEAR基金会提出，支持代理之间的安全通信、协商和价值交换，特别适用于跨信任边界的交互。
AConP（AgentConnectProtocol）：由Cisco提出，定义了调用和配置代理的标准接口。
AComP（AgentCommunicationProtocol）：由AlandData提出，旨在标准化代理之间的通信，促进自动化和协作。
Agora：由牛津大学提出，是一个元协议，允许代理根据上下文采用不同的通信协议。
2.2Domain-SpecificProtocols
LMOS（LanguageModelOperatingSystem）：由Eclipse基金会提出，旨在构建一个互联网代理生态系统，支持代理的发现、交互和互操作性。
AgentProtocol：由AIEngineerFoundation提出，定义了控制台与AI代理之间的通信标准。
LOKA：由CMU提出，是一个去中心化的框架，用于建立知识型代理之间的信任和伦理协调。
PXP（PredictandeXplainProtocol）：由BITSPilani提出，专注于人机交互中的双向可解释性。
CrowdES：由GIST.KR提出，用于机器人代理之间的交互，模拟真实的人群动态。
SPPs（SpatialPopulationProtocols）：由利物浦大学提出，用于解决匿名机器人之间的分布式定位问题。
三、案例分析
通过一个具体的用例——计划从北京到纽约的五天旅行——来比较和分析四种不同的AI代理协议：MCP、A2A、ANP和Agora：
适用于任务定义明确且外部服务接口稳定的场景，但不适用于动态环境。
工作流程：
用户向MCPTravelClient提出旅行计划请求。
MCPTravelClient直接调用FlightServer、HotelServer和WeatherServer，分别获取航班、酒店和天气信息。
各服务返回信息后，MCPTravelClient聚合所有响应，生成完整的旅行计划。
适合企业内部多个专业代理直接通信的场景，依赖于稳定的内部基础设施和高效的代理间数据交换。
工作流程：
用户向A2ATravelPlanner提出旅行计划请求。
A2ATravelPlanner将任务分配给各个专业代理（如FlightAgent、HotelAgent、WeatherAgent）。
各代理直接相互通信，获取所需信息（例如FlightAgent直接从WeatherAgent获取天气信息）。
各代理将结果返回给A2ATravelPlanner，由其汇总最终结果。
适合跨组织协作的场景，需要清晰的协议和安全机制。
工作流程：
用户向ANPTravelPlanner提出旅行计划请求。
ANPTravelPlanner将任务分配给不同组织的代理（如FlightAgent、HotelAgent、WeatherAgent）。
各代理通过跨组织协议进行交互（例如FlightAgent与WeatherAgent跨组织交互）。
各代理将结果返回给ANPTravelPlanner，由其汇总最终结果。
4.Agora:自然语言到协议生成
专注于用户交互，将自然语言转换为结构化协议，适合需要高效用户交互的场景。
工作流程：
用户提出自然语言请求（如“规划从北京到纽约的五天旅行”）。
Agora通过自然语言理解模块解析用户请求，提取关键信息（如出发地、目的地、持续时间、预算）。
协议生成模块将这些信息转换为标准化协议（如FlightProtocol、HotelProtocol、WeatherProtocol）。
协议分发模块将协议分发给相应的专业代理（如FlightAgent、HotelAgent、WeatherAgent）。
各代理根据协议响应，返回结果。
https ://arxiv.org/pdf/2504.16736ASurveyofAIAgentProtocols
推荐阅读
•动手设计AIAgents：（编排、记忆、插件、workflow、协作）
•DeepSeekR1+Agent的下半场
•单智能体（Agent）：企业员工AI助理
•Agent到多模态Agent再到多模态Multi-Agents系统的发展与案例讲解（1.2万字，20+文献，27张图）
欢迎关注我的公众号“PaperAgent”，每天一篇大模型（LLM）文章来锻炼我们的思维，简单的例子，不简单的方法，提升自己。
