@changgaowei: https://x.com/changgaowei/status/2105571141641191833
摘要
ANP 开源社区创始人常高伟(Gaowei Chang)梳理了快速演进的智能体协议格局(MCP、A2A,以及用于身份、发现、接口、支付和商务的更新协议),他认为协议是 API 和计算机/浏览器操作之外的 AI 原生替代方案,而通过此类协议互联的个人智能体将成为重新打开互联网的新入口。
查看缓存全文
缓存时间: 2026/10/01 22:30
Agent 协议的新进展:从连接工具到 Agent 互联网
作者:ANP 开源社区发起人 高卫
过去一年,agent 协议进展很快。除了 MCP 和 A2A,围绕身份、发现、接口、支付与商业的各类新协议也陆续出现。
个人助理最近备受关注。在试用过几款之后,我越来越确信,一个个人助理非常需要一种能连接各种应用的协议,而这能给助理带来截然不同的体验。
这篇演讲仍然从协议本身出发:每种协议由谁提出、解决什么问题、采用什么技术、设计取向有何不同。随后我会梳理这些协议背后的技术脉络,以及这些选择将如何影响 agent 互联网。
我的基本判断是:个人 agent 将成为新的入口,agent 之间将通过协议直接互联,互联网也因此重新打开。下面介绍的这些协议,正处于这场变革之中。
1. 为什么 agent 需要协议?
Agent 通向外部世界的常见方式有 API、Computer Use、Browser Use 和 Protocol。图中把它们并列在一起,但我认为这四条路径不会长久停留在原地。
API 可以直接调用函数,但通常需要逐个系统做适配。Computer Use 和Browser Use 的优势是能立刻使用现有软件,问题也同样明显:AI 要识别页面、找到按钮、模拟人的操作,页面一变,执行就受影响。它们解决的是“现在怎么接上“,在我看来属于过渡方案。
更长期的方向,是让 agent 直接交换数据、理解接口、发起调用,而不必绕经一层专为人类设计的界面。Protocol 是 AI 原生的连接方式,也是我们所认为的 agent 之间最高效的连接方式。
协议并不排斥 API。许多协议本就构建在 HTTP 和 API 之上。区别在于,公共协议为不同服务提供了统一的描述与交互规则,agent 可以复用同一套连接能力。我在另一篇文章里把它称作“agent 时代的真正浏览器“:浏览器让人们以统一方式访问网站;未来,协议将让 agent 以统一方式访问其他 agent。
统一的接口格式并不意味着开放网络已经建成。下图列出了 agent 互联时仍需解决的几组问题。
首先是身份与发现。你是谁,谁控制这个身份,别人如何验证?不知道地址,该去哪里找?找到之后,又如何了解它的信息、能力和接口?对于开放网络,这些都不能只存在于某个平台的账号和目录体系之内。
其次是交互与授权。两个 agent 可以调用接口、委派任务,也可以通过消息沟通与协商。与此同时,接收方仍需知道对方代表谁、被允许做什么。能够证明一个身份,并不意味着它可以替用户做任何决策。
再往后是信任、安全与商业。身份需要被验证,消息需要防止篡改,私密内容需要得到保护。一旦开始交易,购买意图、支付授权以及履约结果仍需确认。不能因为对方“也是 agent“就跳过这些判断。
最后是人机协作与治理。用户需要知道 agent 在做什么,并在关键节点能够确认、纠正或中止某个动作。跨组织协作还要处理失败、版本与记录问题。否则,连接网络越大,问题越难追溯。
图中三条边界值得单独记住:
- 通过认证不等于获得行动授权。
- 可调用的接口不等于值得信任的服务。
- 支付成功不等于交易完成。
这些问题表明,agent 协议不会只有“工具调用“这一个方向,彼此也并非完全独立。接下来要讲的,是它们各自从哪里出发,以及在哪里开始出现交集。
2. 每种主要 agent 协议在解决什么问题?
理解一种协议,我通常先找它的“起点“:它最初是为了解决谁的问题?这个问题往往决定了它采用什么身份机制、如何描述能力、如何组织交互。
图中按工具接入、agent 协作、客户端与人机交互、资源发现、支付授权与信任、机器支付、商业流程几个维度排列了协议全景。MCP、A2A、ANP 是理解“连接如何发生“的三个重要参照;其他协议则把发现、人机协同和交易过程进一步推进。
连接工具与 agent
MCP:连接工具与上下文的统一方式。 Model Context Protocol 由 Anthropic 发起,起点是模型与工具、资源之间的连接。它通过 JSON-RPC 和结构化描述,在统一规则下向 agent 应用提供 Tools、Resources、Prompts 等能力,并支持本地与远程访问。过去每个新系统都要自带一个适配器,如今一个 MCP 客户端和服务端可以复用。它与 ANP 有一点一致:让 AI 直接使用数据和接口,而不是模仿人去点 UI。无状态请求和模块化扩展,是它不断降低接入成本的方向。
A2A:agent 之间统一的任务协作。 Agent2Agent Protocol 由 Google 发起,用 Agent Card 声明能力,用 Task、Message、Artifact 组织任务、通信与交付。调用方把工作交给另一个 agent,无需了解对方内部使用什么模型或工具,双方可以持续交换进展与结果。我曾把它总结为“企业场景下 agent 之间的复杂协作“。这不意味着它只能用于公司内部,而是说它偏向任务委派,这与 ANP 从开放互联网上的连接出发,是两种不同的设计。
ANP:开放网络上的身份、发现与通信。 Agent Network Protocol 由 ANP 开源社区推动,目标是让不同平台上的 agent 直接互联。我们将 W3C DID 与 Web 结合,agent 以可验证身份加入连接。它不需要区块链,也不需要整个网络共享一个账号中心。在此基础上提供描述、发现和安全消息。ANP 1.2 已将通用认证与 DID 方法解耦,支持 did:wba 与原生 did:web,并改进了身份连续性与多设备通信。接下来计划支持 did:webvh 和 BID,也欢迎其他兼容 W3C DID 架构的方法。群组端到端加密 profile 仍是候选方案。
下图把 ANP 拆成三个模块:身份、消息、发现与描述。消息让 agent 先建立联系并用自然语言沟通;描述用 URL 关联 Information 与 Interface,对方可以按需读取和调用。它们并不要求每次交互都走任务委派。图底部记录了社区从 2024 年起步、参与 W3C 讨论、进入 3GPP 候选研究的历程。我们始终坚守同一条路线:复用 Web,让独立的 agent 直接互联。
AIP:以标准、开源与试点推进 agent 互联。 Agent Interconnection Protocol,又称“智联协议“,由 CESI(中国电子技术标准化研究院)与北邮人工智能学院共同推动。图中展示的身份编码、身份管理、描述、发现、交互、工具调用,是它的六个核心模块。它的特点在于把协议、标准制定、开源实现和试点结合起来,推动不同企业与平台在统一规则下协作。观察这条路线,关键问题在于这些规则如何落地为独立系统之间真正可互通的能力。
连接客户端、用户界面与网络资源
ACP Client:把编辑器与编码 agent 解耦。 Agent Client Protocol 由 Zed Industries 推动,通过 JSON-RPC 规定会话、提示输入、流式更新、取消等交互。编辑器提供文件、终端与权限确认,agent 负责执行任务。用户可以继续使用熟悉的编辑器,同时选择不同的编码 agent,两边都不必为每种组合重建一遍。这是公共协议降低切换成本的具体案例。它与后面提到的商业 ACP 并非同一个项目。
WebMCP:让网站主动开放可调用能力。 WebMCP 由 Microsoft、Google 等参与推动,在 W3C Web Machine Learning Community Group 中孵化。站点通过 JavaScript 工具定义或声明式 HTML 表单,直接告诉 agent 具备哪些函数、需要什么参数、如何运行,同时保留页面上已有的业务逻辑与用户上下文。它仍然使用浏览器环境,但已经从“识别页面并模拟点击“转变为“站点主动暴露能力“。我认为它是从现有 Web 走向协议化连接的一条务实路径。目前仍为社区组草案。
AG-UI:让前端理解 agent 的执行过程。 Agent–User Interaction Protocol 由 CopilotKit 推动,把文本输出、工具调用、执行进度、状态变化组织成事件流,在 agent 后端与界面之间持续传递。用户看到的不再只是最终答案,还能看到任务推进到哪一步、补充信息或参与确认。它不规定按钮应该长什么样,主要规定的是 agent 执行工作的过程如何与人保持同步。
A2UI:让 agent 描述界面,让客户端安全地渲染。 Agent to UI 由 Google 发起,agent 用 JSON 描述组件、布局与数据,客户端以受控组件渲染,而不是直接运行模型生成的任意界面代码。它支持逐步更新界面并把用户动作回传。AG-UI 主要承载交互事件,A2UI 主要描述界面,两者可以配合使用。这也符合我们的判断:服务可以通过协议被 agent 接触到,而面向人的界面可以由个人 agent 按具体需要来组织。
ARD:先找到能力,再选择调用协议。 Agentic Resource Discovery 关注的是发现,而不是定义又一套任务协作流程。它把 MCP 服务、A2A agent 等表示为资源条目,支持通过 Web 发布入口、HTTP 搜索接口与目录联邦进行发布与检索。调用方可以先搜索到合适的服务,再用该服务支持的协议接入。它解决的是“知道域名之后读一下能力卡“之外的一步:还不知道该找谁时怎么办。跨多个目录的协作,也意味着发现不再依赖单一平台入口。
连接授权、支付与商业流程
AP2:证明一次购买和一次支付确实获得授权。 Agent Payments Protocol 由 Google 与支付及技术生态伙伴共同推动,使用可验证凭证把用户的授权绑定到具体交易。Checkout Mandate 表达购买约定,Payment Mandate 表达支付授权,签名与约束让商户与支付参与方可以验证。它解决的核心问题是:agent 说“用户同意了“,不能替代授权证据。AP2 本身不进行资金清算,而是为现有支付方式补充 agent 替人交易时所需的证明。
x402:把支付嵌入一次网络请求。 x402 由 Coinbase 发起,利用 HTTP 402 返回支付要求,调用方携带支付材料重试,验证或结算完成后交付资源。验证与结算也可以由 facilitator 辅助完成。它把过去“注册、选套餐、充值、再调用“的流程压缩成机器可处理的“一次请求加一次支付“。对于购买一段数据、一次 API 调用或一段内容,这种按量付费形式正适合动态发现并使用服务的 agent。
MPP:机器支付的统一交互。 Machine Payments Protocol 由 Tempo 与 Stripe 提出,用支付挑战、凭证和收据组织机器购买服务的流程。它把公共交互与具体支付方式分开,使 API、算力等服务能通过统一流程计费,再适配不同支付通道。它面对的需求与 x402 类似,二者之间确实存在竞争与重叠,差别在于凭证设计、支付方式和接入生态。MPP 不是 x402 的新版本,也不会因为都面向机器支付就自动兼容。
UCP:可发现、可协商的商业能力。 Universal Commerce Protocol 由 Google、Shopify 等伙伴联合开发。商户通过 Business Profile 发布能力,双方协商支持的版本与扩展,再用统一语义处理商品、购物车、结账与订单。它不要求商户替换现有系统,而是在外部构建一套共享的商业接口。从 agent 互联网的视角看,值得关注的是:不同商户的服务能否因此被发现、比较和调用,而不必先被全部拉进某个平台的业务系统。
ACP Commerce:连接 agent 购物入口与商户系统。 Agentic Commerce Protocol 由 OpenAI 与 Stripe 联合开发,用 OpenAPI、JSON Schema 等方式定义商业对象与交互,并通过受控的支付凭据完成支付连接。用户可以在 agent 入口完成购买,商户依然负责交易与履约。它在商业能力上已经与 UCP 明显重叠。ACP 不应被理解为只是一个结账按钮,它还把一个趋势讲得更具体:购物入口可以从商业应用迁移到个人 agent,但采用一套协议并不自动带来一个平台的流量。
ACT:给 agent 商业行为以授权与证据。 Agentic Commerce Trust Protocol 由支付宝牵头,围绕委派授权、商业交互、支付服务
相似文章
@changgaowei: https://x.com/changgaowei/status/2105624922068488514
Chang Gao Wei 分享了一份技术白皮书,介绍了 Agent Network Protocol(ANP),这是一项旨在实现 AI Agent 之间网络互联与互操作性的协议设计。
@changgaowei: 为什么一个为连接而构建的Web变成了封闭平台和数据孤岛?不是因为阴谋,而是因为……
介绍了Agent Network Protocol(ANP),一个开源通信协议,旨在通过实现代理身份、发现、消息传递和协作,成为Agentic Web时代的HTTP。该文章还反思了Web如何因以人为中心的效率而变得孤立,并主张以协议为中心的代理互联网。
@changgaowei: 喜欢“模型提议,运行时授权。” 一个跨虚拟形象/浏览器/机器人的持久代理只有在身份漫游时才能工作…
Agent Network Protocol (ANP) 是一个开源的智能代理通信协议套件,专注于身份、命名、发现和安全消息传递,以实现跨域代理协作,并成为代理网络时代的 HTTP。
@changgaowei: https://x.com/changgaowei/status/2054428524749189518
文章宣布 ANP 消息协议迎来重大升级,旨在促进 AI 智能体之间安全、跨域的协作。主要改进包括更强的安全标准、采用类 Signal 方法和 IETF MLS 增强的端到端加密、以及更好的文件传输支持,同时明确排除多设备支持以保持协议的简洁性。
@changgaowei: 跨机器代理对话是正确的问题。我们以相同的方式拆分:首先身份(`did:wba`),然后消息…
代理网络协议(ANP)是一种开源通信协议,旨在实现AI代理之间安全、高效的交互,定位为智能网络时代的HTTP。