机器之心 前天 17:41
上交大推出首个AI智能体协议全面综述:从碎片化到互联互通的智能体网络
index_new5.html
../../../zaker_core/zaker_tpl_static/wap/tpl_guoji1.html

 

上海交通大学团队与ANP社区合作发布了首个全面系统的AI智能体协议综述,旨在解决不同智能体系统间通信标准碎片化的问题。该研究提出了二维分类体系,梳理了现有智能体协议,并从效率、可扩展性、安全性等七个维度对各类协议进行了全面评估。论文还通过“策划北京到纽约的五日旅行”的用例,展示了不同协议架构的实际应用差异。这项研究为未来智能体互联互通的网络构建提供了理论基础和技术路线图。

🧩 **二维分类框架**:论文创新性地提出了对象导向(上下文导向/智能体间)和应用场景(通用/领域特定)两个维度,对现有智能体协议进行分类,涵盖了MCP、A2A、ANP等十余种协议。

📊 **七大维度评估**:研究团队从效率、可扩展性、安全性、可靠性、可扩展性、可操作性、互操作性七个关键维度,对各类协议进行了全面评估,并提出了“能力协商得分”和“自动重试计数”等评估指标。

✈️ **旅行规划用例**:通过“策划北京到纽约的五日旅行”的真实用例,论文展示了MCP、A2A、ANP、Agora四种不同协议架构的实际应用差异,帮助开发者根据需求选择合适的协议方案。

🔮 **未来发展展望**:论文对智能体协议的短期、中期和长期发展前景进行了预测,包括从静态到可进化评估、内置协议知识、分层协议架构以及构建智能体数据网络等方面。

2025-04-30 12:24 四川

这项研究不仅系统梳理了当前 AI 智能体协议的发展现状,更为未来智能智能体互联互通的网络构建提供了理论基础和技术路线图。


论文作者包括来自上海交通大学的杨滢轩、柴化灿、宋源祎、齐思远、温睦宁、李宁、廖俊威、胡浩毅、林江浩、刘卫文、温颖、俞勇、张伟楠,以及 ANP 社区发起人常高伟。


随着大语言模型 (LLM) 技术的迅猛发展,基于 LLM 的智能智能体在客户服务、内容创作、数据分析甚至医疗辅助等多个行业领域得到广泛应用。然而,不同智能体系统间的碎片化通信标准已成为制约其进一步发展的瓶颈。上海交通大学团队与 ANP 社区合作推出了首个全面系统的 AI 智能体协议综述《A Survey of AI Agent Protocols》,为解决这一关键挑战提供了清晰的指导框架。





交互碎片化:阻碍智能智能体发展的关键瓶颈


正如早期互联网面临的通信标准分散问题,当前的智能智能体生态系统同样遭遇协议不统一的困境。研究团队指出,随着应用场景扩展和不同供应商、不同结构的智能体涌现,智能体与实体之间的交互规则变得越来越复杂。这种协议标准化缺失的问题体现在两个方面:一方面,它阻碍了智能体与外部工具和数据源的互操作性;另一方面,它限制了不同提供商或架构背景的智能体之间的无缝协作,从而限制了智能体网络的可扩展性,最终制约了智能智能体解决复杂实际问题的能力。



首创二维分类框架,清晰梳理智能体协议生态


论文创新性地提出了一个二维分类体系,将现有智能体协议分类为:


1. 对象导向维度:


2. 应用场景维度:



这一分类法涵盖了主流协议,包括 Anthropic 的 MCP、Google 的 A2A、ANP 社区的 ANP、NEAR 基金会的 AITP、Eclipse 基金会的 LMOS 等十余种协议。详细分类表格中,论文还对每种协议的提出者、应用场景、关键技术和开发阶段进行了全面梳理,为开发者选择合适协议提供了清晰指引。



七大维度多角度评估,全面对比协议性能


研究团队从以下七个关键维度对各类协议进行了全面评估:

1. 效率:评估延迟、吞吐量和资源利用率,包括大语言模型智能体特有的 token 消耗成本

2. 可扩展性:衡量节点扩展性、链接扩展性和能力协商机制,提出了「能力协商得分」(CNS) 评估指标

3. 安全性:分析认证模式多样性、角色 / 访问控制粒度和上下文脱敏机制

4. 可靠性:检验包重传、流量控制和持久连接机制,引入「自动重试计数」(ARC) 等评估指标

5. 可扩展性:评估向后兼容性、灵活适应性和定制扩展能力

6. 可操作性:测量协议栈代码量、部署配置复杂度和可观测性

7. 互操作性:分析跨系统、跨浏览器、跨网络和跨平台适应性



论文特别强调,理想的智能体协议应平衡低延迟通信、资源消耗和任务完成速度,同时适应多智能体系统的复杂性。研究还通过 MCP 从 v1.0 到 v1.2 的迭代演进案例,以及从 MCP 到 ANP 再到 A2A 的协议系统演化案例,展示了智能体协议在功能、性能和安全性方面的多维度权衡。


真实案例解析:

四大协议在旅行规划中的应用对比


论文通过一个「策划北京到纽约的五日旅行」的真实用例,论文生动展示了四种不同协议架构的实际应用差异:



1. MCP(单一智能体调用工具):集中式架构,单一 MCP Travel Client 通过 Client-Server 结构依次调用 Flight Server、Hotel Server 和 Weather Server 等工具,所有通信必须经过中央智能体


2. A2A(多智能体复杂协作):分布式架构,将智能分散到多个专业智能体,如 Flight Agent、Hotel Agent 和 Weather Agent,智能体间可直接通信,A2A Travel Planner 作为非中心协调器主要收集最终结果


3. ANP(跨域智能体通信):跨域架构,通过标准化的跨域交互促进独立智能体间协作,明确划分航空公司、酒店和天气网站等不同组织边界,实现基于协议的跨域请求和响应


4. Agora(自然语言到协议生成):用户中心架构,将自然语言请求直接转换为标准化协议,引入三阶段处理过程(自然语言理解、协议生成、协议分发),使专业智能体专注于核心能力


这一案例分析帮助开发者根据实际需求(智能体自主性、通信灵活性、接口标准化和任务复杂性)选择最适合的协议方案。


未来展望


论文对智能体协议的发展前景进行了短期、中期和长期预测:


短期展望:从静态到可进化



中期展望:从规则到生态系统



长期展望:从协议到智能基础设施



这项研究不仅系统梳理了当前 AI 智能体协议的发展现状,更为未来智能智能体互联互通的网络构建提供了理论基础和技术路线图。正如 TCP/IP 和 HTTP 协议的标准化推动了全球信息革命,统一的 AI 智能体协议有望催生一个全新的智能协作时代,实现不同形式的智能在系统间流动,工具与智能体无缝交互,形成超越单个组件能力的集体智能。


© THE END 

转载请联系本公众号获得授权

投稿或寻求报道:liyazhou@jiqizhixin.com


阅读原文

跳转微信打开

Fish AI Reader

Fish AI Reader

AI辅助创作,多种专业模板,深度分析,高质量内容生成。从观点提取到深度思考,FishAI为您提供全方位的创作支持。新版本引入自定义参数,让您的创作更加个性化和精准。

FishAI

FishAI

鱼阅,AI 时代的下一个智能信息助手,助你摆脱信息焦虑

联系邮箱 441953276@qq.com

相关标签

AI智能体 智能体协议 互联互通 上海交通大学 ANP社区
相关文章