【万字长文】22个Agentic AI协议，一篇文章看明白，建议收藏

• 22个Agentic AI协议大汇总，一文搞懂智能体通信的通用语言

• 22个Agentic AI协议，一文看懂

• 22个 Agentic AI协议，塑造智能体协作新生态

• 22个核心协议，打通异构系统协作壁垒

• 硬核整理，22个Agentic AI 协议，覆盖人机交互/多智能体协作全场景

全文约7800字，阅读时间10分钟

文/王吉伟

在Agentic AI的生态里，协议挺关键的。它就像是连接不同系统的通用语言，让Agent、模型、工具之间能顺畅地对话。从单个Agent调用工具，到多个Agent协同工作，再到我们跟AI交互，背后都离不开各种协议在支撑。

现在的协议生态其实已经比较成型了，大致形成了四大类别：模型-工具交互、Agent间通信、人机交互，还有元协议与特定领域的协议，此外最近谷歌和阿里巴巴还推出了智能体商业协议。这些协议各有分工又相互配合，一起推动着Agentic AI从零散应用走向更大规模的生态系统。

本文，王吉伟频道梳理了目前Agentic AI领域出现的主要协议，按功能分个类，看看它们各自解决什么问题，实际用起来是什么体验。

【赠书福利见文末】

模型-工具交互协议：Agent的对外连接器

这类协议要解决的核心问题很明确，就是怎么让AI模型跟外部的工具、数据、服务打通。你想想，一个模型再聪明，如果只能闭门造车，能做的事情终究有限。这些协议提供标准化的接口，让模型不用为每个工具单独写集成方案，直接高效地调用外部资源就行了。

1、MCP（Model Context Protocol，模型上下文协议）

Anthropic在去年11月推出的这个协议，可以说是AI模型对接外部系统的万能插头。它主要解决大模型实时获取外部数据、调用工具时的标准化问题。技术上采用JSON-RPC架构，提供安全的工具调用和类型化数据交换，就像USB-C接口那样，给AI应用提供统一的连接方式。

MCP最大的特点是专注于点对点连接:一个AI Agent对应一套工具或数据源，而且能保持上下文的连续性。这样就不会出现调用工具时信息丢了的尴尬。实际应用里，比如某个电商AI Agent可以通过MCP协议，先用浏览器爬取竞品财报，然后跑Python代码清洗数据，最后调用PPT插件生成可视化图表，整个流程行云流水。

MCP的适用场景很广：API调用、数据库查询、文件操作、网页抓取等等，基本涵盖了模型与外部资源交互的大部分需求。对开发者来说，能省不少集成的麻烦。

2、LangChain Agent Protocol（朗链Agent协议）

这是LangChain和AI Engineer Foundation一起搞的，主要定位是让不同的多Agent框架能互相配合。它定义了控制台与AI Agent之间的RESTful API通信规范，核心目标就是打破各个框架之间的孤岛状态，实现跨框架对接。

这个协议的优势在于轻量、可扩展，而且已经比较成熟了。支持LangGraph、AutoGPT、MetaGPT这些主流系统之间的互操作，也兼容各类工具链和模型服务。

看过一个挺有意思的案例：有家互联网公司用它构建了周报自动生成系统，能从飞书、钉钉、CRM等多个平台抓数据，同步到Notion生成结构化日志，再让大模型提炼重点和风险，最后套模板输出周报。原本一个人要花6小时干的活儿，现在几分钟就搞定了。当然前提是得把各个环节配置好。

这个协议比较适合多框架协同开发、企业级Agent工作流编排、跨系统任务调度这类场景。

3、AGP（Agent Gateway Protocol，Agent网关协议）

AGP是开发者社区推动的，定位是模型与工具之间的中间件。它要解决的是复杂系统里，怎么适配各种不同模型和工具的接口，怎么管理好这一堆工具的集成。顺便提一句，这个AGP跟早期的图形加速端口没关系，是Agentic AI领域专属的协议。

AGP的核心优势是提供了一个统一网关，具备请求路由、负载均衡、安全认证、监控这些能力。它能把各种不同协议、不同格式的工具接口标准化，让上层Agent不用操心底层工具是怎么实现的。

比如在大型企业的多Agent系统里，AGP可以对接ERP系统、数据分析工具、客户管理平台这些异构服务，给Agent提供统一的调用入口。同时通过负载均衡保证高并发场景的稳定性，通过安全认证管控工具调用权限。

它主要适用于那些复杂的Agent系统工具集成、多模型协同调用、企业级AI服务中台这类场景。

4、rdf-agent（语义网Agent协议）

这个协议是W3C语义网社区在推的，基于知识图谱技术，核心是让模型能够深度理解和推理结构化知识，增强Agent的语义互操作能力。它以RDF（资源描述框架）、SPARQL（语义查询语言）这些语义网技术为基础，让Agent可以基于知识图谱做复杂推理。

rdf-agent的特点是语义驱动的交互模式，能打破数据孤岛，实现跨领域知识的关联和复用。跟传统工具调用协议不太一样的是，rdf-agent不只是获取数据，还能理解数据背后的语义关系。

比如在医疗诊断Agent里，rdf-agent协议可以支持Agent查询医疗知识图谱，把症状、病因、药物这些信息关联起来，辅助医生做诊断。在企业知识库场景中，能实现更精准的知识检索和关联推荐。这个协议主要适用于那些需要深度知识理解的领域，像医疗诊断、法律咨询、企业知识库管理、语义化搜索这些。

Agent间通信协议：让多个AI说上话的那些标准

当一个Agent搞不定复杂任务的时候，多个Agent协作就成了必然选择。这时候问题来了：不同来源、不同能力、不同平台的Agent怎么才能顺畅地交流和协作？这就是Agent间通信协议要解决的核心问题，以避免出现“巴别塔”困境，让大家能用上同一种语言。

5、ACP（Agent Communication Protocol，Agent通信协议）

这是个跨平台Agent通信的通用标准，主要解决异构Agent之间的基础通信问题。它的好处是不绑定特定框架或厂商，兼容性和扩展性都不错。

ACP采用REST原生消息传递机制，支持文本、图像、音频等多模态内容的传输，而且是异步的。它定义了标准化的消息格式和交互流程，确保不同Agent能准确理解彼此的意图。

举个例子，在跨企业的供应链协同系统里，不同公司的Agent可以通过ACP协议异步传递订单信息、物流状态、库存数据这些内容，基本上不需要人工介入就能自主协作。这个协议比较适合跨平台Agent协作、分布式多模态任务处理、跨组织消息传递这类场景。

6、A2A（Agent-to-Agent Protocol，Agent对等通信协议）

Google、Microsoft这些大厂一起推的，主要是让不同供应商或运行环境的Agent能平等协作、互相委托任务。

A2A的核心机制挺有意思，它用Agent卡片（Agent Cards）来展示每个Agent的能力范围、支持的协议、能处理的任务上限等等。其他Agent看到卡片就知道该找谁合作了。技术上用HTTP和服务器发送事件（SSE），支持企业级工作流编排。

实际应用里，比如在软件研发项目中，需求分析Agent可以通过A2A把代码编写任务委托给编程Agent，编程Agent干完再把测试任务委托给测试Agent，形成一个闭环。它适合跨组织协作、任务拆分委托、分布式工作流编排这些场景。

7、ANP（Agent Network Protocol，Agent网络协议）

这个协议的野心更大，想做Agent时代的HTTP协议，解决大规模分布式Agent的协调、发现和安全通信问题。

ANP在设计上分了身份层和网络层。身份层基于W3C的DID标准，给每个Agent分配唯一的数字护照（用did:wba方法，基于HTTPS和DNS，不依赖区块链），实现去中心化的身份验证和端到端加密。网络层用.well-known URI标准支持Agent的自动发现，同时通过JSON-LD格式描述Agent的能力和接口。

举个具体例子，你的个人智能助手想订酒店，可以通过ANP自动发现支持这个协议的酒店Agent，基于DID完成身份认证，再通过标准化接口查房间、提交预订，全程不需要模拟人类操作或依赖专属API。这个协议适合大规模Agent集群、去中心化协作网络、跨平台智能助手交互，还有需要隐私保护的场景。

8、AITP（Agent Interaction & Transaction Protocol，Agent交互与交易协议）

NEAR基金会搞的这个协议，把区块链技术融进来了，主要解决跨信任边界的安全通信和价值交换问题。

AITP的特点是把去中心化身份（DID）、智能合约和通信协议深度融合，不只能传信息，还能转移价值和确认交易。比如在去中心化服务交易平台，需求方和服务方的Agent可以通过AITP协商服务内容和价格，用智能合约锁定交易资金，服务完成后自动结算，同时通过DID确保双方身份可信，避免被骗。

AITP的优势在于解决了跨组织、跨平台的信任问题，适合Agent间的价值交换、去中心化服务市场、跨信任域的协作任务。

9、Agora（动态自适应异构Agent通信协议）

牛津大学和异构Agent联盟一起研发的，是个动态自适应的元协议，要解决大规模Agent网络中的通信三难问题：高效性、可移植性、通用性难以兼顾，实现异构Agent的灵活协作。

Agora的创新点在于混合通信模式：高频通信用结构化数据格式保证效率，低频复杂通信用自然语言保证通用性，介于两者之间的场景让大模型自动生成通信routines，实现动态适配。这个协议能根据通信频率、数据复杂度、Agent能力动态切换通信模式，同时支持接口和成员的动态变化，扩展性很强。

在大规模Agent网络中，Agora可以让Agent自主组织、协商通信规则，形成自动化协作网络。它适合异构Agent集群、动态变化的协作场景、大规模分布式任务处理。

10、REP（Ripple Effect Protocol，涟漪效应协议）——大规模协同的新思路

MIT在去年10月推出了这个协议，专门针对大规模分布式多智能体群体协同设计的。传统协议在Agent数量激增的时候，消息冗余和决策延迟问题会特别明显，REP就是来解决这个痛点的。

它通过“局部信号扩散+全局行为对齐”的机制，协调效率比A2A协议能高41%-100%。设计灵感其实挺有意思的，来源于自然界涟漪的传播规律。不需要中心节点调度，完全依赖Agent本地交互就能形成全局协同效应。

这个协议最有意思的地方在于"决策敏感性信号"的传递方式。Agent不只是同步自己的决策结果，还会把决策依赖的环境变量(比如资源余量、时间窗口、优先级权重)以及变量敏感度系数都打包起来，形成标准化的信号包。信号以发起Agent为中心，向相邻Agent逐层扩散。每一级Agent只需要验证信号的相关性就行，不用重复计算，这样就大幅降低了网络传输和算力消耗。

举个例子，在供应链场景里，某个节点Agent感知到原材料价格波动后，传递的信号不仅包含"调整采购量"这个决策，还会附带"价格波动幅度±5%""影响周期72小时"这些敏感信息。周边Agent收到后可以快速调整适配，不需要全局广播征询。

REP采用轻量级UDP传输协议，适配分布式场景，支持LLM多模态敏感信号交互(文本、数值、时序数据都可以)。开源SDK提供了信号封装、扩散范围控制、冲突仲裁这些核心接口，可以适配Python、Java等主流开发语言。它最大的优势是大规模群体的动态适应性——当Agent加入或退出群体时，信号扩散路径能自动调整，不需要重构整个协同架构。

典型应用场景包括供应链全局优化(数百个节点Agent协同调整库存、物流)、分布式资源调度(云服务器集群负载均衡)、群体决策模拟(金融市场风险预判、应急资源调配)等等。听说已经在某跨国物流企业的供应链系统中试点了，把全局库存调整响应时间从小时级缩短到了分钟级。

11、Co-TAP（Three-Layer Agent Interaction Protocol，三层智能体协议）——全维度协同的尝试

Co-TAP是去年10月提出的，核心定位是复杂异构多智能体系统的全维度协同协议。它突破了传统协议"仅关注行为协调"的局限，通过三层架构实现"人机交互-智能体互联-认知知识共享"的全链路协同，为集体智能涌现提供技术支撑。目前正在逐步跟国内的智传网(AI Flow)技术融合，推进原型验证。

三层架构各有分工。HAI(人机交互层)负责标准化人机指令格式和反馈机制，支持人类对Agent的权限配置、任务干预、结果审核，同时把人类的决策偏好、操作习惯转化为标准化知识单元，供Agent复用，解决人机交互碎片化的问题。

UAP(智能体互联层)承担异构Agent的通信适配功能，兼容A2A、ACP等主流协议，实现能力发现、任务委托与状态同步，支持多模态数据交互，确保不同框架、不同厂商的Agent可以无缝对接。

MEK(记忆与认知层)是Co-TAP的核心创新层。通过标准化认知链(Epistemic Chain)封装Agent的决策逻辑、经验知识、交互历史，实现知识跨Agent复用与积累。比如在反诈鉴伪场景里，某个Agent识别到新型诈骗话术的经验，可以通过MEK层转化为认知知识单元，快速同步到整个多智能体系统，提升群体的反诈能力。

目前Co-TAP已经发布了技术报告，处于理论验证和原型开发阶段。原型系统在AIoT、6G自治网络场景中完成了初步测试，可以实现异构设备Agent(传感器、网关、终端)与AI模型Agent的协同调度。它的核心价值在于解决Agent间的"知识孤岛"问题，为智慧城市、工业互联网这些复杂场景中的多智能体系统提供认知协同能力。未来有望跟REP融合，实现大规模群体的认知与行为双重对齐。

论文：https://arxiv.org/abs/2510.08263

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

这是Agent通信领域的经典早期标准，FIPA在1990年代提出的，主要定义Agent间的语义通信规范，为现代Agent通信协议奠定了理论和技术基础。虽然FIPA已经解散了，但它的ACL标准仍然被广泛借鉴。

FIPA ACL定义了标准化的消息类型（比如请求、通知、承诺、拒绝等）和内容语言，明确了Agent间通信的语法和语义规则，解决了早期Agent通信无章可循的问题。它的核心价值在于构建了Agent通信的基础框架，后来的ACP等这些协议都是在它基础上扩展优化的。

现在FIPA ACL虽然不再更新，但在一些传统Agent系统和学术研究场景里还在用，算是语义通信的基准标准。

智能体商业协议：让智能体之间实现商业交互

13、ACP(Agentic Commerce Protocol，智能体商业协议)

去年9月底，OpenAI和Stripe联合发布了Agentic Commerce Protocol（ACP，没错也叫ACP），是个开源标准。这个协议的核心想法其实挺直接的——让用户在ChatGPT这类AI对话界面里直接完成购物，不用再跳转到外部网站那么麻烦。

ACP的设计理念是"智能体优先"。简单讲就是围绕AI智能体作为主要交互角色来设计的，让智能体能代表用户去执行购买操作。但商家这边的控制权还是保留着，商家可以自己定义智能体能执行哪些操作，对业务逻辑和客户关系保持完全控制。

我觉得比较巧妙的是它的委托支付机制。用的是一次性、有时限、金额受限的委托支付令牌，这样既确保了用户对交易的控制，也增强了商家的信心。而且对商家来说挺友好的，可以利用现有的结账和支付系统，不需要大规模改造。

整个工作流程大概是这样:智能体先发现商家提供的产品源和可用服务，展示准确的定价、库存和可用性信息，然后代表用户发起结账流程（不需要跳转），用委托支付令牌完成安全支付，最后提供订单确认和后续管理功能。

ACP最早的应用就是OpenAI的ChatGPT即时结账功能。用户可以在ChatGPT对话中直接从支持ACP的商家那里购买商品和服务，体验还挺流畅的。

14、UCP(Universal Commerce Protocol，通用商业协议)

今年1月中旬，Google联合Shopify等一堆行业大佬在NRF 2026大会上发布了Universal Commerce Protocol（UCP）。跟OpenAI的ACP相比，UCP的野心似乎更大一些。

UCP的定位是生态系统中心，深度整合了Google现有的商业基础设施，支持跨平台AI驱动交互。跟ACP只关注支付环节不太一样，UCP标准化了从商品发现、比价、议价、结账到售后管理的完整购物流程，覆盖面更广。

UCP用的是能力型模型。商家声明并定义自己支持的能力（比如结账、产品发现），智能体可以动态发现并协商这些能力。这个设计挺聪明的，把原本N×N的集成复杂性简化为单一集成点，适用于所有消费者界面。架构是模块化和可扩展的，基于REST和JSON-RPC传输，兼容Agent2Agent（A2A）、Agent Payments Protocol（AP2）和Model Context Protocol（MCP）这些协议。

安全方面，UCP提供令牌化支付和可验证凭证，确保智能体与商家后端之间通信的安全性。还有个特点是把消费者支付工具跟支付处理程序分离开来，支持多种支付提供商和方法，灵活性比较高。

工作流程其实也不复杂。商家设置服务器并发布支持的服务和能力清单（通过.well-known/ucp端点），AI智能体发现商家的能力和支付选项，然后跟商家协商可执行的操作（比如结账、折扣应用），调用相应能力完成购买流程，同时支持订单管理和售后交互。

UCP的阵容挺强大的，除了Google和Shopify，还有Etsy、Wayfair、Target、沃尔玛这些零售巨头，以及Visa、Mastercard、Stripe等20多家全球合作伙伴。首个应用场景包括Google Search AI模式和Gemini应用，用户可以在这些界面内无缝完成购物。

从目前看，ACP和UCP各有侧重点。ACP更聚焦在对话式购物体验上，而UCP则试图构建一个更完整的AI购物生态系统。两个协议都是开源的（Apache 2.0许可），未来会怎么发展，还挺值得继续观察的。

15、ACT（Agentic Commerce Trust Protocol，智能体商业信任协议）——国内首个AI商业信任协议

支付宝在今年1月16日牵头发布了这个协议，联合千问App、淘宝闪购、阿里云百炼等伙伴构建开放生态。这是中国首个AI商业信任协议，核心解决AI商业场景中的授权安全、流程追溯、跨平台适配这三大痛点，为AI代买、自动化采购这些场景打造标准化"通用语言"，填补了国内AI商业协同的协议空白。

ACT通过四大核心域构建全链路信任体系，各域协同实现"安全授权-高效交互-合规追溯"的闭环。

委托授权域是核心的安全屏障，明确AI只承担下单执行角色，付款环节始终由用户主导或自主授权。支持两种授权模式:即时付款(高频场景，用户实时确认付款)和委托授权(低频场景，用户预设时间窗口、金额上限、商家范围，AI可以离线自动下单)，从源头规避资金安全风险。

商业交互域负责标准化AI与电商、服务平台的交互接口，支持商品推荐、比价、优惠券自动核销这些操作，实现跨终端不跳端协作。比如用户通过千问App说"帮我点杯珍珠奶茶"，AI可以基于位置推荐商品、完成比价核销，用户只需要确认付款就能完成交易。

支付服务域适配现有的商业与支付系统，提供统一的支付接口与身份验证机制，支持支付宝及合作支付渠道，确保交易流程高效稳定。同时兼容企业级采购的对公支付、发票对接需求。

信任服务域实现操作全流程可追溯、可验证。所有AI操作、用户授权、交易记录都会实时上链存证，支持审计和纠纷溯源，满足商业合规要求。

人机交互协议：让Agent和人类真正对上话

人机协同，这可以说是Agentic AI最核心的应用场景了。这类协议主要聚焦在优化人和Agent的交互体验上，要实现自然、高效、靠谱的双向沟通，同时让Agent变得更透明、更好用、更值得信任，降低人机协作的门槛。

16、AG-UI（Agent-User Interaction Protocol，Agent-用户交互协议）

这是CopilotKit团队推出的，充当连接用户界面和Agent后端的双向运行时通信层。它的核心定位是解决Agent跟前端应用的可靠交互问题，确保前端和后端的状态能够同步，通信效率也高。

值得注意的是，这个协议并不是什么生成式UI规范，而更像是消息、事件和UI指令的可靠传输管道，支持流式响应、事件回调和多Agent协调。它有个挺重要的特点：双向通信能力，而且跟前端框架无关，可以适配React、Vue、Angular这些各种前端框架。

这样前端应用就不用操心Agent底层是怎么实现的，只需要通过协议接收Agent的指令，然后反馈用户的操作就行。

比如在Agent驱动的项目管理工具里，AG-UI可以支撑前端实时展示Agent的任务执行进度，接收用户的指令调整，同步多Agent的协作状态，让人机交互保持流畅。适用场景包括Agent驱动应用开发、实时交互界面构建、多Agent前端协同展示这些方向。

17、A2UI（Agent-to-User Interface，Agent-用户界面协议）

Google在2025年12月推出的开源项目，核心是Agent驱动界面的声明式规范。说白了，就是让Agent能够说UI语言，生成可以在不同平台渲染的用户界面，实现跨平台一致的UI体验。

这个协议用JSON格式来描述UI意图，包含组件类型、属性、数据模型这些信息。客户端应用可以使用自己的原生组件库（像Lit、Angular、Flutter等等）来渲染界面，不依赖统一的UI框架。

它最大的优势在于把UI生成能力给了Agent，让Agent能根据任务需求动态生成或填充界面。

举个例子，在电商导购Agent里，Agent可以根据用户的购物偏好，通过A2UI协议生成个性化的商品展示界面，包含推荐商品、筛选条件、下单按钮这些组件。前端应用用原生组件渲染后展现给用户，既个性化又跨平台兼容。适用场景涵盖动态界面生成、跨框架UI渲染、个性化Agent应用开发等。

18、HAIP（Human-Agent Interaction Protocol，人机交互统一“翻译器”）

HAIP（Human-Agent Interaction Protocol）是规范前端界面（Web、移动端、语音端）与智能体交互的开放协议，聚焦人类与智能体的外部交互通道，而非智能体内部通信，作为接口层桥梁实现二者透明、可控、可扩展通信。

核心功能聚焦实时人机协作需求：支持文本、音频多模态交互，兼容多种传输机制；内置断线重连与消息排序，保障交互逻辑一致；同步智能体工具调用进展，实现前端实时可视化；提供事务历史、身份验证等企业级管理能力，且可与MCP协议协同，透明展示工具调用过程。开发者通过TypeScript SDK等集成，按“建立连接-发送输入-接收反馈-双向更新-错误恢复”流程实现主从式通信，抽象层设计让开发者专注产品逻辑，无需处理底层交互细节。

19、AGNTCY（智能体协作通用语言）

AGNTCY协议是2025年由思科、LangChain等企业推动的AI智能体协作开放标准，核心目标是构建开放安全的“智能体互联网”（IoA），实现不同AI智能体跨组织高效安全通信协作，后捐赠给Linux基金会，获谷歌、甲骨文等65+企业支持，搭建中立开放生态。

核心特性涵盖四大维度：一是智能体发现与身份验证，依托分布式目录服务跨组织定位智能体，通过密码学凭证保障身份安全；二是安全低延迟通信，基于SLIM协议支持多通信模式，集成量子安全加密技术；三是可观测性，提供端到端工作流跟踪与决策可视化，提升协作透明度；四是协议互操作性，兼容A2A、MCP等协议，规避供应商锁定。

其分层架构含发现层、身份验证层、消息传递层及可观测性层，适配跨组织供应链管理、实时人机交互等场景。与其他协议互补共生，为A2A提供基础设施，通过SLIM协议实现与MCP的互操作。

元协议与垂直领域协议：生态的底层支撑

这类协议，其实不太直接参与具体的通信交互。更像是在为整个Agentic AI生态搭建基础设施、建立游戏规则，或者针对某些垂直行业的特殊需求做优化。可以说，它们拓展了Agent的应用边界，也是生态能否规模化发展的关键保障。

20、Agora Meta-Protocol（异构协议适配元协议）

Agora Meta-Protocol 是由牛津大学等提出的一种元协议设计思想，用于在异构智能体之间动态协商和适配通信协议。该协议是Agora协议的延伸，充当异构协议间的适配层。简单地讲，就是要解决不同Agentic AI协议语言不通的问题，实现跨协议的互翻译和互操作，推动整个协议生态的融合。

这个元协议能识别不同协议的消息格式、语义规则，把一种协议的消息转换成另一种协议能看懂的格式，让采用不同协议的Agent也能间接协作起来。

举个例子，在混合协议的Agent系统里，用ACP协议的Agent可以通过Agora Meta-Protocol跟用A2A协议的Agent通信，元协议负责消息格式的转换和语义对齐，确保双方能准确理解对方的意图。

它的关键优势在于打破了协议生态的碎片化，推动不同协议的兼容共存。适用于多协议融合的Agent系统、跨协议Agent协作、大规模异构Agent网络这些场景。

21、CrowdES（群体机器人Agent协议）

这个协议专注于群体机器人Agent的交互协作，核心是模拟真实人群动态，解决多机器人的分布式协调、避障和任务分配问题，主要用在机器人集群场景。

CrowdES基于群体智能理论设计，支持机器人Agent间的局部通信和全局协作，能够根据机器人的位置、能力、任务进度动态调整协作策略，还带有避障算法和负载均衡机制。

在仓储物流场景里，几十个机器人可以通过CrowdES协议实现自主协作，合理分配货物搬运任务，避免碰撞，优化搬运路径，提升整体效率；在工业自动化场景，可以实现多机器人的协同装配、巡检，保证生产流程顺畅。

适用场景包括工业自动化、仓储物流、机器人集群作业、智能巡检等等。

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

22、SPPs（Spatial Population Protocols，空间群体协议）

这是面向分布式机器人Agent的定位与协作协议，核心是解决无GPS信号环境下的机器人自主定位和协作问题，不依赖集中式定位系统。

SPPs基于局部通信和概率算法，机器人Agent通过跟相邻机器人通信获取相对位置信息，结合概率模型推算自己的全局位置，同时实现分布式的任务协作。

它的特点是无中心化依赖、抗干扰能力强、适配复杂环境，特别适合GPS信号弱或者根本没信号的场景，比如地下矿井巡检、室内机器人协作、隧道施工机器人调度这些。

在地下矿井里，多个巡检机器人可以通过SPPs协议实现自主定位，协同完成瓦斯检测、设备巡检任务，不需要地面集中式调度；在室内场景，可以实现服务机器人的自主导航和协作服务。

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

后记：Agentic AI协议生态现状与未来走向

现在的Agentic AI协议生态，已经形成了一个完整的分层体系了。

底层是FIPA ACL等基础标准在支撑，构建起协议生态的理论和安全基石；中间层作为核心，涵盖了模型-工具、Agent间、人机交互三大类协议，把核心场景的互操作性解决了；顶层则由ANP、Agora Meta-Protocol等协议组成，负责大规模Agent网络的协调、跨协议适配和生态治理。

各类协议协同互补，一起推动Agentic AI从孤岛式系统向互联生态转变。

往后看，Agentic AI协议会呈现出三个主要趋势。

首先是标准化整合，不同厂商和社区会逐步推进协议兼容，减少碎片化，形成核心通用标准，降低生态准入门槛。

其次是跨协议互操作会进一步强化，元协议的作用会更加凸显，实现异构协议的无缝衔接，推动多协议融合的Agent系统真正落地。

第三是安全与可信机制的升级，结合区块链、DID、隐私计算这些技术，完善身份认证、权限管理和数据隐私保护机制，满足金融、医疗这些敏感领域的需求。

同时，随着边缘计算、机器人、Web3这些技术跟Agentic AI的深度融合，垂直领域协议会持续丰富，推动Agent在更多场景的规模化应用。

协议就像是Agentic AI生态的神经网络，它的成熟度直接决定了Agent协同的效率和边界。随着各类协议不断迭代和融合，Agentic AI会突破现有的局限，在企业协作、智能终端、工业互联网、民生服务这些领域实现更广泛的应用，真正开启万物互联与智能协同的新篇章。

全文完

看到这里，如果觉得不错，随手点个赞、在看或者转发吧，也可以给个星标，你的支持就是我的动力。

王吉伟频道新书《一本书读懂AI Agent：技术、应用与商业》已出版，轻松读懂系统掌握AI Agent技术原理、行业应用、商业价值及创业机会，欢迎大家关注。

感谢大家长期关注与支持，小伙伴们随意留言，王吉伟频道会随机选取留言用户，《一本书读懂AI Agent：技术、应用与商业》包邮到家。

【文末福利1】：后台发消息研报2026，获取15篇2026年AI Agent研报。

【文末福利2】： 后台发消息Workflow，获取 Agentic Workflow 相关25篇论文。

【文末福利3】：后 台发消息agentic，获取Agentic AI相关资源 。

【文末福利4】：后台发消息RPA Agent，获取 相关论文和研报。

1、

2、

3、

4、

5、

6、

7、

8、

9、

10、

AIGC研究系列文章

C

• 期待点赞、在看、评论、转发，您的支持就是我的动力。

• 鼓励积极评论，您的留言可以成为选题。

• 欢迎阅读其他文章，或会激发您的更多思考。

点击左下角“阅读原文”查看AIGC研究系列文章，扫码或者后台回复【加群】申请加入AIGC行业应用交流社群。如果你是正在关注AI Agent的创业者、投资人及企业，欢迎带着产品、项目及需求与王吉伟频道交流。