新AI基础设施,一文看懂九大Agent协议

摘要

MCP、A2A、ANP……Agent 协议越来越多，该选哪个？慕尼黑工业大学（TUM）最新综述，用 5 个维度给 9 大开源协议做了系统分类。核心结论：没有单一协议通吃，Internet of Agents 更可能像 OSI 一样，走分层联邦栈。

A Technical Taxonomy of LLM Agent Communication Protocols

一、Agent 通信协议：新基础设施，也是新痛点

框架（AutoGen、CrewAI、LangGraph）各搞一套，协议（MCP、A2A、agents.json、ANP）能力重叠、互不兼容。结果是：每接一个工具或 Agent，就要重写胶水代码；异构 Agent 也很难动态发现彼此。

TUM 团队做的不是再提一个新协议，而是给工程师一张选型地图——9 个活跃开源协议，5 轮迭代分类，最终落到 5 个可对照的维度。

1.1 九协议速览

图 1：Agent 通过推理、记忆、工具与外部 Agent / 人类 / 环境交互（来源：原论文 Figure 1）。

扫码加入「大语言模型论文跟踪」交流群

微信号 iamxxn886 · 备注「论文」

二、五维分类法：读懂 Agent 协议的「基因图谱」

论文最终确定的 taxonomy 包含 5 个维度、14 种特征值，如图 2 所示。每个维度在构造时都满足互斥且完备（mutually exclusive and collectively exhaustive）：任意协议都能被唯一归类，且不会遗漏关键差异。

图 2：Counterparty、Payload、Interaction State、Discovery Mechanism、Schema Flexibility 五个维度及其取值（来源：原论文 Figure 2）。

2.1 维度一：Counterparty（通信对象）

Agent 通过协议连接的是谁？

这与 Yang 等人先前协议 taxonomy 中的 object-orientation 维度对应；作者额外增加了 Hybrid，以覆盖 LMOS 这类「两头都管」的协议。

2.2 维度二：Payload（载荷类型）

协议交换的是什么形态的数据？

关键发现：9 个协议中，仅 MCP 与 agents.json 属于「结构化数据/工件」型；其余 7 个 Agent-to-Agent 协议全部为 Hybrid——它们不会把自己限制在「纯聊天」，必要时可以只传结构化 payload。

2.3 维度三：Interaction State（交互状态）

规律：7 个 Agent-to-Agent 协议全部支持 Session state；MCP 与 agents.json 的核心设计是 Stateless。这与当代 LLM Agent 依赖多轮交互的现实一致——Agent 协作几乎必然需要「任务/线程」级别的状态单元。

2.4 维度四：Discovery Mechanism（发现机制）

Agent 如何找到可用的对端及其接口？

注意 MCP 的 subtle 之处：运行时可以通过 handshake 发现 server 能力，但 Agent 仍需事先知道 server 的 base URL，因此在 discovery 维度被归为 Static——「能问能力」≠「能自动发现节点在哪」。

A2A 则通过 JSON Agent Card（自描述文件）支持三种策略：托管在标准路径、私有通道分享、或发布到中心化 registry，故归为 Centralized。

2.5 维度五：Schema Flexibility（模式灵活性）

协议允许多大程度的「消息格式/对话结构」调整？

趋势信号：9 个协议中 7 个支持 Multiple；2 个（Agora、ANP）支持 Evolving——Agent 可以在对话初期用自然语言协商协议文档（Protocol Document），再切换到更高效的结构化格式。作者认为，schema 协商正在成为 Agent-to-Agent 协议的核心能力，让 LLM 的灵活性真正落到通信层。

三、九协议横向对比：Table 1 与 Table 2 精要

论文 Table 1 用于跨协议模式检测，Table 2 给出每个协议的完整归类与理由。下面复现精简版，便于在文章内直接阅读。

3.1 跨协议分类矩阵（论文 Table 1）

3.2 各协议归类摘要（论文 Table 2）

3.3 与 Agent Communication Trilemma 的对照

牛津 Agora 论文提出的 Agent Communication Trilemma 认为：一个协议无法同时最大化 Versatility（通用性）、Efficiency（效率）、Portability（可移植性） 三者。

映射到 taxonomy 后，trade-off 非常清晰：

• MCP 走极端：Rigid schema + Stateless + 结构化 payload → 效率与可移植性最高，适合高频、可预测的工具调用。
• Agora / ANP 走另一极端：Evolving schema + 运行时协商 → 通用性最强，但 token 开销与延迟显著。
• A2A、LMOS、ACP 等占据中间地带：Hybrid payload + Session state + Multiple schema，在复杂交互与效率之间折中。

这进一步支持了作者的判断：不存在「全能协议」，分层栈比「winner-takes-all」更合理。

四、分类实证：从数据中读出的五条规律

这篇综述没有传统意义上的 benchmark 跑分，但通过对 9 个协议的 systematic classification，得出了可量化的结构性结论。

4.1 规律汇总表

4.2 发现机制的「中心化 vs 静态」分裂

9 个协议在 discovery 上呈 4 Static + 4 Centralized + 1 Hybrid（LMOS） 的格局——没有任何一个样本协议以 Decentralized 为主。若 Internet of Agents 成为主流范式，去中心化发现（类似 DNS 的反面：无中心 registry）值得更多研究投入。

4.3 Schema 协商的两条路线

Agora 的 Protocol Document 是纯文本描述，Agent 先用自然语言协商，再切换到更高效的结构化格式，甚至可无参数消息。ANP 则在 Meta Protocol Layer 动态协商 payload 格式与交互结构。两者都指向同一方向：让 LLM 的「语言协商能力」成为协议的一等公民，而非事后补丁。

4.4 短期收敛 vs 长期分层

短期：A2A 与 agntcy 均自称 MCP 的扩展；功能重叠暗示可能出现「A2A + MCP 合一」的统一标准压力——尽管 Anthropic 尚未官方背书任何扩展。

长期：作者类比 OSI 模型，提出 Internet of Agents 分层协议栈（论文 Figure 3）：

图 3：L1 身份与传输 → L2 发现 → L3 工具执行 → L4 交互 → L5 协商；不同协议占据不同层（来源：原论文 Figure 3）。

同一 Agent 工作流中，不同层可以组合不同协议——例如 L3 用 MCP 调工具，L4 用 A2A 协调子 Agent，L5 在需要时用 Agora 做运行时 schema 协商。

五、局限、选型建议与如何使用

5.1 论文局限

• 样本量：仅 9 个协议，且均为开源；Firecrawl、uAgents 等专有方案被排除。
• 抽象层级：taxonomy 在 application level，不深入具体传输实现细节。
• 缺失维度：认证/安全、隐私、策略 enforcement 尚未纳入 taxonomy，但作者明确指出这是全领域的共同短板。
• 分层栈是提案：Figure 3 的 OSI 式分层是作者基于数据的论证性提案，不是已观测到的事实。

5.2 工程师选型速查

不要指望选一个协议覆盖所有层——论文的核心建议恰恰是组合使用。

• 论文原文: http://arxiv.org/abs/2606.19135v1
• 加入社群，+v: iamxxn886
• 点击公众号菜单加入讨论