MCP并非唯一的一种AI智能体协议（AI Agent Protocol）。近期发布的两篇综述性论文[1][2]，提及了以下多种AI智能体协议：
- MCP（Model Context Protocol）：由Anthropic公司推出；
- A2A（Agent-to-Agent Protocol）：由谷歌公司推出；
- AComP（Agent Communication Protocol，缩写是ACP）：由IBM公司推出；
- AConP（Agent Connect Protocol，缩写也是ACP）：由Galileo公司、LangChain公司、Cisco公司等联合推出；
- ANP（Agent Network Protocol）：由起源于国内的ANP社区推出；
- Agora（Model Context Protocol）：由牛津大学和Eigent AI联合推出；
- LMOS（Language Model Operating System）：由Eclipse基金会推出；
- agents.json：由Wildcard AI推出；
- 其它多种特定领域的AI智能体协议，例如为机器人-智能体交互而设计的智能体协议CrowdES等。
协议之间的区别
多种AI智能体协议，其基本目标都是为了给AI增加更多的功能、让AI能够处理更复杂的任务。然而不同的AI智能体协议在设计理念、架构等方面都不尽相同，例如：
- MCP主要支持LLM的外界工具调用和数据交换；
- A2A支持智能体之间的通讯和协作，为不同开发者基于不同框架开发的智能体提供互连协议；
- AComP支持异构的智能体技术栈，同时也支持同步交互、异步交互、离线发现等互操作性功能，可以协助多智能体的多模态消息通讯、以及多智能体与更广泛的RESTful生态的集成；
- ANP支持开放互联网上的智能体发现和协作，主要面向开放互联网环境下的跨平台、跨组织的应用场景；
- Agora在支持多智能体间的通讯时，既允许在常见类型的通讯中使用结构化消息，从而保障通讯的计算效率，也允许在不常见类型的通讯中使用自然语言，从而保障通讯的灵活性，还允许智能体之间通过协商创建新的消息结构；
- agents.json建立在OpenAPI标准之上，为传统的API与LLM互连提供标准和SDK支持。
多种协议，将会怎样共存？
多种AI智能体协议将会如何共存，存在多种可能，例如：
- 多种协议分工协作，并各自专注于各自的细分领域——例如：MCP负责LLM与外部工具和资源的对接、形成基层的智能体；AComP和A2A负责多智能体之间的协作、形成企业级别的多智能体；ANP负责开放互联网上多智能体的互连[2];
- 相互融合——多种协议之间取长补短，功能不断趋同，多种协议逐渐变得可以相互替代；
- 个别协议成为主流——个别协议得到普遍采用，使得其它协议被较少采用；
- 现有的协议被新的、更好的协议取代——新的、更好的协议能够解决现有协议难以解决的问题（例如：能够让海量的智能体高效协作[1]）。
目前，MCP协议的生态相对来说建设得较好，然而AI智能体协议这一领域发展变化较快，该领域未来的演进方向值得关注。
参考文献
[1] A Survey of AI Agent Protocols
https://arxiv.org/abs/2504.16736
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
[2] A Survey of Agent Interoperability Protocols: Model Context Protocol (MCP), Agent Communication Protocol (ACP), Agent-to-Agent Protocol (A2A), and Agent Network Protocol (ANP)
https://arxiv.org/abs/2505.02279
使用许可协议：CC BY
https://creativecommons.org/licenses/by/4.0/
封面图：Daniel K Cheung、Unsplash
