想象一个繁忙的城市，那里的每个人都是极其聪明、拥有超高智力的机器人（即“LLM Agent”）。这些机器人可以解决复杂问题、编写代码并规划旅行。但问题在于，它们都说着不同的语言，并使用不同的规则手册。一个机器人可能会尝试通过邮政服务发送消息，而另一个可能尝试通过扩音器大声喊叫，第三个则可能尝试发送短信。如果没有一种通用的沟通方式，它们就无法协作去构建任何宏大的事物。

这篇论文就像是一位语言学家兼城市规划师，来到这里整理这些混乱。作者们（来自慕尼黑工业大学的研究人员）创建了一个“技术分类法”（technical taxonomy）——这只是一个高级词汇，意思就是一套分类系统——用来对这些 AI 机器人试图相互交流的方式进行分类。

以下是他们研究结果的拆解，使用了简单的类比：

1. 问题所在：巴别塔之困

目前，不同的公司和研究人员都在构建许多不同的“协议”（通信规则）。这就像是每家汽车制造商都决定了自己独特的启动引擎方式：有的用钥匙，有的用按钮，有的用语音指令。这使得不同品牌的汽车很难一起组成车队行驶。论文指出，为了让 AI 机器人能够作为一个团队（多智能体系统/Multi-Agent System）工作，它们需要一种标准的沟通方式。

2. 解决方案：五点清单

作者研究了九种活跃的、现实世界的通信协议（例如 MCP、A2A 和 Agora），并将它们根据五个关键问题进行了分类。你可以把这看作是一个用来订购通信风格的菜单：

• 你在和谁说话？（交互对象/Counterparty）：

  • 你是在和另一个机器人说话吗？（智能体对智能体/Agent-to-Agent）
  • 你是在和工具、数据库或网站说话吗？（智能体对上下文/Agent-to-Context）
  • 还是两者皆可？（混合型/Hybrid）
  • 类比： 你是在给朋友打电话，还是在拨打客服热线？

• 你在发送什么内容？（有效载荷/Payload）：

  • 仅仅是聊天消息吗？（对话/Conversation）
  • 是严格的数据文件，比如电子表格吗？（结构化数据/Structured Data）
  • 还是两者的结合？（混合型/Hybrid）
  • 类比： 你是在寄明信片、运送集装箱，还是在明信片上附带了一个包裹？

• 你会记得对话内容吗？（交互状态/Interaction State）：

  • 系统在消息发送后是否会忘记一切？（无状态/Stateless）
  • 或者它是否保持一个“会话”开启，以便记住你五分钟前说了什么？（有状态会话/Session State）
  • 类比： 这是一台你必须说“完毕”并等待对方的对讲机，还是一个通话中的电话，线路保持畅通且你可以持续交谈？

• 你们如何找到彼此？（发现机制/Discovery Mechanism）：

  • 你是否需要预先知道准确的电话号码？（静态/Static）
  • 是否有一个中央电话簿或目录可以查询？（中心化/Centralized）
  • 还是你只需向人群中喊叫，并希望有人听到？（去中心化/Decentralized）
  • 类比： 你是有朋友的地址，还是在目录中查找他们，或者只是在公园里大喊“喂！”？

• 你可以在交谈过程中改变规则吗？（模式灵活性/Schema Flexibility）：

  • 格式是永久固定的吗？（单一/Single）
  • 你可以从几种预设格式中进行选择吗？（多种/Multiple）
  • 你能在对话进行的过程中发明一种新的沟通方式吗？（演进型/Evolving）
  • 类比： 这场游戏是严格遵守国际象棋规则，还是可以选择国际象棋或跳棋，或者你可以在玩的过程中发明新规则？

3. 他们的发现：“三难困境”与未来

在对九种协议进行分类后，作者注意到了一些有趣的模式：

• “记忆”规则： 几乎所有旨在让机器人与其他机器人交谈的协议都会保持一个“会话”（记忆）开启。如果每个人在两秒钟后都忘记了刚才说了什么，你就无法进行一场高质量的团队辩论。
• “混合型”趋势： 大多数协议正在变得更加“混合”。它们不仅发送文本，还会发送文本和数据文件。
• “三难困境”（不可能三角/The Trilemma）： 作者指出了一种权衡关系。你无法同时拥有所有东西。
  • 如果你想要速度和效率（例如严格的数据交换），你就必须保持僵化和简单。
  • 如果你想要灵活性（例如机器人发明新的沟通方式），你就会失去速度和效率。
  • 类比： 这就像试图制造一辆既是最快的赛车、最舒适的沙发、又是最强悍的越野车的车。你通常只能选其二。

4. 大胆预测：是一个分层堆栈，而非单一赢家

论文预测，我们不会最终得到一个能完美完成所有事情的“超级协议”。因为上述的权衡关系使得这成为了不可能的任务。

相反，未来看起来会像互联网本身（互联网拥有物理电缆、IP 地址和网页浏览器等层级）。

• 底层： 用于寻找工具和发送数据的简单、快速、僵化的协议（如 MCP）。
• 中间层： 用于在机器人之间管理任务和流式传输数据的协议。
• 顶层： 灵活的、“智能”的协议，允许机器人协商复杂的计划并随时改变规则（如 Agora 或 ANP）。

5. 缺失的部分

作者还注意到一个空白点：隐私与安全。大多数这些协议在移动数据方面表现出色，但它们并没有内置强大的规则来检查数据是否私密，或者机器人是否遵循了安全政策。随着这些机器人变得越来越强大，这个问题需要得到解决。

总结

简而言之，这篇论文说：“AI 机器人正试图进行交流，但它们说着不同的方言。我们创建了一张地图来理解这些方言。我们发现，虽然有些机器人擅长快速、僵化的数据交换，而另一些机器人擅长灵活、富有创造性的规划，但没有任何一种单一的机器人语言能完美地胜任所有工作。未来的形态不是一种巨大的统一语言，而是一个由不同语言组成的堆栈，它们协同工作，就像一座组织有序的城市，拥有适合不同类型交通的各种道路。”