A Technical Taxonomy of LLM Agent Communication Protocols
LLM Agent通信协议技术分类法
🧭 多智体通信协议分类法
Technische Universität München
提出五维度分类法，归纳9种开源LLM Agent协议的核心模式与趋势
📌 工作参考价值
- 选型参考：在搭建多Agent推荐/搜索系统时，对照 counterparty、payload、session state、discovery 和 schema flexibility 五个维度评估候选协议，避免因碎片化导致后期集成困难。
- 实现建议：Agent间通信必须保持会话状态（session state），且 payload 应支持混合传输（文本消息+结构化数据），才能支撑多轮推理与工具调用。
- 架构分层：借鉴论文提出的“发现→执行→交互”分层栈，将工具/数据接入用轻量协议（如MCP），复杂Agent协商采用 schema 可演进的协议（如Agora/ANP），降低整体耦合度。
- 去中心化趋势：当前多数协议依赖中心化注册，若业务需要大规模分布式Agent，可预先探索 P2P 发现机制（如LMOS的混合发现），提升系统鲁棒性与扩展性。
动机
随着LLM-based 多智体系统（MAS）快速发展，异构Agent间的无缝通信成为制约系统扩展与互操作的关键瓶颈。当前协议生态碎片化，尚无统一分类框架帮从业者理清选型逻辑。研究切中痛点：没有标准化的通信基础设施，Collective Intelligence 难以实现。
方法
采用Nickerson的迭代式分类法，以9个开源活跃协议（MCP、A2A、LAP、agents.json、Agora、ANP、LMOS、ACP、agntcy）为对象，经过3轮经验→概念、2轮概念→经验共5次迭代，构建出五维度分类体系：
- Counterparty：Agent、Context、Hybrid，区分通信对方是Agent还是工具/数据。
- Payload：Structured data/artifacts、Conversation focused、Hybrid，区分传输数据类型是纯结构化还是包含自由文本。
- Interaction State：Stateless、Session state，协议是否维护通话级会话。
- Discovery Mechanism：Static、Centralized、Partially centralized、Decentralized、Hybrid，Agent如何发现对端。
- Schema Flexibility：Single、Multiple、Evolving，通信结构是否可以动态调整。
关键结果
- 所有采样的Agent-to-Agent协议均提供Session state和Hybrid payload，以支撑多轮对话与工具调用；仅MCP和agents.json是为工具/数据接入设计，属Stateless且Payload为纯结构化。
- 7/9协议支持多个预定义Schema，仅Agora和ANP具备运行时Schema协商能力（Evolving），是未来动态协作的关键特性。
- 去中心化发现机制稀缺，只有LMOS提供混合发现，多数依赖中心化注册或静态配置，可能限制大规模分布部署。
- 将分类投影到“通用性-效率-可移植性”三维度，揭示出不可能存在单一全能协议，从而论证了分层协议栈的必要性（类似OSI模型），并给出候选五层架构：身份/传输→发现→执行→交互→商议。
值得记住的一句话
没有单一协议能同时最大化通用性、效率和可移植性，LLM Agent的通信未来必然走向分层、联邦化的协议栈。