ACP：Agent Communication Protocol - AI Agent 互操作性的开放标准
Tue Mar 24 2026 · 10min
由 Linux Foundation 主导的开放标准，让 AI Agent 能够跨框架、跨组织无缝协作
什么是 ACP？
ACP (Agent Communication Protocol) 是一个开放的协议标准，用于解决 AI Agent 之间的互操作性挑战。它允许不同框架、不同团队构建的 Agent 通过标准化的 RESTful API 进行通信。
ACP 由 BeeAI 主导开发，作为 Linux Foundation 下的开放标准，采用透明、社区驱动的治理模式。
ACP 解决了什么问题？
问题 1：Agent 孤岛
现代 AI Agent 通常在不同的框架中独立构建，导致：
- 每个框架有自己的通信模式和 API
- Agent 之间难以互相发现和协作
- 跨团队、跨组织的 Agent 集成成本高昂
问题 2：碎片化的生态系统
┌─────────────────────────────────────────────────────────────┐
│ 没有 ACP 的世界 │
├─────────────────────────────────────────────────────────────┤
│ Framework A → Agent A₁, Agent A₂ (私有协议) │
│ Framework B → Agent B₁, Agent B₂ (私有协议) │
│ Framework C → Agent C₁, Agent C₂ (私有协议) │
│ │
│ Agent A₁ 无法与 Agent B₁ 通信 ❌ │
│ 需要为每个组合编写自定义集成 ❌ │
└─────────────────────────────────────────────────────────────┘
问题 3：开发者体验不一致
- 每个框架有自己的模式和抽象
- 学习曲线陡峭，迁移成本高
- 难以构建可复用的 Agent 组件
ACP 如何解决这些问题？
核心方案：标准化 REST API
ACP 使用简单、定义良好的 RESTful 端点进行通信，而不是需要 specialized 客户端的协议（如 JSON-RPC）。
┌─────────────────────────────────────────────────────────────┐
│ ACP 赋能的世界 │
├─────────────────────────────────────────────────────────────┤
│ Framework A → Agent A₁ ──┐ │
│ Framework B → Agent B₁ ──┼──→ ACP REST API → 互操作 ✅ │
│ Framework C → Agent C₁ ──┘ │
│ │
│ 任何 Agent 可以与任何其他 Agent 通信 │
│ 统一的消息格式，支持所有模态 │
└─────────────────────────────────────────────────────────────┘
关键特性
| 特性 | 说明 |
|---|---|
| REST 通信 | 使用标准 HTTP 端点，可用 curl/Postman 直接调用 |
| 全模态支持 | 通过 MIME 类型识别内容，支持文本、图片、音频、视频等 |
| 同步/异步 | 主要为异步设计（处理长任务），也支持同步 |
| 流式传输 | 支持 streaming 响应，适合实时交互 |
| 离线发现 | Agent 元数据可嵌入分发包，支持离线环境发现 |
| 无需 SDK | 可直接用 HTTP 工具调用，官方提供 Python/TS SDK |
核心架构组件
┌─────────────────────────────────────────────────────────────┐
│ ACP 架构 │
├─────────────────────────────────────────────────────────────┤
│ │
│ ┌─────────────┐ ┌─────────────┐ ┌─────────────┐ │
│ │ Client │ ───→ │ Server │ ←──→ │ Agent │ │
│ │ (调用方) │ HTTP │ (ACP 端点) │ │ (业务逻辑) │ │
│ └─────────────┘ └─────────────┘ └─────────────┘ │
│ │
│ 核心端点: │
│ - GET /agents - 列出可用 Agent │
│ - POST /agents/:name - 与 Agent 交互 │
│ - GET /agents/:name - 获取 Agent 元数据 │
│ │
└─────────────────────────────────────────────────────────────┘
如何使用 ACP？
方式 1：使用 HTTP 工具直接调用
无需 SDK，使用标准 HTTP 工具即可：
# 1. 获取 Agent 列表
curl http://localhost:8000/agents
# 2. 获取特定 Agent 的元数据
curl http://localhost:8000/agents/chat
# 3. 向 Agent 发送消息
curl -X POST http://localhost:8000/agents/chat/run \
-H "Content-Type: application/json" \
-d '{"message": "你好，请帮我分析这份数据"}'
方式 2：使用官方 SDK
ACP 提供 Python 和 TypeScript SDK：
Python SDK:
from acp import AgentClient
# 连接到 ACP Server
client = AgentClient("http://localhost:8000")
# 获取可用 Agent 列表
agents = client.list_agents()
# 与 Agent 交互
agent = client.get_agent("chat")
response = agent.run(message="你好，请帮我分析这份数据")
print(response)
TypeScript SDK:
import { AgentClient } from '@i-am-bee/acp';
const client = new AgentClient('http://localhost:8000');
// 获取 Agent 列表
const agents = await client.listAgents();
// 运行 Agent
const response = await client.runAgent('chat', {
message: '你好，请帮我分析这份数据'
});
ACP Server 示例
使用 BeeAI 快速搭建 ACP Server：
from fastapi import FastAPI
from acp.server import ACPServer
from acp.agent import Agent
app = FastAPI()
acp = ACPServer(app)
# 定义 Agent
chat_agent = Agent(
name="chat",
description="Conversational agent with memory",
run=lambda message: f"收到：{message}",
input_content_types=["text/plain"],
output_content_types=["text/plain"],
metadata={
"framework": "BeeAI",
"capabilities": [{"name": "Conversational AI", "description": "Handles multi-turn conversations"}],
"tags": ["Chat"],
"license": "Apache-2.0"
}
)
# 注册 Agent
acp.register(chat_agent)
# 启动服务
# uvicorn main:app --host 0.0.0.0 --port 8000
Showcase：多 Agent 协作场景
场景：自动化内容创作工作流
假设有一个内容创作需求，需要多个专业 Agent 协作：
┌─────────────────────────────────────────────────────────────────┐
│ 内容创作工作流 │
├─────────────────────────────────────────────────────────────────┤
│ │
│ 用户请求 → "写一篇关于 AI 安全的技术文章" │
│ │
│ ↓ │
│ ┌─────────────────┐ │
│ │ 研究 Agent │ - 搜索最新 AI 安全研究 │
│ │ (research) │ - 收集相关论文和案例 │
│ └────────┬────────┘ │
│ ↓ │
│ ┌─────────────────┐ │
│ │ 写作 Agent │ - 基于研究结果撰写文章 │
│ │ (writer) │ - 确保技术准确性和可读性 │
│ └────────┬────────┘ │
│ ↓ │
│ ┌─────────────────┐ │
│ │ SEO Agent │ - 优化关键词和结构 │
│ │ (seo) │ - 提升搜索引擎排名潜力 │
│ └────────┬────────┘ │
│ ↓ │
│ 输出：完整的技术文章 │
│ │
└─────────────────────────────────────────────────────────────────┘
代码实现
from acp import AgentClient
client = AgentClient("http://localhost:8000")
# 1. 研究阶段
research_result = client.run_agent("research", {
"topic": "AI safety best practices",
"depth": "comprehensive"
})
# 2. 写作阶段
draft = client.run_agent("writer", {
"research": research_result,
"target_length": 3000,
"audience": "technical"
})
# 3. SEO 优化
final_article = client.run_agent("seo", {
"content": draft,
"keywords": ["AI safety", "machine learning", "best practices"]
})
print(final_article)
Agent 元数据示例
ACP 返回的 Agent 信息包含丰富的元数据：
{
"name": "chat",
"description": "Conversational agent with memory, supporting real-time search, Wikipedia lookups, and weather updates",
"input_content_types": ["text/plain"],
"output_content_types": ["text/plain"],
"metadata": {
"framework": "BeeAI",
"capabilities": [
{"name": "Conversational AI", "description": "Handles multi-turn conversations with memory"},
{"name": "Tool Integration", "description": "Search, Wikipedia, Weather APIs"}
],
"domains": ["general"],
"tags": ["Chat", "Assistant"],
"license": "Apache-2.0",
"author": {
"name": "John Smith",
"email": "jsmith@example.com"
},
"dependencies": [
{"type": "tool", "name": "weather"}
]
}
}
ACP 与现有方案对比
| 特性 | MCP | ACP |
|---|---|---|
| 定位 | 模型上下文协议 | Agent 通信协议 |
| 通信方式 | JSON-RPC | RESTful HTTP |
| 主要场景 | 为 LLM 提供外部工具/数据 | Agent 间互操作 |
| 治理模式 | Anthropic 主导 | Linux Foundation 开放标准 |
| SDK | 多种语言 | Python, TypeScript |
未来展望
ACP 正在快速发展中，未来方向包括：
- Tool Registry：统一的工具注册和发现中心
- 安全框架：企业级权限管理和审计合规
- 多 Agent 编排：复杂工作流的标准化
- 跨组织协作：企业间 Agent 安全通信协议
结语
ACP 通过提供标准化的 RESTful 通信协议，解决了 AI Agent 互操作性的核心挑战：
- 降低集成成本：一次实现 ACP，与所有兼容 Agent 互操作
- 促进生态繁荣：开放标准，社区驱动，避免厂商锁定
- 加速创新：开发者专注于 Agent 能力，而非集成细节
随着 AI Agent 的普及，ACP 将成为连接智能系统的通用语言。
相关资源
Leave a comment