ACP: Das Web -Protokoll für KI -Agenten

Kommunikationsprotokoll), KI -Agenten können frei in Groups, Rahmenbedingungen, Technologien und Organisationen zusammenarbeiten. Es ist ein universelles Protokoll, das die fragmentierte Landschaft der heutigen AI-Agenten in miteinander verbundene Teamkollegen verwandelt. Dies entsperren neue Ebenen an Interoperabilität, Wiederverwendung und Skalierung.

Als Open-Supply-Customary mit Open Governance hat ACP gerade seine neueste Model veröffentlicht, mit der AI-Agenten über verschiedene Frameworks und Technologiestapel hinweg kommunizieren können. Es ist Teil eines wachsenden Ökosystems, einschließlich Beaii (wo ich Teil des Groups bin), das gewesen ist an die Linux Basis gespendet. Im Folgenden finden Sie einige wichtige Funktionen. Sie können mehr über die Kernkonzepte und Particulars in der Dokumentation.

Schlüsselmerkmale von ACP:
Ruhbasierte Kommunikation: ACP verwendet Customary -HTTP -Muster für die Kommunikation, wodurch die Integration in die Produktion einfach ist. Während JSON-RPC auf komplexere Methoden beruht.
Kein SDK erforderlich (Aber es gibt einen, wenn du es willst): ACP benötigt keine spezialisierten Bibliotheken. Sie können mit Werkzeugen wie Curl, Postman oder sogar mit Ihrem Browser mit Agenten interagieren. Für zusätzliche Bequemlichkeit gibt es eine SDK verfügbar.
Offline -Entdeckung: ACP -Agenten können Metadaten direkt in ihre Verteilungspakete einbetten, was die Entdeckung ermöglicht, auch wenn sie inaktiv sind. Dies unterstützt sichere Umgebungen für sichere, luftbezogene oder Maßstabs-Null-Umgebungen, in denen herkömmliche Service-Entdeckungen nicht möglich sind.
Async-First, Sync unterstützt: ACP ist mit asynchroner Kommunikation als Standardeinstellung ausgelegt. Dies ist supreme für langjährige oder komplexe Aufgaben. Synchrone Anfragen werden ebenfalls unterstützt.

Notiz: ACP ermöglicht die Orchestrierung für jedes Agentenarchitekturmuster, verwaltet jedoch keine Workflows, Bereitstellungen oder Koordination zwischen Agenten. Stattdessen ermöglicht es die Orchestrierung über verschiedene Agenten hinweg, indem sie standardisiert, wie sie kommunizieren. IBM Analysis gebaut Beaiein Open -Supply -System, das zur Behandlung von Agenten -Orchestrierungen, Bereitstellungen und Freigabe (mit ACP als Kommunikationsschicht) entwickelt wurde.

Warum brauchen wir ACP?

Mit zunehmender Anzahl von AI -Agenten in freier Wildbahn steigt ebenso wie die Komplexität bei der Navigation, wie Sie das beste Ergebnis jeder unabhängigen Technologie für Ihren Anwendungsfall erzielen können (ohne auf einen bestimmten Anbieter beschränkt zu werden). Jedes Framework, jede Plattform und jedes Toolkit bietet einzigartige Vorteile, aber es ist eine Herausforderung, sie alle in ein Agentensystem zu integrieren.

Heute arbeiten die meisten Agentensysteme in Silos. Sie basieren auf inkompatiblen Frameworks, enthüllen benutzerdefinierte APIs und fehlen ein gemeinsames Protokoll für die Kommunikation. Das Verbinden erfordert fragile und nicht wiederholbare Integrationen, die teuer zu bauen sind.

ACP repräsentiert eine grundlegende Verschiebung: von einem fragmentierten, advert hoc Ökosystem zu einem miteinander verbundenen Netzwerk von Agenten – seien in der Lage, mit anderen zu entdecken, zu verstehen und zusammenzuarbeiten, unabhängig davon, wer sie aufgebaut hat oder welchen Stapel sie laufen. Mit ACP können Entwickler die kollektive Intelligenz verschiedener Agenten nutzen, um leistungsstärkere Workflows aufzubauen, als ein einzelnes System allein erreichen kann.

Aktuelle Herausforderungen:
Trotz schneller Wachstum der Agentenfähigkeiten bleibt die reale Integration ein großer Engpass. Ohne ein gemeinsames Kommunikationsprotokoll stehen Organisationen vor verschiedenen wiederkehrenden Herausforderungen:

• Rahmenvielfalt: Organisationen führen in der Regel Hunderte oder Tausende von Agenten aus, die mit verschiedenen Rahmenbedingungen wie Langchain, Crewai, Autogen oder benutzerdefinierten Stapeln erstellt wurden.
• Benutzerdefinierte Integration: Ohne Standardprotokoll müssen Entwickler für jede Agenteninteraktion benutzerdefinierte Anschlüsse schreiben.
• Exponentielle Entwicklung: Bei N-Wirkstoffen benötigen Sie möglicherweise N (N-1)/2 verschiedene Integrationspunkte (was es schwierig macht, dass große Agenten-Ökosysteme aufrechterhalten werden).
• Überlegungen zur Organisation von Cross: Verschiedene Sicherheitsmodelle, Authentifizierungssysteme und Datenformate erschweren die Integration zwischen Unternehmen.

Ein Beispiel in der realen Welt

Um den realen Bedarf an Agent-zu-Agent-Kommunikation zu veranschaulichen, sollten Sie zwei Organisationen in Betracht ziehen:

Ein Fertigungsunternehmen Mit einem AI -Agenten werden Produktionspläne verwaltet und die Erfüllung der Erfüllung auf der Grundlage interner Inventar und Kundenbedarf bestellen.

Ein Logistikanbieter Dadurch bietet ein Agent Echtzeit-Versandschätzungen, die Verfügbarkeit der Fluggesellschaften und die Routenoptimierung an.

Stellen Sie sich nun vor, das System des Herstellers muss die Lieferzeitpläne für eine große, maßgefertigte Ausrüstungsreihenfolge schätzen, um ein Kundenangebot zu informieren.

Ohne ACP: Dies würde erfordern, eine maßgeschneiderte Integration zwischen der Planungssoftware des Herstellers und der API des Logistikanbieters zu erstellen. Dies bedeutet, dass die Authentifizierung, Datenformat -Nichtpaarungen und die Verfügbarkeit von Serviceverfügbarkeit manuell behandelt werden. Diese Integrationen sind teuer, spröde und schwer zu skalieren, wenn mehr Accomplice beitreten.

Mit ACP: Jede Organisation wickelt ihren Agenten mit einer ACP -Schnittstelle. Der Fertigungsagent sendet Bestell- und Zieldetails an den Logistikmakler, der mit Echtzeit-Versandoptionen und ETAs reagiert. Beide Systeme arbeiten zusammen, ohne Interna zu enthüllen oder benutzerdefinierte Integrationen zu schreiben. Neue Logistikpartner können einfach durch die Implementierung von ACP anschließen.

Wie einfach ist es, ein ACP-kompatibler Agent zu erstellen?

Einfachheit ist ein Kerngestaltungsprinzip von ACP. Das Einpacken eines Agenten mit ACP kann in nur wenigen Codezeilen erfolgen. Mit dem Python SDK können Sie einen ACP-konformen Agenten definieren, indem Sie einfach eine Funktion dekorieren.

Diese minimale Implementierung:

1. Erstellt eine ACP -Serverinstanz
2. Definiert eine Agentenfunktion mit dem Dekorator @server.agent ()
3. Implementiert einen Agenten, der das Langchain -Framework mit einem LLM -Backend und einem Gedächtnis für die Kontextdauer verwendet
4. Übersetzt sich zwischen ACPs Nachrichtenformat und dem nativen Format des Frameworks, um eine strukturierte Antwort zurückzugeben
5. Startet den Server und macht den Agenten über HTTP verfügbar

from typing import Annotated
import os
from typing_extensions import TypedDict
from dotenv import load_dotenv
#ACP SDK
from acp_sdk.fashions import Message
from acp_sdk.fashions.fashions import MessagePart
from acp_sdk.server import RunYield, RunYieldResume, Server
from collections.abc import AsyncGenerator
#Langchain SDK
from langgraph.graph.message import add_messages
from langchain_anthropic import ChatAnthropic 

load_dotenv() 

class State(TypedDict):
    messages: Annotated(checklist, add_messages)

#Arrange the llm
llm = ChatAnthropic(mannequin="claude-3-5-sonnet-latest", api_key=os.environ.get("ANTHROPIC_API_KEY"))

#------ACP Requirement-------#
#START SERVER
server = Server()
#WRAP AGENT IN DECORACTOR
@server.agent()
async def chatbot(messages: checklist(Message))-> AsyncGenerator(RunYield, RunYieldResume):
    "A easy chatbot enabled with reminiscence"
    #codecs ACP Message format to be suitable with what langchain expects
    question = " ".be a part of(
        half.content material
        for m in messages
        for half in m.components             
    )
    #invokes llm
    llm_response = llm.invoke(question)    
    #codecs langchain response to ACP compatable output
    assistant_message = Message(components=(MessagePart(content material=llm_response.content material)))
    # Yield so add_messages merges it into state
    yield {"messages": (assistant_message)}  

server.run()
#---------------------------#

Jetzt haben Sie einen vollständig ACP-konformen Agenten erstellt, der kann:

• Von anderen Agenten entdeckt werden (on-line oder offline)
• Prozessanfragen synchron oder asynchron
• Kommunizieren Sie mit Standardnachrichtenformaten
• Integrieren Sie sich in ein anderes ACP-kompatibler System

Wie ACP im Vergleich zu MCP & A2A ist

Um die Rolle von ACP im sich entwickelnden AI -Ökosystem besser zu verstehen, hilft es, sie mit anderen aufstrebenden Protokollen zu vergleichen. Diese Protokolle sind nicht unbedingt Wettbewerber. Stattdessen sprechen sie verschiedene Schichten des KI -Systemintegrationsstapels an und ergänzen sich oft gegenseitig.

Auf einen Blick:

• MCP (Anthropics Modellkontextprotokoll): Entwickelt für die Anreicherung des Kontextes eines einzelnen Modells mit Instruments, Speicher und Ressourcen.
  Fokus: Ein Modell, viele Instruments
• ACP (Agent Communication Protocol von Linux Basis): Entwickelt für die Kommunikation zwischen unabhängigen Agenten zwischen Systemen und Organisationen.
  Fokus: Viele Agenten, die sicher als Gleichaltrige arbeiten, kein Anbieter sperrt, offene Governance
• A2A (Google Agent-to-Agent): Entwickelt für die Kommunikation zwischen unabhängigen Agenten zwischen Systemen und Organisationen.
  Fokus: Viele Agenten, die als Kollegen arbeiten, optimiert für Googles Ökosystem

ACP und MCP

Das ACP -Staff untersuchte zunächst die Anpassung der Modellkontextprotokoll (MCP) Weil es eine starke Grundlage für Modellkontextinteraktionen bietet. Sie stießen jedoch schnell architektonische Einschränkungen, die es für die Kommunikation zwischen Agent zu Agent ungeeignet machten.

Warum MCP für Multi-Agent-Systeme zu kurz kommt:

Streaming: MCP unterstützt Streaming, aber es geht nicht um Delta -Streams (zB Tokens, Trajektorienaktualisierungen). Diese Einschränkung beruht auf der Tatsache, dass MCP, als sie ursprünglich erstellt wurde, nicht für Interaktionen im Agentenstil gedacht struggle.

Speicherfreigabe: MCP unterstützt nicht, mehrere Agenten über Server hinweg auszuführen und gleichzeitig den gemeinsamen Speicher beizubehalten. ACP unterstützt dies auch nicht vollständig, aber es ist ein aktives Entwicklungsbereich.

Nachrichtenstruktur: MCP akzeptiert jedes JSON -Schema, definiert aber keine Struktur für den Nachrichtenkörper. Diese Flexibilität erschwert die Interoperabilität (insbesondere zum Aufbau von UI oder orchestrierenden Agenten, die verschiedene Nachrichtenformate interpretieren müssen).

Protokollkomplexität: MCP verwendet JSON-RPC und benötigt spezifische SDKs und Laufzeiten. Wo als ACP-REST-Foundation-Design mit integriertem Async/Sync-Unterstützung leichter und integrationsfreundlicher ist.

Sie können mehr darüber erfahren, wie ACP und MCP vergleichen Hier.

Denken Sie an MCP als eine Individual bessere Werkzeuge wie einen Taschenrechner oder ein Nachschlagewerk zu geben, um ihre Leistung zu verbessern. Im Gegensatz, ACP es geht darum, Menschen zu ermöglichen, sich zu formen Groupswo jede Individual (oder Agentin) ihre Fähigkeiten und und arbeitet zusammen.

ACP und MCP können sich gegenseitig ergänzen:

ACP und A2A

Das Agent-to-Agent-Protokoll (A2A) von Google, das kurz nach ACP eingeführt wurde, zielt auch darauf ab, die Kommunikation zwischen AI-Agenten zu standardisieren. Beide Protokolle teilen das Ziel, Multi-Agent-Systeme zu ermöglichen, wobei sie jedoch in Philosophie und Regierungsführung abweichen.

Schlüsselunterschiede:

ACP wurde absichtlich so konzipiert:

• Einfach zu integrieren mit gemeinsamen HTTP -Instruments und REST -Konventionen
• Flexibel über eine Vielzahl von Agententypen und Workloads
• Verkäufer-neutral, mit offener Regierungsführung und breiter Ökosystemausrichtung

Beide Protokolle können koexistieren – jeder, der je nach Umwelt unterschiedliche Bedürfnisse erfüllt. Das leichte, offene und erweiterbare Design von ACP macht es für dezentrale Systeme und reale Interoperabilität über organisatorische Grenzen hinweg intestine geeignet. Die natürliche Integration von A2A kann es zu einer geeigneteren Possibility für diejenigen machen, die das Google -Ökosystem verwenden.

Roadmap und Gemeinde

Während sich ACP entwickelt, untersuchen sie neue Möglichkeiten zur Verbesserung der Agentenkommunikation. Hier sind einige wichtige Fokusbereiche:

• Identitätsverband: Wie kann ACP mit Authentifizierungssystemen zusammenarbeiten, um das Vertrauen in den Netzwerken zu verbessern?
• Zugriffsdelegation: Wie können wir Agenten ermöglichen, Aufgaben sicher zu delegieren (gleichzeitig die Benutzerkontrolle beibehalten)?
• Assist für Multi-Registrierung: Kann ACP dezentrale Agentenentdeckung in verschiedenen Netzwerken unterstützen?
• Agent Sharing: Wie können wir es einfacher machen, Agenten in Organisationen oder innerhalb einer Organisation zu teilen und wiederzuverwenden?
• Bereitstellungen: Welche Instruments und Vorlagen können die Agentenbereitstellung vereinfachen?

ACP wird offen entwickelt, da Requirements am besten funktionieren, wenn sie direkt mit Benutzern entwickelt werden. Beiträge Von Entwicklern, Forschern und Organisationen, die an der Zukunft der Interoperabilität der Agenten interessiert sind, sind willkommen. Helfen Sie mit, diesen sich entwickelnden Customary zu formen.

Weitere Informationen finden Sie unter Besichtigung AgentCommunicationProtocol.dev und schließen Sie sich dem Gespräch über die Github Und Zwietracht Kanäle.