我的 AI Agent 在团队聊天中发布了结果。一名人类回复了，而第二个 Agent 在完全没看到第一条消息的情况下就介入了。这种连锁反应导致了上下文缺失、重复工作以及明显的错误。在现有的内存服务器（memory server）和监控栈（monitoring stack）中接入了一个轻量级的 Agent 间通信协议（Inter-Agent Communication Protocol, IACP）后，这种混乱停止了，工作流也变得更加紧凑。

为什么这个问题很重要

在生产环境中，AI Agent 不再是孤立的实验；它们充当着获取数据、生成代码或触发部署的微服务。当每个 Agent 只与人类交流时，职责重叠就会变成一种隐蔽的竞态条件（race condition）。一条随意的 Slack 消息看起来无伤大雅，但开发者会浪费时间去理清矛盾的输出，当两个机器人编辑同一个仓库时，流水线会停滞，自动化带来的信心也会随之瓦解。

缺失的环节：实时共享状态

大多数团队将 Agent 视为“黑盒”，认为它们接收提示词（prompt）并返回结果，并假设提示词包含了所有必要的上下文。实际上，Agent 共享一个状态不断演进的工作空间：一个仓库可能已被锁定，一个服务可能已宕机，或者之前的分析可能刚刚完成。如果没有广播机制，每个机器人都在基于过时的快照进行工作。

在现有工具之上构建 IACP

我没有构建一个全新的平台，而是扩展了存储对话历史的内存服务器和跟踪 Agent 健康状况的监控套件。该协议增加了五个具体的能力：

  • 结构化身份 (Structured Identity) – 每条发出的消息都携带一个唯一的标识符，例如 claude@greenmac:8f3a2c。这种格式能让接收者立即知道是谁发送了消息以及来自哪个实例，消除了“机器人说 X”这种模棱两可的陈述。

  • 历史注入 (History Injection) – 在生成回复之前，机器人会提取最近的聊天片段（包括来自其他 Agent 的消息），并将其前置到自己的提示词中。上下文永远不会丢失，模型可以对同行已经做出的贡献进行推理。

  • 状态转换 (State Transitions) – Agent 不再频繁发送心跳包。相反，每当其内部状态发生变化时，它们会发布状态变更——working（工作中）、blocked（被阻塞）或 idle（空闲）。消费者会立即做出反应，例如，只有在上游 Agent 报告 idle 时，才会将依赖任务排入队列。

  • 建议性租约 (Advisory Leases) – 当 Agent 需要对资源（仓库、API 端点、计算节点）进行独占访问时，它会申请一个带有 TTL（生存时间）的租约。如果 Agent 崩溃，租约会自动过期，从而释放资源供他人使用，并防止两个机器人互相干扰。

  • 收件箱机制 (Inbox Mechanism) – 如果 Agent 的收件箱中有未读消息，“停止钩子”（stop hook）会暂停其工作流。Agent 必须在完成当前任务之前处理这些项目，以确保待处理的协调信号不会被忽略。

这些组件共同构建了一个简单、可观测的通信层，让每个参与者都保持步调一致。

忽视它的代价

如果一个团队继续依赖即兴的提示词和手动监控，隐藏的成本将会不断累积：

  • 重复劳动 – 两个 Agent 可能会生成相同的报告，消耗计算周期和云端支出。
  • 资源争用 – 对代码库的同步写入会触发合并冲突，需要人工解决。
  • 运维风险 – 基于过时状态运行的 Agent 可能会在另一个 Agent 正在回滚时尝试部署，从而导致服务不稳定。

通过规范 Agent 宣布身份、状态和资源申请的方式，IACP 在不需要沉重的编排引擎的情况下降低了这些风险。

反方观点：增加的开销

批评者认为，注入历史记录和管理租约会增加延迟和额外的代码路径。在单个 Agent 处理单一任务的环境中，该协议带来的收益可能微乎其微。然而，由于实现过程复用了现有的内存和监控服务，增量负载非常小。对于已经遇到跨 Agent 混乱问题的团队来说，这种权衡显然是值得的。

后续关注点

该协议目前仍处于原型阶段，但其模块化的特性使其能够与任何与语言无关（language-agnostic）的 Agent 框架集成。潜在的后续步骤包括：

  • 发布一个轻量级 SDK，以便开发者无需改动核心逻辑即可添加这五个钩子（hooks）。
  • 在监控套件中添加指标，将状态转换和租约变更（lease churn）可视化，帮助团队发现瓶颈。
  • 尝试引入策略层，在高流量场景下自动优先处理某些智能体的租约。

如果这些扩展得到认可，IACP 可能会成为多智能体生产流水线的行业标准，就像 HTTP 之于 Web 服务一样。

核心结论： 一套简单的规范——谁在说话、最近的对话内容如何、智能体状态何时发生变化、谁持有资源以及是否存在待处理消息——可以防止 AI 智能体之间各说各话，并将嘈杂的聊天室转变为可靠的协调通道。