從智能互聯(lián)到智能互協(xié)：大模型時(shí)代智能體網(wǎng)絡(luò)的新演進(jìn)

原文發(fā)表于《科技導(dǎo)報(bào)》 2026年第7期《從“智能互聯(lián)”邁向“智能互協(xié)”》

《科技導(dǎo)報(bào)》邀請(qǐng)會(huì)津大學(xué)程子學(xué)教授、上海工程技術(shù)大學(xué)王晨副教授撰文，系統(tǒng)梳理了Google提出的智能體互聯(lián)協(xié)議（A2A）與Anthropic的模型上下文協(xié)議（MCP）及其形成的MCP×A2A協(xié)議棧。該體系通過A2A實(shí)現(xiàn)智能體互聯(lián)，通過MCP實(shí)現(xiàn)工具、模型與外部資源的統(tǒng)一調(diào)用，推動(dòng)多智能體系統(tǒng)從單體能力走向互聯(lián)協(xié)作。但“互聯(lián)”并不等于“互協(xié)”。現(xiàn)有體系主要解決“連得上、調(diào)得到”的問題，在認(rèn)知協(xié)同、狀態(tài)感知與協(xié)同關(guān)系調(diào)節(jié)等方面仍存在不足。為此，本文提出基于HEC的人機(jī)“智能互協(xié)網(wǎng)”（SSN）架構(gòu)，引入“身?知?心”整體性結(jié)構(gòu)，使系統(tǒng)不僅能夠連接智能體與能力，更能夠?qū)崿F(xiàn)“協(xié)得好”，支持柔性、共感與可持續(xù)的人機(jī)協(xié)作。

1 AI時(shí)代下的新型社會(huì)結(jié)構(gòu)與智能互聯(lián)網(wǎng)的必要性

隨著大語言模型快速發(fā)展，人工智能（AI）正驅(qū)動(dòng)著以“智能化”為核心的新一輪工業(yè)革命的興起。智能體作為人類與AI系統(tǒng)之間的關(guān)鍵連接器，不僅承擔(dān)信息傳遞與協(xié)作的橋梁角色，更以其感知、理解與反饋能力，成為推動(dòng)各類場(chǎng)景實(shí)現(xiàn)智能化轉(zhuǎn)型的核心力量。AI正邁向多智能體協(xié)作與人機(jī)共感融合的新階段，并展示了在資源受限條件下提升效率與推理能力的技術(shù)路徑，推動(dòng)了其通用性與專用性的融合。

與這一趨勢(shì)相呼應(yīng)，2025年4月，由Google公司牽頭，全球50余家企業(yè)與組織響應(yīng)，提出“智能體互聯(lián)協(xié)議”（A2A），與2024年Anthropic公司發(fā)布的“模型上下文協(xié)議” （MCP）形成互補(bǔ)。這一背景表明A2A與MCP機(jī)制正催生出一個(gè)高度協(xié)同、可自組織的“智能體互聯(lián)網(wǎng)絡(luò)”，智能體間可通過協(xié)議協(xié)作與資源共享，具備感知、認(rèn)知、決策與反饋能力，廣泛連接人、機(jī)、物，實(shí)現(xiàn)從“信息互聯(lián)”向“智能互聯(lián)”的躍升。

然而，在AI間協(xié)作機(jī)制日益進(jìn)步的同時(shí)，業(yè)界對(duì)于“人與AI之間的關(guān)系”的洞察與理論更新卻相對(duì)滯后，即人如何更為結(jié)構(gòu)性地理解和參與AI的決策過程，并與其實(shí)現(xiàn)共同成長(zhǎng)的路徑尚不明晰。

針對(duì)上述挑戰(zhàn)，人機(jī)共協(xié)計(jì)算（HEC）提供了一個(gè)關(guān)鍵的理論框架。HEC強(qiáng)調(diào)人與計(jì)算機(jī)系統(tǒng)（包括AI等）在任務(wù)執(zhí)行中的協(xié)同分工與相互增益，其目標(biāo)不僅是提高效率，更在于共協(xié)交互如何促進(jìn)人類能力成長(zhǎng)、認(rèn)知深化與價(jià)值實(shí)現(xiàn)。

為此，我們的研究基于HEC的理論框架和A2A協(xié)議，提出“智協(xié)網(wǎng)”思想。在多主體協(xié)作、跨領(lǐng)域項(xiàng)目推進(jìn)等復(fù)雜情境中，依據(jù)各參與者的身體狀態(tài)、知識(shí)技能、心理情緒等要素，實(shí)現(xiàn)最優(yōu)的合作機(jī)制、角色分擔(dān)、資源配置與進(jìn)度協(xié)調(diào)，最終達(dá)到人機(jī)共協(xié)的目的。進(jìn)一步講，智協(xié)網(wǎng)以A2A協(xié)議為通信基礎(chǔ)和智能互聯(lián)層，依托HEC理論中的一個(gè)重要架構(gòu)“身?知?心”，構(gòu)建了“身?知?心”3層智能體互協(xié)結(jié)構(gòu)。

2 多智能體間互聯(lián)的進(jìn)展與挑戰(zhàn)

2.1 智能體在人工智能發(fā)展中的角色

未來，智能體將廣泛應(yīng)用于教育、醫(yī)療、產(chǎn)業(yè)等領(lǐng)域，成為人機(jī)共生、共創(chuàng)系統(tǒng)中的關(guān)鍵技術(shù)。一般而言，智能體包含以下4個(gè)核心模塊。（1）感知模塊：接收環(huán)境輸入，如文本、圖像、語音等。（2）規(guī)劃模塊：基于輸入信息進(jìn)行邏輯判斷和問題分析，設(shè)定目標(biāo)并制定實(shí)現(xiàn)路徑。（3）執(zhí)行模塊：將規(guī)劃轉(zhuǎn)化為行動(dòng)，調(diào)用外部資源和工具完成具體任務(wù)。（4）記憶模塊：存儲(chǔ)歷史經(jīng)驗(yàn)，供當(dāng)前判斷與未來優(yōu)化使用。這些模塊并非各自孤立，而是構(gòu)成了一個(gè)動(dòng)態(tài)聯(lián)動(dòng)的智能系統(tǒng)：感知輸入—推理理解—制定計(jì)劃—執(zhí)行動(dòng)作—反饋更新，如此形成自我調(diào)節(jié)的閉環(huán)。

2.2 回顧多智能體系統(tǒng)的演進(jìn)與挑戰(zhàn)

具備感知、決策、執(zhí)行能力的各個(gè)獨(dú)立智能體，可構(gòu)成多智能體系統(tǒng)（MAS），圍繞目標(biāo)，實(shí)現(xiàn)任務(wù)分工與協(xié)作。

20世紀(jì)90年代，知識(shí)查詢與操作語言（KQML）的提出為MAS的通信與協(xié)調(diào)奠定了基礎(chǔ)。KQML為智能體間通信提供了語義單元和通信行為，規(guī)定了“如何”交換命令、知識(shí)和目標(biāo)，而本體論則提供了“交換什么”的共同理解。

2002年，佐藤等將心理學(xué)中的認(rèn)知平衡理論引入MAS，提出了一種用于解決學(xué)生與教師研究室之間配屬匹配問題的說服機(jī)制。該機(jī)制有效降低了傳統(tǒng)人力調(diào)配的時(shí)間與成本，同時(shí)避免人為偏見，為實(shí)現(xiàn)更高效、人性化的匹配系統(tǒng)奠定了基礎(chǔ)。

Ogino等針對(duì)以云為中心的物聯(lián)網(wǎng)（IoT）架構(gòu)所面臨的通信負(fù)載、響應(yīng)延遲和隱私泄露等問題，提出了一種引入多智能體技術(shù)的柔性邊緣計(jì)算架構(gòu)。該方法實(shí)現(xiàn)了云與邊緣之間協(xié)同調(diào)節(jié)、動(dòng)態(tài)平衡的“柔性網(wǎng)絡(luò)（軟網(wǎng)絡(luò)）”。

進(jìn)入大語言模型時(shí)代后，以LLM為基礎(chǔ)的智能體不僅能夠設(shè)定目標(biāo)、設(shè)計(jì)實(shí)現(xiàn)路徑、進(jìn)行分析與決策，還具備調(diào)用工具與反饋能力，從而使AI逐步從“對(duì)話”型演進(jìn)為“代理”型。基于大型語言模型的多智能體系統(tǒng)（LLM?MAS）在社會(huì)行為模擬、心理互動(dòng)仿真與個(gè)性化推薦等領(lǐng)域展現(xiàn)出顯著潛力。

為了適應(yīng)多智能體間在復(fù)雜任務(wù)中的動(dòng)態(tài)分工與交互需求，一系列開發(fā)和運(yùn)行系統(tǒng)架構(gòu)應(yīng)運(yùn)而生。（1）LangChain/LangGraph：支持多智能體工作流構(gòu)建，復(fù)雜狀態(tài)管理和智能體間的串行、并行任務(wù)編排。（2）AutoGen與CrewAI：AutoGen提供對(duì)話驅(qū)動(dòng)的多智能體會(huì)話框架，能夠靈活地自定義和精細(xì)控制功能，特別擅長(zhǎng)代碼生成和計(jì)算密集型任務(wù)。CrewAI是重視基于角色分工的自主AI智能體協(xié)作框架，重視基于角色分工的自主AI智能體協(xié)作。

群體智能系統(tǒng)的協(xié)作遠(yuǎn)不只是將多個(gè)智能體簡(jiǎn)單拼接起來。現(xiàn)實(shí)應(yīng)用中常出現(xiàn)一系列協(xié)作障礙。這就造成了接口不兼容、任務(wù)目標(biāo)分歧、狀態(tài)感知不同步等問題，進(jìn)一步引發(fā)協(xié)作效率低下或系統(tǒng)行為不穩(wěn)定。上述挑戰(zhàn)反映出，要構(gòu)建高效、多角色協(xié)作的MAS系統(tǒng)，必須建立統(tǒng)一、可擴(kuò)展的工具調(diào)用和通信與協(xié)調(diào)協(xié)議。這一背景促使MCP與A2A等新一代智能體調(diào)用工具和相互聯(lián)結(jié)及功能共享的協(xié)議應(yīng)需而生。

2.3 智能體協(xié)議MCP和A2A正成為智能體互聯(lián)的基礎(chǔ)

在多智能體系統(tǒng)的發(fā)展過程中，2個(gè)關(guān)鍵協(xié)議正成為核心驅(qū)動(dòng)力：2024年11月Anthropic公司推出的MCP與2025年4月Google公司主導(dǎo)的A2A。

1）MCP與A2A的功能分工與互補(bǔ)。MCP的使命在于使大語言模型跳出“孤島運(yùn)行”。其技術(shù)特性如下。（1）高度兼容性。（2）統(tǒng)一數(shù)據(jù)結(jié)構(gòu)。（3）上下文記憶能力。（4）安全控制機(jī)制。A2A協(xié)議的設(shè)計(jì)目標(biāo)則是打造“智能體之間的通用語言”。其應(yīng)用范圍日益廣泛，成為了多智能體生態(tài)系統(tǒng)中不可或缺的“通信協(xié)議層”。

MCP與A2A的結(jié)合構(gòu)成了繼互聯(lián)網(wǎng)傳輸控制協(xié)議/因特網(wǎng)互聯(lián)協(xié)議（TCP/IP）之后另一種類型的智能體互聯(lián)網(wǎng)協(xié)議棧，將推動(dòng)新一波跨不同LLM模型、跨任務(wù)的智能體協(xié)同應(yīng)用浪潮，成為構(gòu)建智能互聯(lián)網(wǎng)的基礎(chǔ)。

2）MCP×A2A智能體協(xié)議棧。2025年5月，Jeong提出了一個(gè)更加系統(tǒng)化的MCP×A2A分層協(xié)同架構(gòu)模型，以實(shí)現(xiàn)智能體與工具之間，以及智能體彼此之間的高效聯(lián)動(dòng)與動(dòng)態(tài)協(xié)作。

其主要4層結(jié)構(gòu)的組成與功能如下。第1層（最上層）：智能體管理層。是協(xié)調(diào)系統(tǒng)運(yùn)行的中樞，確保智能體之間合理分工與狀態(tài)同步。第2層：核心通信協(xié)議層。負(fù)責(zé)定義任務(wù)調(diào)用結(jié)構(gòu)、路由機(jī)制、處理反饋，并保證任務(wù)語義傳遞的一致性。第3層：工具整合層。實(shí)現(xiàn)功能調(diào)用、數(shù)據(jù)處理與結(jié)構(gòu)化反饋。第4層（最下層）：安全認(rèn)證層。提供身份驗(yàn)證、權(quán)限控制、日志追蹤與端到端加密機(jī)制，確保系統(tǒng)運(yùn)行的信任基礎(chǔ)與安全。

“MCP×A2A分層協(xié)議棧”不僅清晰劃分了各協(xié)議功能在系統(tǒng)中的職責(zé)，還為大規(guī)模智能體網(wǎng)絡(luò)如何實(shí)現(xiàn)“動(dòng)態(tài)、安全、可信”的任務(wù)協(xié)同提供了工程性支撐。

2.4 未來的智能體：從“互聯(lián)”走向“互協(xié)”

MCP×A2A的不足并不主要體現(xiàn)在互聯(lián)與調(diào)用能力上，而更集中表現(xiàn)為協(xié)作節(jié)奏與參與者“身?知?心”3層結(jié)構(gòu)在不同主體之間的持續(xù)失配與累積放大，并不能實(shí)現(xiàn)人（團(tuán)隊(duì)）與智能體群的共協(xié)交互，使得每個(gè)參與者的身體、知識(shí)和心理層面狀態(tài)和發(fā)展得到考慮。

在實(shí)際的遠(yuǎn)程協(xié)作與多智能體協(xié)同場(chǎng)景中，協(xié)作問題往往并非源于單一任務(wù)失敗或技術(shù)錯(cuò)誤，而是源于協(xié)作節(jié)奏與參與者狀態(tài)之間的逐步失配。基于這一觀察，本研究提出的“智能互協(xié)網(wǎng)”并非僅關(guān)注任務(wù)執(zhí)行層面的優(yōu)化，而是將協(xié)作視為一個(gè)跨層、跨主體的動(dòng)態(tài)調(diào)節(jié)過程。這一調(diào)節(jié)過程并不依賴預(yù)設(shè)的單一優(yōu)化目標(biāo)，而是基于對(duì)多層狀態(tài)的綜合判斷，決定是否需要介入、介入強(qiáng)度及優(yōu)先緩解的對(duì)象。

3 基于HEC×A2A/MCP的“智能互協(xié)網(wǎng)”構(gòu)想

為回應(yīng)第2.4節(jié)中所指出的現(xiàn)有MCP×A2A體系在深度柔性協(xié)作方面的不足，引入HEC的理念，并在此基礎(chǔ)上提出一種新型人機(jī)共協(xié)網(wǎng)絡(luò)架構(gòu)——智能互協(xié)網(wǎng)（SSN）。該架構(gòu)并非替代A2A與MCP，而是對(duì)其功能的拓展與深化，旨在支持更高層次的狀態(tài)感知、意圖理解與共感反饋。

3.1 HEC的意義與定位

HEC用于刻畫人與計(jì)算系統(tǒng)在協(xié)作過程中形成的理想“共協(xié)態(tài)”與“共協(xié)交互”關(guān)系。HEC更強(qiáng)調(diào)人在協(xié)作過程中的成長(zhǎng)性、主體性維護(hù)以及價(jià)值共創(chuàng)與共感性支持。

如圖1所示，HEC由共協(xié)人、共協(xié)計(jì)算機(jī)，以及二者之間的共協(xié)交互構(gòu)成。HEC理論進(jìn)一步將共協(xié)人抽象為“身?知?心”3層結(jié)構(gòu)。該3層結(jié)構(gòu)并非對(duì)既有理論的簡(jiǎn)單疊加，而是在綜合相關(guān)領(lǐng)域研究成果的基礎(chǔ)上，對(duì)人類經(jīng)驗(yàn)結(jié)構(gòu)進(jìn)行更高層次的整合性表達(dá)。

圖1 HEC模型

與認(rèn)知架構(gòu)模型（如ACT?R）側(cè)重于建立個(gè)體內(nèi)部認(rèn)知、記憶與意圖的模塊化結(jié)構(gòu)不同，HEC的“身?知?心”模型具有更為宏觀的理論視角，用于理解人在協(xié)作情境中所呈現(xiàn)的整體經(jīng)驗(yàn)結(jié)構(gòu)，從而為個(gè)體認(rèn)知研究提供一個(gè)更宏觀的協(xié)作與交互語境基礎(chǔ)。相比將情緒作為輸入特征或優(yōu)化目標(biāo)的工程化路徑，HEC更關(guān)注情緒狀態(tài)的生成根源及其在長(zhǎng)期協(xié)作中的演化邏輯。

此外，HEC并不止步于“如何調(diào)整流程”，而是試圖通過討論行為、認(rèn)知、情緒、意圖與主體性之間的內(nèi)在聯(lián)系，理解用戶狀態(tài)變化的動(dòng)力學(xué)根源及其跨層轉(zhuǎn)換機(jī)制。這一視角使HEC能夠超越單一性能指標(biāo)或局部效率優(yōu)化，轉(zhuǎn)而關(guān)注協(xié)作過程中的穩(wěn)定性、節(jié)奏協(xié)調(diào)與長(zhǎng)期可持續(xù)性。

HEC的“身?知?心”模型可被視為一種關(guān)于人類經(jīng)驗(yàn)結(jié)構(gòu)的宏觀理論抽象，其核心價(jià)值在于揭示從外向生理到內(nèi)向心理之間的張力關(guān)系、發(fā)生根源及可能的調(diào)節(jié)路徑。相應(yīng)地，共協(xié)計(jì)算系統(tǒng)在感知、任務(wù)管理與適應(yīng)性調(diào)節(jié)等層面與人形成對(duì)應(yīng)關(guān)系，其目的并非復(fù)制人的內(nèi)部結(jié)構(gòu)，而是動(dòng)態(tài)感知并響應(yīng)人的狀態(tài)變化，從而在協(xié)作過程中提供恰當(dāng)支援。

3.2 智能互協(xié)網(wǎng)的架構(gòu)

圖2展示了SSN的整體架構(gòu)。在該架構(gòu)中，A2A用作多智能體之間的通信與狀態(tài)同步載體，MCP負(fù)責(zé)工具、資源與知識(shí)的調(diào)用支持。

圖2 智協(xié)網(wǎng)架構(gòu)

在SSN中，“身?知?心”并非作為抽象的人機(jī)模型重復(fù)定義，而是作為協(xié)作調(diào)節(jié)協(xié)議所使用的3類狀態(tài)維度嵌入代理內(nèi)部：“身”層提供協(xié)作節(jié)奏與負(fù)荷的行為狀態(tài)輸入，“知”層提供任務(wù)結(jié)構(gòu)與進(jìn)度的認(rèn)知評(píng)估，“心”層提供心理安全與共感相關(guān)的調(diào)節(jié)信號(hào)。SSN還支持接入云端的支援智能體群組，以在必要時(shí)為用戶代理提供額外的認(rèn)知與決策支持。系統(tǒng)亦可結(jié)合檢索增強(qiáng)生成與知識(shí)圖譜（KG）等機(jī)制，對(duì)協(xié)作過程中形成的經(jīng)驗(yàn)與共識(shí)進(jìn)行管理與應(yīng)用。

3.3 設(shè)計(jì)方針：中庸/利他作為協(xié)作調(diào)節(jié)導(dǎo)向的工程定位

系統(tǒng)在架構(gòu)層面引入“身?知?心”3層結(jié)構(gòu)作為協(xié)作調(diào)節(jié)的輸入維度，并在調(diào)節(jié)決策層明確采用“中庸”與“利他”作為核心設(shè)計(jì)導(dǎo)向。

在工程實(shí)現(xiàn)上，“中庸”與“利他”用于約束與引導(dǎo)以下關(guān)鍵判斷：是否需要介入?yún)f(xié)作過程、介入的強(qiáng)度與方式，以及在多方狀態(tài)不匹配時(shí)優(yōu)先緩解哪一方的負(fù)擔(dān)與風(fēng)險(xiǎn)。其中，“中庸”強(qiáng)調(diào)調(diào)節(jié)介入的適度性；“利他”則體現(xiàn)為在任務(wù)重分配、節(jié)奏調(diào)整與反饋策略中對(duì)弱勢(shì)或高風(fēng)險(xiǎn)一方的優(yōu)先緩解。該設(shè)計(jì)并不試圖“控制”協(xié)作者行為，而是通過降低摩擦、緩解壓力與維持心理安全，為人機(jī)共協(xié)與多人協(xié)作提供一種可持續(xù)、柔性的支持機(jī)制。

3.4 基于設(shè)計(jì)方針的3層聯(lián)動(dòng)與協(xié)調(diào)機(jī)制

在智協(xié)網(wǎng)中，協(xié)議的核心并非單純的通信或調(diào)用規(guī)則，而是圍繞“身?知?心”3層結(jié)構(gòu)形成的動(dòng)態(tài)協(xié)作調(diào)節(jié)機(jī)制。如表1所示，3層各自承擔(dān)不同類型的狀態(tài)感知與決策職能，并通過跨層信息傳遞與反饋，通過跨層聯(lián)動(dòng)實(shí)現(xiàn)協(xié)作穩(wěn)定性與參與體驗(yàn)的平衡。

表1 協(xié)作流程與“身?知?心”3層結(jié)構(gòu)功能表

在個(gè)體層面，協(xié)作調(diào)節(jié)通常由某一層狀態(tài)變化觸發(fā)，但并不固定由“身”層先行。系統(tǒng)并不假設(shè)單一觸發(fā)源，而是通過多層狀態(tài)的綜合判斷，決定是否需要介入以及介入方式。

在多智能體協(xié)作中，“知”層通常作為協(xié)調(diào)樞紐，負(fù)責(zé)整合來自“身”層與“心”層的狀態(tài)摘要，用于協(xié)商任務(wù)分配、節(jié)奏同步與協(xié)作方式選擇；“身”層提供關(guān)于負(fù)荷與節(jié)奏的約束信息；“心”層提供關(guān)于動(dòng)機(jī)、壓力與心理安全的調(diào)節(jié)信號(hào)，從而避免協(xié)作僅圍繞任務(wù)效率進(jìn)行單維優(yōu)化。

在多方或長(zhǎng)期協(xié)作場(chǎng)景下，3層結(jié)構(gòu)聯(lián)動(dòng)進(jìn)一步體現(xiàn)為一種面向整體穩(wěn)定性的調(diào)節(jié)模式：當(dāng)系統(tǒng)檢測(cè)到個(gè)體或子群體狀態(tài)失衡時(shí)，認(rèn)知層可觸發(fā)角色或任務(wù)的重新配置，“身”層配合調(diào)整行為與節(jié)奏，“心”層則通過反饋與共感提示促進(jìn)團(tuán)隊(duì)內(nèi)部的自然調(diào)節(jié)與信任恢復(fù)。上述3層結(jié)構(gòu)聯(lián)動(dòng)機(jī)制并不依賴預(yù)設(shè)的固定流程，而是在“中庸/利他”調(diào)節(jié)導(dǎo)向的約束下，根據(jù)協(xié)作狀態(tài)動(dòng)態(tài)運(yùn)行。

3.5 智能互協(xié)網(wǎng)實(shí)現(xiàn)思路

為實(shí)現(xiàn)所提出的智能互協(xié)網(wǎng)，系統(tǒng)需要在工程層面解決協(xié)作狀態(tài)感知、調(diào)節(jié)決策與經(jīng)驗(yàn)積累之間的銜接問題。

在狀態(tài)感知與上報(bào)階段（圖3 Step 1），用戶專屬智能體對(duì)“身?知?心”3層結(jié)構(gòu)進(jìn)行摘要化表示。

在調(diào)節(jié)決策階段（圖3 Step 2），規(guī)則引擎被定位為跨層調(diào)節(jié)的決策核心。為支持跨時(shí)間與跨個(gè)體的協(xié)作一致性，系統(tǒng)進(jìn)一步引入基于檢索與結(jié)構(gòu)化知識(shí)的協(xié)作記憶機(jī)制。二者結(jié)合，為算法中的調(diào)節(jié)判斷提供可追溯、可解釋的參考依據(jù)，用于支持調(diào)節(jié)決策的背景理解，而非即時(shí)響應(yīng)中的孤立推斷。

在執(zhí)行與反饋階段（圖3 Step 3），調(diào)節(jié)方案通過A2A作為通信載體在智能體之間實(shí)施；在需要時(shí)，通過MCP調(diào)用外部工具、資源或知識(shí)服務(wù)作為支撐。Step 3中產(chǎn)生的OUTCOME指標(biāo)作為獎(jiǎng)勵(lì)信號(hào)，用于評(píng)估當(dāng)前調(diào)節(jié)策略在協(xié)作穩(wěn)定性與心理安全等維度上的綜合效果。與此同時(shí)，OUTCOME也被寫入RAG/KG，形成可檢索、可結(jié)構(gòu)化的協(xié)作記憶，用于支持后續(xù)協(xié)作中的情境參考與經(jīng)驗(yàn)復(fù)用，而不參與即時(shí)調(diào)節(jié)決策。

3.6 智能共協(xié)網(wǎng)調(diào)節(jié)協(xié)議算法

根據(jù)以上思路，我們的研究給出智能共協(xié)網(wǎng)調(diào)節(jié)協(xié)議算法（偽代碼），偽代碼（圖3）請(qǐng)參考原文。

4 應(yīng)用場(chǎng)景：智協(xié)網(wǎng)的實(shí)踐可能性

結(jié)合“身?知?心”3層結(jié)構(gòu)與A2A/MCP協(xié)議機(jī)制，提出2個(gè)涵蓋醫(yī)療、教育的潛在應(yīng)用場(chǎng)景，探索智協(xié)網(wǎng)在現(xiàn)實(shí)社會(huì)中的可行性與應(yīng)用路徑。

4.1 遠(yuǎn)程醫(yī)療團(tuán)隊(duì)的協(xié)同支持

隨著人口老齡化與地區(qū)醫(yī)療資源分散，醫(yī)生、護(hù)士、康復(fù)師等多專業(yè)人員之間的遠(yuǎn)程協(xié)作需求日益增加。然而，由于職責(zé)差異和工作負(fù)荷不同，信息共享的頻率和細(xì)節(jié)層級(jí)常常不一致，許多重要卻微妙的語境和經(jīng)驗(yàn)在交流過程中并沒有被傳遞，容易引發(fā)誤解與延誤；同理，這樣的問題也發(fā)生在醫(yī)患之間。

解決方案（“身?知?心”3層結(jié)構(gòu)共協(xié)）如下。“身”層：監(jiān)測(cè)醫(yī)護(hù)人員的注意力、過勞與睡眠狀態(tài)，適時(shí)建議輪班或重新分配任務(wù)。“知”層：自動(dòng)調(diào)整病歷摘要與注意事項(xiàng)的表述粒度（報(bào)告頻率協(xié)議）；鼓勵(lì)交流各方的信息透明，減少因語言摩擦、信息不確定性導(dǎo)致的沖突可能性。“心”層：鼓勵(lì)真誠合作，通過A2A連接生成具有共情力的、團(tuán)隊(duì)共同體的安慰性反饋，緩解心理壓力。

4.2 項(xiàng)目式學(xué)習(xí)（PBL）的智能支持

跨專業(yè)、跨能力的學(xué)生共同參與項(xiàng)目型課程，需要在分工與特點(diǎn)、進(jìn)度與心理安全感、分心與專注之間取得動(dòng)態(tài)平衡。

解決方案如下。“身”層：感知每位學(xué)生的專注節(jié)奏與作業(yè)時(shí)段，智能調(diào)控小組任務(wù)時(shí)間點(diǎn)。“知”層：對(duì)經(jīng)驗(yàn)較少的學(xué)生提供個(gè)性化補(bǔ)充材料；對(duì)熟練者則細(xì)化任務(wù)并優(yōu)化分配。建立一個(gè)清晰的討論平臺(tái)，尋找最合適分工路徑，并幫助尋找團(tuán)隊(duì)最合適的組織架構(gòu)。“心”層：系統(tǒng)識(shí)別沉默學(xué)生的非言語信號(hào)，為其提供“代言”，引導(dǎo)團(tuán)隊(duì)成員主動(dòng)關(guān)心與回應(yīng)。

5 結(jié)論與展望

AI的快速演進(jìn)，正持續(xù)推動(dòng)以“智能化”為核心的新一輪工業(yè)革命。A2A與MCP等協(xié)議作為當(dāng)前智能體通信與工具調(diào)用的關(guān)鍵機(jī)制，為跨平臺(tái)協(xié)作與外部資源整合提供了統(tǒng)一的技術(shù)底座，構(gòu)成了智能互聯(lián)網(wǎng)的重要基礎(chǔ)設(shè)施。

在此背景下，我們的研究提出了超越既有智能體互聯(lián)協(xié)議的SSN架構(gòu)。通過引入“身?知?心”3層結(jié)構(gòu)，以及以利他性與平衡性為導(dǎo)向的調(diào)節(jié)機(jī)制，從HEC的視角，對(duì)多智能體系統(tǒng)中存在的節(jié)奏沖突、理解偏差與協(xié)作失穩(wěn)問題給出了系統(tǒng)性的回應(yīng)，為未來人機(jī)交互協(xié)議的設(shè)計(jì)提供了一種新的結(jié)構(gòu)化范式。這一框架對(duì)于教育、醫(yī)療、遠(yuǎn)程協(xié)作等多主體參與的復(fù)雜場(chǎng)景具有較高的適應(yīng)性與擴(kuò)展?jié)摿Γ瑸闃?gòu)建可信賴、可共感的人機(jī)共協(xié)系統(tǒng)提供了重要的基礎(chǔ)。

從工程實(shí)現(xiàn)角度看，以架構(gòu)與機(jī)制提出為主，尚未展開完整的系統(tǒng)級(jí)實(shí)現(xiàn)與實(shí)驗(yàn)驗(yàn)證。此外，盡管以Google公司為代表提出的A2A開源智能互聯(lián)框架是否會(huì)發(fā)展為事實(shí)標(biāo)準(zhǔn)仍有待觀察，但智能體之間統(tǒng)一通信規(guī)范與協(xié)同協(xié)議的形成已是不可逆的趨勢(shì)。

展望未來，如何進(jìn)一步將利他性原則與中庸理念轉(zhuǎn)化為工程上可操作、可調(diào)節(jié)的量化體系，如何在真實(shí)系統(tǒng)中持續(xù)優(yōu)化跨層調(diào)節(jié)機(jī)制，將是智協(xié)網(wǎng)走向?qū)嶋H應(yīng)用的關(guān)鍵研究方向。隨著AI系統(tǒng)不斷融入社會(huì)基礎(chǔ)結(jié)構(gòu)，我們研究所倡導(dǎo)的“以人機(jī)共協(xié)為中心”的交互協(xié)議設(shè)計(jì)，有望為人類與AI的共協(xié)進(jìn)化提供長(zhǎng)期而穩(wěn)健的技術(shù)支點(diǎn)。

致謝：本研究受到高知工科大學(xué)任向?qū)嵔淌趩l(fā)和鼓勵(lì)下，在內(nèi)容討論和修改過程中，任向?qū)嵔淌谔岢隽藢氋F意見。同時(shí)，復(fù)旦大學(xué)粵港澳大灣區(qū)精準(zhǔn)醫(yī)學(xué)研究院（廣州）檀鵬博士提供了參考資料和修改建議。

本文作者：程子學(xué)、王晨

作者簡(jiǎn)介：程子學(xué)，會(huì)津大學(xué)計(jì)算機(jī)理工學(xué)部、上海工程技術(shù)大學(xué)，特聘教授，研究方向?yàn)楣矃f(xié)交互與智能體協(xié)議；王晨，上海工程技術(shù)大學(xué)、高知工科大學(xué)，副教授，研究方向?yàn)槿藱C(jī)共協(xié)計(jì)算。

文章來 源 ： 程子學(xué), 王晨. 從“智能互聯(lián)”邁向“智能互協(xié)”[J]. 科技導(dǎo)報(bào), 2026, 44(7): 80?90.

本文有刪改，

內(nèi)容為【科技導(dǎo)報(bào)】公眾號(hào)原創(chuàng)，歡迎轉(zhuǎn)載
白名單回復(fù)后臺(tái)「轉(zhuǎn)載」

《科技導(dǎo)報(bào)》創(chuàng)刊于1980年，中國(guó)科協(xié)學(xué)術(shù)會(huì)刊，主要刊登科學(xué)前沿和技術(shù)熱點(diǎn)領(lǐng)域突破性的研究成果、權(quán)威性的科學(xué)評(píng)論、引領(lǐng)性的高端綜述，發(fā)表促進(jìn)經(jīng)濟(jì)社會(huì)發(fā)展、完善科技管理、優(yōu)化科研環(huán)境、培育科學(xué)文化、促進(jìn)科技創(chuàng)新和科技成果轉(zhuǎn)化的決策咨詢建議。常設(shè)欄目有院士卷首語、科技新聞、科技評(píng)論、專稿專題、綜述、論文、政策建議、科技人文等。