AI Agent 協定堆疊：六層之後，最下面那一層剛剛接上實體世界
一張圖，和它最下面那一格 這張圖我整理了一陣子。它想回答一個很單純的問題：當我說「幫我把這件事做完」，這句話要經過哪些協定，才會變成世界上真正發生的一個動作？ 由上而下六層，從人類意圖開始，一路落到機器手臂、感測器、PLC。中間每一層都有名字、有職責、有正在成形的規格。 而最下面那一格——MHS，Model Hardware Standard——在這張圖的成熟度表裡只有 ★★☆☆☆，是全圖最低的。 我把它放在最後，不是因為它最不重要。恰恰相反：上面五層講的都是 AI 在資訊世界裡怎麼互通，只有最下面這一層在講它怎麼離開螢幕。 而那一層，八月底才剛剛有了第一個像樣的候選規格。 這篇文章分兩半。上半導讀整張圖，下半只談最下面那一格。 上半：這張圖在說什麼 由上而下，六個協定層 AG-UI / A2UI——人機互動層（Agent ↔ Human） 最貼近人的一層，而且它其實是兩件事。AG-UI 處理的是過程的可見性：即時串流、事件、狀態更新——讓你在代理跑一件長任務時，看得到它跑到哪、在想什麼、卡在哪。A2UI 處理的是介面本身：讓代理去描述要渲染的 UI 組件、表單與動作，而不是只吐一段純文字回來。 一個是「讓我看見它在做什麼」，一個是「讓它決定我看到什麼」。前者是信任問題，後者是表達力問題。 Agent Core——代理核心（大腦） 嚴格說這不是協定層，是被協定包圍的那個東西。圖裡拆成六塊：推理、規劃、記憶、知識、技能、目標。 這六塊值得一個一個念過去，因為它們常常被混為一談：知識是它知道的事實與規則，記憶是它記得的這一次與過去發生過什麼，兩者不是同一件事；技能是它能執行的動作，規劃是它決定用哪些技能、按什麼順序，兩者也不是同一件事。工程上會痛的，通常是把這幾件事塞進同一個抽象裡。 A2A——代理協調層（Agent ↔ Agent） 代理發現彼此、委派任務、同步狀態、交換結果。這一層在解的是一個組織問題而不是技術問題：當你有一百個代理，誰知道誰存在？誰有權叫誰做事？做完之後結果回給誰？ 旁邊掛著一個選用的「目錄／發現服務」。圖裡每一層右邊都掛了一個這種灰色的選用註冊服務，這個設計是刻意的——待會兒會回來講。 WebMCP——Web 互動層（Agent ↔ Web） 讓網站對代理暴露機器可執行的介面：宣告式 API、結構化動作、瀏覽器內的代理執行環境。 這一層的存在本身就是一個宣告：整個 Web 是為人眼設計的，代理只能靠爬 DOM、猜按鈕、模擬點擊來用它，既脆弱又昂貴。與其讓代理繼續假裝自己是人，不如讓網站直接說「我這裡有這些動作可以呼叫」。 MCP——工具與資料層（Agent ↔ Tools / Data） 這一層現在最成熟（★★★★☆），也是我實際用得最多的一層。標準化的工具存取、資料操作、上下文管理、通用連接器。 MCP 之所以贏，是因為它解的問題夠窄：它不管代理怎麼想，只管代理伸手拿東西時介面長什麼樣。 職責邊界乾淨的協定，擴散得比什麼都快。 UCP / AP2——商務層（Agent ↔ Commerce） 支付、交易狀態、退款與爭議、對帳與結算。代理要真的替你完成一件事，通常在某個點上得付錢。這一層現在是 ★★★☆☆，卡的多半不是技術，是責任歸屬——代理刷了一筆你不想要的款，那是誰的錯？ MHS——實體世界層（Agent ↔ Hardware） 裝置發現與認證、安全限制與邊界、自然語言指令、安全優先的抽象。下半整篇都在講它。 中間那顆大腦，跟一個容易被略過的迴圈 Agent Core 下面有一條虛線框：經驗回饋迴路（Experience Feedback Loop）。 ...