上一篇聊多 Agent 时留了个尾巴：协作接口不标准化，轨迹就没法跨系统重放。真把这件事做在接口层的，是一份开放的应用侧协议——它规定 AI 应用怎么发现外部能力、怎么发起调用。问题在于：当一个 Agent 要驱动一台会干活的设备时，这套约定还够用吗？

据该协议官网博客，其一级开发工具包月下载量已接近五亿次。痛点在两端膨胀：一侧模型在换代，一侧是机器人、夹具、传感与业务系统各有一套接口，两两适配成本随数量相乘。企业AI化转型里常见一种期待——接上协议就能动；值得先看清楚它管到哪一层为止。

本文相关概念速查

模型上下文协议，约定 AI 应用如何对接外部能力的开放标准；宿主，用户直接接触的应用，决定模型能用哪些上下文与工具；服务端，把能力包装并暴露的一方；工具，可被模型主动调用的动作；资源，可被按需读取的上下文；具身智能Agent，有身体、在真实环境里感知并行动的系统；闭环时延，从感知到执行再回到感知的耗时。

一、它是什么：三方角色与两趟往返

最小结构里有三方：宿主是用户直接接触的应用，它为每一个服务端创建独立的连接，并决定模型能用到哪些上下文与工具；服务端负责把能力包装后暴露出来。消息以 JSON-RPC 为基础，能力分三类：工具、资源、提示词模板。

关键在“发现—描述—调用”三段分离。想知道对面有什么，就发一次发现；工具的名称、参数格式与说明随描述返回，模型靠读说明决定何时用、怎么传参。于是新增一种能力不必重训模型，也不必为每个模型单独写一遍适配。

二、三条主流玩法

第一种是把机器人技能包成服务端的最小单元。粒度是关键：暴露“移动到某坐标”这类语义动作，而不是甩出一堆关节力矩指令。太粗编排不开，太细则一次任务要做几十次往返，延迟与控制权一起失控。

第二种是把上下文做成资源。地图、关节角度、传感读数不必一股脑塞进提示词，按需读取即可，列表自带缓存提示。好处是上下文不被观测数据挤爆，注意力留给真正的选择。

第三种是用两项较新的扩展。搬运、巡检这类动作常要跑几十秒甚至几分钟，交给任务扩展后不必阻塞等待：服务端返回任务标识，客户端按间隔查状态，缺输入时补一次。执行前需人点头的动作走多次往返请求，由服务端在途中回问、客户端补答复。

三、三条硬边界

其一，时间尺度对不上。最新版规范把内核改成无状态的一问一答，连会话都不再保留。它能跑在普通负载均衡后，也意味着天生按“一次请求、一次回答”设计；而控制闭环要的是固定周期——间隔忽长忽短比整体慢一点更危险，抖动足以让平衡与柔顺接触失稳。

其二，完成不等于成功，取消不等于停下。状态走到终点只表示流程结束，结果仍可能带着错误标记；“取消”在规范里是协作式的，服务端确认收到意图，却不必保证立刻中断，也不回滚已发生的变化。物理动作没有撤销键。

其三，边界由实现方承担。规范把“能看什么、能调用什么”连同许可与安全责任留在宿主侧。机制上给了便利：方法名与工具名进了传输头，网关可直接按头鉴权与限流；但哪个动作该放行，没有任何东西替你判断。

图2：两种错位介绍图

四、交集与影响

它与机器人中间件不是替代关系。协议跑在意图层，回答“做什么”；中间件跑在实时层，回答“这一毫秒出多少力矩”。两者是上下层，中间需要薄薄一层翻译做尺度转换。该不该上，看三个问号：时间常数在毫秒级还是秒级以上；做错能否撤销；出错能否被观测接管。

五、全文总结

收敛成三个判断：其一，按时间常数分层，毫秒级的稳定性交给本地闭环，语义选择才走协议；其二，工具描述要写明适用条件与失败返回什么，名字漂亮不如约束清楚；其三，不可逆动作前置到权限清单，逐动作授权留痕，并留出人点头的通道。

一句话版本：给机器人的能力装上标准插座，换来的不是更强的脑子，而是“换个模型不必重写一遍驱动”——让能力第一次有了可发现、可治理的接口形态；至于能不能稳稳把水杯端起来，仍然由本地闭环说了算。企业AI化转型中，值得先确认这条边界。

六、未来展望

三个方向值得留意：一是意图层与实时层混合编排，两类消息各走各路；二是能力凭证化，每个动作自带权限范围与可逆性标签，网关据此决定是否放行；三是仿真回放标准化，让同一份轨迹可离线复跑、成为可比基准。

七、技术FAQ

1. 这份协议和普通函数调用有什么不同？

函数调用多绑定在某家模型的接口上，工具清单由调用方维护；它把发现、描述与调用拆成通用约定，服务端换批宿主仍能被找到，权限也能收口。

2. 接上统一协议后，模型能直接驱动电机吗？

不建议。它适合表达“移动到某处”这类语义意图，毫秒级的力矩输出属于本地控制器。中间应有翻译层把技能转成确定轨迹，并对超时设兜底。

3. 为什么机器人对延迟特别敏感？

控制回路要的是稳定周期而非平均值。请求—响应式的调用天然带抖动，间隔忽长忽短会让平衡、抓取直接失稳，所以要按时间常数分层。

4. 任务显示完成，物体却没抓稳，问题出在哪？

出在缺少可核实的物理回执。状态到终点只说明流程结束，结果还可能带错误标记。应让服务端执行后回读力传感或视觉复核，并写清失败语义。

5. 哪些动作不适合交给模型自主决定？

不可逆、后果外溢的那些：通电、解锁、开门、转动刀具。它们应进权限清单前置管理，执行前由确定性校验把关或人工确认，并逐次留痕。

——————————

本文仅代表作者个人行业观察，不构成任何商业建议。