MCP（Model Context Protocol）自 Anthropic 推出以来，迅速成为 AI Agent 与外部工具交互的事实标准。但 Hacker News 上出现了一个新项目——Agent Action Protocol（AAP），开门见山地说：「MCP got us started, but is insufficient.」
MCP 做对了什么
MCP 定义了一套标准化的方式，让 LLM 可以调用外部工具。在 MCP 出现之前，每个 Agent 框架都在造自己的轮子。MCP 统一了这一层，极大降低了工具集成的成本。
如果你只是构建「单个 Agent + 多个工具」的场景，MCP 基本够用了。
问题出在 Agent-to-Agent
2026 年的 AI 应用架构早已不是单 Agent 了。MCP 的局限：
1. 缺乏原生的 Agent 间通信
MCP 的设计模型是 Client-Server。Agent 之间要通信？你得把另一个 Agent 包装成"工具"，丢失很多语义。
2. 无状态的交互假设
Agent 间协作需要维护上下文：任务分配、进度同步、结果反馈。
3. 缺少发现和协商
一个 Agent 需要能发现其他 Agent、了解它们的能力、协商任务分配。
AAP 的思路
- Agent 作为一等公民：定义了 Agent 间的直接通信协议
- 基于 REST API 的消息传递：降低实现门槛
- 能力声明与发现
AAP 和 MCP 不是替代关系，更像是不同层次：MCP 解决 Agent-to-Tool，AAP 解决 Agent-to-Agent。
我的判断
多 Agent 协作是确定性趋势，通信协议的标准化迟早要发生。Agent 生态的复杂度在快速增加。
2026 年的 Agent 基础设施，还远没有定型。
🚀 OfoxAI（ofox.ai）— 多模型聚合平台，一个账号接入所有主流 AI 模型。
