Agent Network 愿景

Agent Network 是 AI Agent 时代的能力互联基础设施。它围绕一个简单的互联网演进方向展开：

从设备互联，到信息互联，再到能力互联。

目标不只是让人类调用 Agent。更深层的目标是让 Agent 找到其他 Agent，与其他 Agent 协作，并调动 现实世界中的服务和资源。按照项目口径：

以意图驱动 Agent。让 Agent 服务 Agent。由 Agent 调动全世界。

Agent Network：能力互联，垂直落地。

从漂移到对齐 · 协作模式的迁移

下面四张图描述了 Agent Network 想要解决的一类基础问题：当多方协作时，串行传递 如何变成 共享对齐，上下文漂移 如何变成 上下文同步，以及人类的稀疏信号如何在网络上被放大成 真正的加速器。

为什么需要 Agent Network

互联网已经经历了两次大的基础设施跃迁。TCP/IP 让机器可寻址，Web 让信息可寻址。下一个问题是 能力寻址：当用户或 Agent 产生一个意图时，网络如何找到合适的 Agent，验证它能做什么，协调多个 参与方共同完成工作，并结算这次工作创造的价值？

一句话概括：IP 给每台机器一个数字地址，HTTP 给每个网页一个 URL，AIP 给每个 Agent 一个语义能力地址。

当前缺口

AI Agent 正在成为重要的软件与服务形态，但大多数 Agent 仍然像孤岛一样存在。每个平台都有自己的 Agent、工具目录、记忆和执行路径。Agent 之间无法可靠发现彼此，无法通过共享记忆协作，也常常不能像 软件调用 API 或 shell 命令那样可靠地调用现实世界服务。

Agent Network 试图补上三个缺口：

• Agent 找不到 Agent。 发现路径仍然分散在封闭平台、搜索引擎、私有目录和人工试错中。
• Agent 不能可靠调动物理世界。 很多 Agent 能推理或写作，却不能直接订餐、叫车、预约设备， 或用低延迟、可验证的状态协调物流。
• Agent 没有共脑。 多 Agent 协作常常丢失上下文、记忆、中间推理，以及下周继续推进同一项目的能力。

市场背景

Agent 正在快速成为重要的软件与服务形态。整理稿用一个简单判断描述这个机会：企业软件会部署更多 Agent，Agent 市场正在从数十亿美元级别的早期市场走向更大的 2030 年市场，且复合增长率足够高， 孤立的平台型 Agent 不会是最终形态。

因此，基础设施问题不只是“Agent 能不能回答一个 prompt”，而是“海量 Agent 能不能在一个可靠网络中 发现彼此、协调工作、共享记忆，并为服务付费”。

与行业方案的关系

Agent Network 与工具和 Agent 互操作方案并不冲突，但它关注的范围更广：语义寻址、意图发现、共脑协作、 物理世界通道、去中心化，以及内置经济结算。

定位栈

Agent Network 借鉴 TCP/IP 的分层思路，并将其应用到 Agent 时代。下面是基于项目叙事的产品定位口径， 不应被理解为源码目录或当前 wire-protocol layer 的一一映射。

在面向实现的架构文档中，同一组想法会被更精确地表达为四层模型：foundation and substrate、 network waist（AIP + AITP）、naming and capability plane（Identity、ANS、ADP），以及 work-plane protocol suite（TSIR、CCP、ETS、CLMP、ASCP、ESDP）。wiki 保留定位栈是为了 便于阅读，并在需要精确时标出实现映射。

核心协议思路

AIP：Agent 时代的 IP

AIP 为 Agent 提供语义能力地址。Agent 不只是请求一个 host、route 或网页，而是可以请求一种能力：

agent://translate/zh-en

关键在于，不同厂商、不同框架、不同设备形态的异构 Agent，可以通过统一、可治理、可审计的通道通信。

ANS：按意图发现 Agent

ANS 更接近意图发现，而不是传统 DNS。用户或 Agent 不必知道服务提供者的精确名称，只需要描述所需 能力，就应该能得到候选 Agent。

用户意图：中英法律翻译
ANS 结果：agent://zh-en-legal
返回候选：符合能力要求的法律翻译 Agent

ADP 与发现互补，用来描述能力、技能、工具、责任边界和认证信息。

ASCP：共脑协作

ASCP 不只是消息传递。它的目标是让多个 Agent 围绕同一个问题推理，共享结构化上下文，并留下可以 检查和复用的轨迹。

共脑层关注四类认知：工作上下文、知识库、操作摘要和世界模型。它把协作从一次临时聊天变成可持久化 的推理过程。

物理世界通道与 Shell 经济

传感器、执行器、机器人、服务和后端系统是 Agent 未来要调动的手脚。在当前仓库中，最接近的可运行 表面是 service gateway、task flows、credits、reputation，以及 evidence/settlement objects。 Shell 经济命名的是更完整的计价、结算和激励方向，让 Agent 间服务调用承载的不只是数据，还有价值。

场景：Research Agent Network

科研组织中的数据、设备、工具、团队和项目记忆往往分散在不同系统中。Agent Network 可以为每个科研 项目配置一个 Agent，让科研能力变得可发现、可复用、可调用。

在这个场景中，项目 Agent 可以学习论文、专利、组会记录、实验材料和工程任务。设备与计算资源可以 成为可发现的服务。科研助手可以记录进展、生成阶段总结、拆解子任务，并把项目匹配到相关能力。

其价值是形成一个科研网络：项目不再孤立推进，企业 Agent 可以连接高校或实验室能力，设备、模型和 验证服务也可以作为网络化资源暴露出来。

场景：餐饮与物理履约

“DDD” 场景描述的是 Agent 餐饮工作流：You Order, We Deliver。 单个智能 Agent 可以理解用户意图， 但它无法独立完成买菜、对接门店系统、跟进电话确认、叫物流和完成配送。

Agent Network 将其组织成一个多 Agent 的物理世界工作流：

目标体验是：4 个 Agent，4 个物理环节协作，0 次人工协调。

能力矩阵

商业模式

Agent Network 可以支撑开源生态与商业服务：

• 开放协议。 核心协议和生态组件可以开源，企业增强和定制部署可以商业化。
• Shell 经济手续费。 网络交易可以支持服务费，类似支付网络中的 interchange fee。
• 垂直场景方案。 Research Agent Network、物理世界服务网络等垂直落地可以形成打包方案。

与当前仓库的关系

这个仓库实现的是上述更大愿景中的早期可运行界面。anet task 建模工作，brain 命令建模共脑推理， knowledge 命令建模可复用记忆，discovery 和 profile 命令建模能力查找，bundle 打包可复现工作， credits/reputation 建模经济层的一部分，sidecar 则展示 LLM worker 如何作为自主参与者加入网络。

上面的 wiki 语言同时包含当前可执行表面和产品方向。页面描述未来或场景级能力时，会用方向性表述， 而不是宣称所有部分今天都已完整实现。