摘要:
智能体为完成任务而生,完成任务要回答互操作“如何真正实现”这一根本问题。答案不在于压制各方的利益博弈,而在于把规则与许可做到可公开、可检验、可归责、可工程化、非歧视——让规则取代密室,让代码承载许可,让标准沉淀共识。
一、智能体的天职是完成任务,而完成任务需要互操作
智能体作为数据产品2.0,是为完成任务而生的。这是理解智能体的一把钥匙:它不像传统软件那样以“功能”为中心,而是以“任务”为中心——用户交付的是一个目标,智能体自己去拆解、去规划、去执行。
而面对复杂任务,未必是依靠单个智能体完成,而需要通过智能体互联网,通过智能体互操作去完成。一个复杂任务往往横跨多个环节、多个系统、多个专业领域,任何一个智能体都难以独力承担。任务被拆解之后,子任务分派给不同的智能体,各自发挥所长,再把结果汇聚——这本质上就是一种协作,一种跨智能体的互操作。
即便是单个智能体,为完成任务也需要访问、调用记忆、工具,访问接口,调用其他APP等,也同样需要互操作。智能体要读记忆、要用工具、要调接口、要唤起别的应用,每一次这样的动作,都是一次互操作。可以说,互操作不是智能体的附加功能,而是它的存在方式——没有互操作,智能体就只是一个能说会道的空壳。
二、互操作的核心议题:从安全合规到“能否实现”
智能体互操作,更是涉及身份、信任、核验、安全等。谁在调用谁?对方的身份是否真实?授权是否有效?数据交换与动作执行是否安全?这些议题缺一不可,构成了互操作的技术与制度基础,是互操作的前置条件。
互操作首先要回答一个智能体“怎样证明我是谁”“怎样描述我会什么”“另一个智能体怎样找到我”“调用后怎样计费”“出错后谁负责” 等问题。这正是注册解析、能力发现、身份标识、协议互认、资源计量这些技术标准的价值所在。在授权维度上,需要区分四种授权与智能体身份:数据访问权、操作权、用户身份委托、支付权,以及智能体身份(Agent Identity)。用户身份委托解决“用户允许智能体使用自己的账号”,智能体身份解决“平台是否允许这个智能体进来”——前者靠技术,后者靠谈判。
但是,除了需要保障身份、信任、安全、合规,更重要的是怎样保证互操作的实现,而避免各种人为障碍。这把问题的重心从“防风险”转移到了“促实现”。现实中,很多互操作之所以不能发生,并不是因为技术上做不到,也不是因为不合规,而是因为在层层许可、重重博弈之中被消耗掉了——协议谈不拢、界面接不上、规则说不清、责任划不明,最后不了了之。安全与合规是必要条件,但远不是充分条件。真问题在于:如何让互操作真正发生。
三、第一重难题:互操作背后的数据权利许可
在互操作协议层,当前GUI模拟操作、API调用、A2A协议、MCP(模型上下文协议)、CLI等路径并存。以MCP为例,其由Anthropic于2024年11月开源,被比作“AI领域的USB-C接口”,其目标是解决大模型与数据库、API、硬件等外部资源的碎片化连接难题。MCP采用客户端-服务器架构,通过标准化接口使AI模型能够安全地访问和操作本地及远程数据,使工具调用不再依赖特定的大模型提供商,从而提高互操作性与扩展性。
针对GUI、MCP、A2A、CLI、API等的互操作,首先涉及数据权利许可。智能体之间的每一次交互,背后往往都是数据的流动与使用:读取一份文档、查询一条记录、调用一个模型、执行一次操作,都可能牵涉数据权利。
这种许可是复合的、分层的,不仅是涉及到数据来源者的知情同意,或用户授权,而且也涉及到相关数据处理者、知识产权主体等的许可。一份数据从产生到被智能体使用,中间可能经过采集者、加工者、持有者、开发者等多重主体;一份内容之上,可能同时存在人格权益、财产权益、知识产权。任何一方的许可缺失,都可能让整条链路无法成立。在MCP模式下,权限既包括“Client有权使用哪些MCP Server、有权使用某Server中的哪些Tool”,也包括“Client通过Tool有权获取哪些数据”——后者在数据类服务中会下探到库级别、表级别。因此,许可不能只停留在用户授权这一端,而应贯穿到数据来源者、数据处理者与知识产权主体的多层次许可。
因此,需要在智能体互操作界面、标准、规则、合约中体现这些许可要求。许可不能停留在纸面协议里,而要嵌入到互操作的技术接口、行业标准、业务规则与智能合约之中——在界面中声明,在标准中约定,在规则中固化,在合约中执行。只有这样,许可才不是事后追认,而是前置嵌入。例如内置多级数据沙箱和动态脱敏引擎,严格依据《数据安全法》的分类分级要求开展工作,在系统中启动字段级权限控制,防止敏感数据流出规定区域,并支持全链路审计日志等。
四、第二重难题:权利主体之间的利益博弈
智能体互操作中,难点在于涉及到的权利主体之间商业利益的协调。技术上的互通相对好办,利益上的协调才是真正的深水区。
例如,跨应用智能体面临用户授权与平台双重授权的合规对立问题。豆包手机助手的屏幕自动化操作声明协议(SAEP,Screen Automation Execution Protocol)30天公示期正式结束后,拒绝操作应用清单共列入153款应用,微信、QQ、支付宝、淘宝、美团、拼多多、滴滴、小红书等头部产品全部在列。用户能点击的按钮,不等于智能体天然有权代替用户去点击。这意味着“人为障碍”往往不是数据权利不清造成的,而是平台基于入口价值的竞争性阻断。
难免这些主体之间利益的博弈,也就难免协作不成而导致的互操作失败。各方都有自己的诉求:数据来源者担心隐私与失控,数据处理者希望保住投入的回报,知识产权主体要求权利被尊重,平台方希望掌握流量与话语权。诉求相冲突时,谈判就可能陷入僵局;僵局之下,最受影响的恰恰是终端用户——本该顺畅完成的动态任务,卡在了智能体之间的“断头路”上。
针对于此,重要的不在于权利主体的博弈及其法理基础——这些当然重要,而且各自都会有一定的法理依据——更重要的是这些法律依据的可公开、可检验。换言之,我们无法也不必去裁决谁的法理更“正确”,但我们完全可以要求:任何一方援引的规则、主张的权利、设定的条件,都必须是公开的、可被检验的、可以被第三方独立复核的。一旦把较量从“谁的道理更硬”转到“谁的规则更透明”,博弈就从密室谈判变成了阳光下的规则竞赛,互操作才有可能被推进而不是被阻滞。
五、实现路径:可公开、可检验、可归责、可工程化、非歧视
因此需要将智能体互操作涉及身份、信任、核验、安全等各方面的规则、许可以可公开、可检验、后果可归责、可工程化、非特定对象歧视的方式实现,落实到规则、代码之中。
这五个要求各有分量。可公开,意味着规则与许可条件不能藏在抽屉里,必须让相关方看得见;可检验,意味着公开的规则要能在事实核验和演绎逻辑核验两个维度上被独立验证,而不是自说自话;后果可归责要求智能体合规体系应当具备可执行、可审计、可闭环、可进化四个特征,目标是不越权、不失控、可审计;可工程化,意味着规则要能转化为代码与接口,能落地、能执行,而不是停留在原则宣示;非特定对象歧视,意味着规则对所有参与方一视同仁,不因对手的身份、规模、背景而随意加码或豁免。
这些要求的工程化需要明确的落地方法和工程载体。三层数据契约提供了可参照的路径:语义层把承诺写成可讨论的边界(明确主体、对象、范围、条件和后果),登记层把语义承诺转成机器可解析对象(schema、工具注册信息、权限清单、参数分类、责任主体和版本标识),校验层以登记层为基准采集运行事实、执行比对并输出结构化状态。关键在于“强制耦合”:语义到登记、登记到校验、校验到运行、运行到语义四个方向互相绑定,任何一层缺失或脱节,契约都会退化为文档。耦合失败时不应强行输出通过,而应显式判定为不启用或告警,让治理缺口暴露出来。
把身份、信任、核验、安全这些环节的要求,全部以这样的方式落实到规则、代码之中,才能形成一种可预期、可依赖的互操作环境。
六、争议公开、及时纠偏、形成标准
这样做的好处是显而易见的。智能体之间或智能体与APP平台之间的互操作,不是空泛的合规承诺,而是一套可被公开验证、可被监管审计的行为约束机制。
有争议也是公开的,发现问题也可及时纠偏。当规则是公开的、可检验的,分歧就不再是暗箱操作,而是可以被讨论、被复现、被定位的公共议题。问题一旦暴露,就能被及时识别与修正,而不至于长期潜藏、累积成灾。
由此逐渐形成可核验、可复现、可重用的标准,尽可能扩大智能体之间的互操作性。个案的规则经过反复使用与检验,可以沉淀为通用标准;通用标准又能被更多参与方复用,从而把互操作从“一对一谈判”升级为“按标准接入”。每沉淀一条标准,互操作的成本就下降一分,可互操作的范围就扩大一分。乌镇《智能体发展自律公约》提出的“分层次、可验证的智能体身份标识”和“权限授予与控制”机制,使“可验证性”从个案证明上升为基础设施层面的能力,正是沿着这个方向的行动。
结语
智能体为完成任务而生,完成任务离不开互操作。互操作不仅要解决身份、信任、核验、安全等技术与合规问题,更要回答“如何真正实现”这一根本问题。
答案不在于压制各方的利益博弈,也不在于裁决谁的法理更高明,而在于把规则与许可做到可公开、可检验、可归责、可工程化、非歧视——让规则取代密室,让代码承载许可,让标准沉淀共识。当规则进入代码、承诺可被校验、争议可被公开、问题可被纠偏,我们才可能逐步形成可核验、可复现、可重用的标准,尽可能扩大智能体之间的互操作性,让复杂的动态任务被顺畅地完成。
(本文由AI辅助完成,文责作者自负。)
参考文献:
1. 《MCP(模型上下文协议)真的与零信任原则相悖吗?》
2. 《跨应用AI智能体的行为边界:从"授权之争"走向"规则内嵌"》
3. 《为什么难有中国版 Muse?个人智能体卡在平台授权上》
4. 《如何用数据融合智能体(CPS AI Agent)打造中国版MCP Server?》
5. 《当AI开始彼此连接:为什么中国此时要建设"智能体互联网"?》
6. 《一文读懂AI 智能体中MCP、API与Function Call》
7. 《智能体合规体系12讲|第1讲 为什么智能体需要新的合规体系》
作者简介:董学耕,原海南省大数据管理局局长
研究方向:数字政府、数据经济、人工智能

