AI已经从回答问题走向替人办事，GB/Z 185是在给智能体补上「工牌、通讯录和工具间」
最近，GB/Z 185《人工智能 智能体互联》这一组国家标准化指导性技术文件发布了。它一共七个部分，从总体架构、身份码、身份管理，到智能体描述、智能体发现、智能体交互和智能体工具调用，基本把「一个智能体怎样进入系统、怎样被找到、怎样和别的智能体协作、怎样调用工具」这条路都铺了一遍。标准自己的引言也说得很直白：智能体正在成为 AI 从概念走向生产力的关键载体，但不同智能体之间存在互联、互通、互操作的问题；海外已经有 MCP、A2A、ANP 等方案，可行业还没有形成完全一致的共识，所以需要一套适合国内产业发展的统一方案。
这件事听起来像标准圈的事，其实离普通用户很近。
你可以想象一个很日常的场景：你对手机说，「帮我把明天早上 10 点的会加到日历里。」如果 AI 只是回一句「好的，我帮你记住了」，那它还停留在回答问题。如果它真的去打开日历、找到「添加日程」这个工具、填上时间和内容、再告诉你已经添加成功，那它就开始替你办事了。
GB/Z 185.7 里正好有一个类似例子。用户说「帮我添加一个明天早上 10 点参加会议的日程」，智能体要先获取日历工具列表，再选择「添加日程」工具，传入日期、时间和事件，最后拿到工具执行结果并确认任务完成。这个例子很小，可它一下子把问题暴露出来了：AI 一旦开始办事，就不能只靠一句自然语言和一个模型。它得知道工具在哪里，工具怎么用，自己有没有权限，失败了怎么回报，整个过程怎么留下记录。
AI 市场正在从聊天框走向真实流程
过去一段时间，大家讨论 AI，最常问的是「这个模型会不会写文章」「会不会总结文件」「会不会写代码」。接下来，市场会越来越多地问另一类问题：它能不能进业务系统？能不能替用户点按钮？能不能调工具？能不能和别的智能体一起完成一个任务？
国家网信办等部门发布的《智能体规范应用与创新发展实施意见》也把这个变化说得很清楚。文件把智能体定义为具备自主感知、记忆、决策、交互与执行能力的智能系统，还提到手机助手、终端智能管家、云端智能体等产品加速出现，智能体的高自主性、高权限也带来隐私泄露、越权操作、行为失控等风险。1
这说明，AI 已经从「回答问题的窗口」走向「替人办事的入口」。它可能在手机里帮你安排日程，在企业里帮你查合同，在银行里帮你解释产品，在工厂里帮你调设备，在机器人上帮你分解任务。用户说的是一句「帮我办一下」，系统背后却要面对身份、权限、工具、协作和责任。
这也解释了为什么需要协议。只有一个聊天机器人时，大家可以先把功能做出来。可一个企业、一个城市、一个产业链里有很多智能体时，麻烦马上来了：它们互相不认识，能力说不清，接口各写各的，权限各管各的，出了问题以后还很难查清楚。
没有协议时，智能体协作像一群没工牌的外包人员
做智能体最烦的地方，往往不在模型本身。
比如，一个会议助手接到任务：「帮我准备下周去上海开会的材料。」它可能要找日历智能体查时间，找差旅智能体看行程，找文档智能体整理资料，找预算智能体算费用。表面上是一个任务，实际是多个智能体一起干活。
这时候问题来了。
第一个问题是「它是谁」。 一个智能体说自己是财务助手，系统凭什么相信它？它是谁开发的，谁授权它，哪个版本，权限到哪一步，这些都不能靠名字猜。GB/Z 185.2 给智能体身份码规定了编码结构，采用分层 OID 体系，并把固定前缀、版本、注册服务方、注册请求方和自定义序列号放进身份码里；GB/Z 185.3 又把身份注册、身份账户、凭证、身份鉴别这些流程纳入管理。
第二个问题是「它会什么」。 一个智能体不能只写一句「我是万能助手」。它要把名称、版本、提供方、访问方式、认证方式、输入输出类型、技能等信息说清楚。GB/Z 185.4 把这些内容放进了智能体描述。你可以把它理解成智能体的名片，名片上不只写名字，还要写它会做什么、怎么联系、需要什么条件。
第三个问题是「别人怎么找到它」。 企业里的智能体一多，不能靠开发人员在代码里手动写死所有对象。GB/Z 185.5 讲智能体发现，智能体可以把能力要求交给发现服务，发现服务在已发布的智能体描述里找符合要求的目标。它也允许通过本地预置、缓存、用户配置、.well-known 地址等方式发现。
第四个问题是「怎么一起干活」。 多个智能体协作时，有时是一对一沟通，有时像项目群，有时一部分在群里同步，一部分私下处理。GB/Z 185.6 把交互分成点对点、群组和混合三种模式，还定义了会话、任务、消息、数据这些基础元素。它甚至把远程调用、流式返回、异步通知，以及主从、代理协商、任务订阅等协作方式都给了参考。
第五个问题是「怎么用工具」。 AI 真要办事，就得接日历、邮箱、文档、数据库、机器人、业务系统。GB/Z 185.7 处理工具列表获取、工具列表更新、工具调用、结果返回这些过程。它的价值不在于让 AI 更会说话，而在于让 AI 调用外部系统时少一点乱猜，多一点规则。
海外方案跑得快，也留下了几处麻烦
这几年海外在智能体协议上跑得很快，值得看，也值得学。
MCP 是最典型的工具连接方案。Anthropic 在 2024 年发布 MCP 时，讲得很清楚：AI 系统被困在数据孤岛和旧系统里，每接一个数据源都要做定制开发，MCP 希望用一个开放标准把 AI 助手和数据源、业务工具、开发环境连接起来。2 这解决了一个很痛的问题：AI 要办事，先得拿到工具和数据。
A2A 关注的是另一块。Google 在 2025 年发布 Agent2Agent Protocol 时，强调企业会有很多不同厂商、不同框架做出来的智能体，它们需要互相沟通、交换信息、协调行动。A2A 的设计里有能力发现、任务管理、消息协作，还支持长任务、状态更新和多模态内容。3 这给多智能体协作带来了很强的开发者启发。
ANP 更像是在看一个更远的智能体网络。它把去中心化身份、描述与发现、端到端消息、支付等放进一个协议栈里，目标是让智能体能在开放网络里互相识别、发布能力、发送消息，甚至处理交易凭据。4
这些方案的优点很明显：MCP 很工程化，切中工具连接；A2A 很重视企业协作，强调开放和跨厂商；ANP 视野更大，把身份、发现、消息、支付都纳入一个开放网络。它们有一个共同特点，就是先从开发者碰到的具体麻烦开始修桥。
可它们也有一些现实问题。MCP 管好工具连接以后，还需要配合身份、发现和多智能体协作体系。A2A 很适合智能体之间谈任务，但在国家级、行业级应用里，身份注册、凭证生命周期、审计、责任边界还需要更完整的治理安排。ANP 的网络设想很有想象力，可它更偏开放网络，真正进入金融、政务、工业、机器人这些高要求场景时，落地成本和治理适配都会更复杂。
所以，中国做 GB/Z 185，不能只抄一个海外协议。我们需要吸收它们的好东西，比如 MCP 的工具连接思路，A2A 的任务协作和长任务支持，ANP 对身份、发现、跨域网络的重视。同时也要补上中国应用市场会特别在意的东西：统一身份、可管理凭证、可发现能力、交互过程、工具调用，以及和监管、审计、行业系统兼容的边界。
GB/Z 185 的特点是把「怎么连」扩展成「怎么管、怎么找、怎么协作」
GB/Z 185 的差异就在这里。它没有只做一个接口，也没有只做工具调用。它先给出一个总体架构，把用户域、智能体域、管理服务域、互联服务域、资源访问域放在一张图里；再用 10 个 FRAI 接口，把身份、凭证、描述、发现、交互、消息分发和工具服务串起来。
换成日常语言，这套标准做了几件很朴素的事。
它给智能体发「工牌」。身份码让智能体有一个可识别、可验证、可管理的编号。标准里还给国际智能体留了入口，国际智能体可以向认可的注册服务方申请，也可以由海外机构申请成为注册服务方，还可以通过双边或多边互信互认机制接入。
它给智能体建「门禁」。身份管理规定了注册、核验、账户、凭证、锁定、注销和鉴别。一个智能体核心功能变了，权限范围变了，运行环境变了，都不能像旧脚本一样悄悄继续跑。
它给智能体写「名片」和放进「通讯录」。描述标准让智能体说清楚自己是谁、会什么、输入输出是什么、能服务什么区域；发现标准让别的智能体可以按能力要求找到它。
它给智能体规定「私聊、群聊和项目群」。交互标准把点对点、群组、混合模式区分开，把会话、任务、消息、数据区分开。这样多个智能体一起做事时，谁发起、谁执行、哪条是进度、哪条是结果，就不至于全混在一起。
它还给智能体准备了「工具间」。工具调用标准让智能体先获取工具列表，再选择工具，调用工具，接收结果，并根据任务是否完成决定是否继续。
这就是 GB/Z 185 和海外方案最核心的差异：海外方案很多是先解决一个强痛点，中国这套国标更像在给规模化市场搭一套完整的协作秩序。它关心「怎么连」，也关心「谁能连」「怎么证明」「怎么发现」「怎么协作」「怎么调用工具」「出了问题怎么查」。
标准要活起来，开发者得能先跑一遍
标准写进 PDF 以后，故事还没结束。真正的问题是开发者能不能拿它跑起来。
我最近做了一个 gbz185-sdk，目标很简单：把 GB/Z 185 这套东西变成开发者可以试的代码。文档里从安装、初始化、端到端运行，到公开 API、接口、类型和示例都放在一个入口里；快速开始按身份注册、描述发布、发现、会话、任务、工具调用的顺序跑通完整链路；SDK 也覆盖身份码生成解析、身份与凭证、描述与发现、交互与消息、工具调用和传输适配这些运行链路。5
这个 SDK 没有想把生产环境的所有治理问题都包掉。文档里也写明了边界：内置凭证实现是开发参考，默认存储是内存实现，生产环境要替换成数据库或状态服务，SDK 也不规定具体 REST 路径、MCP 方法名或 WebSocket 消息格式。5
我觉得这反而是合理的。标准如果只停在文件里，读者看到的是条款。SDK 跑起来以后，开发者看到的是一条真实链路：智能体先有身份，再发布描述，再被发现，再进入会话，再提交任务，再调用工具，再返回结果。
AI 的下一段路，不只是模型更聪明。更大的变化是，AI 会进入系统，调用工具，找别的智能体协作，并替用户完成真实任务。到了那一天，大家会发现，一套看起来有点朴素的规则会变得很重要：谁进门，谁能被找到，谁能说自己会什么，谁能加入这次任务，谁能调用工具，谁出了问题能被查到。
GB/Z 185 做的事情，就是把这些问题先摆到桌面上。它没有让 AI 一夜之间变成万能员工，但它开始给智能体补上成为「数字同事」之前最基本的几样东西：工牌、名片、通讯录、工作群和工具间。