BLUEPRINT

第三章三大独特能力

TP 的设计围绕三大独特能力展开，它们共同构成了 TP 区别于所有现有通信协议的核心竞争力。

3.1 传输无关性（Transport Agnosticism）

设计哲学

TP 不替代 MCP 或 A2A，而是在它们之上建立统一的语义抽象。

这一设计哲学的核心洞察在于：对于认知共享而言，重要的不是消息通过什么管道传输，而是消息承载了什么语义。TP 消息可以通过以下任何一种传输方式传递：

传输方式	说明
A2A 的 JSON-RPC	通过 A2A 协议的标准消息通道传递 TP 语义
MCP 的 tool call	将 TP 消息封装为 MCP 工具调用的参数
传统 REST API	通过 HTTP 请求体传递 TP 消息信封
Prompt 传递	将 TP 语义嵌入自然语言 Prompt 中（降级模式）
Claude Skills 等新兴方式	兼容未来可能出现的新型 AI 交互范式

类比

这种设计可以类比为 HTTP 与传输层的关系。HTTP 协议可以运行在 TCP 之上，也可以运行在 QUIC 之上——HTTP 关心的是请求-响应语义，而非底层的传输机制。同样，TP 关心的是认知共享的语义层，而非消息的传输层。

graph TB
    subgraph "TP 语义层"
        TP_MSG["TP 消息信封<br/>（Intent · Context · SharedContext）"]
    end

    subgraph "传输适配层"
        A2A_T["A2A JSON-RPC"]
        MCP_T["MCP Tool Call"]
        API_T["REST API"]
        PROMPT_T["Prompt 嵌入"]
        SKILLS_T["Claude Skills 等"]
    end

    TP_MSG --> A2A_T
    TP_MSG --> MCP_T
    TP_MSG --> API_T
    TP_MSG --> PROMPT_T
    TP_MSG --> SKILLS_T

    style TP_MSG fill:#4A90D9,color:#fff,stroke:#2C5F8A,stroke-width:2px

传输无关性确保了 TP 不会被绑定到任何单一的底层协议上。当新的传输方式出现时，TP 只需增加一个传输适配器，而无需修改协议本身的语义定义。

3.2 协议协商与转译（Protocol Negotiation）

问题场景

在现实的 AI 生态中，不同的 Fay 可能"说"不同的协议语言。一个 Fay 可能原生支持 A2A，另一个可能只理解 MCP 的 tool call 格式，还有一些可能仅支持传统的 REST API 调用。

当这些"母语"不同的 Fay 需要协作时，如果没有统一的协商和转译机制，它们将无法通信——就像两个只会说不同语言的人面对面却无法交流。

TP 的解决方案

TP 充当自适应的翻译层，通过以下步骤实现跨协议通信：

能力探测：TP 首先探测对方 Fay 支持哪些传输协议
合同协商：双方约定一个"合同模板"——确定使用 MCP、A2A、API 调用还是 Prompt 作为底层传输方式
语义映射：在约定的传输方式之上，建立 TP 语义到底层协议格式的映射规则
透明转译：后续通信中，TP 自动将语义意图转译为对方能理解的格式

sequenceDiagram
    participant FA as Fay A<br/>（原生 A2A）
    participant TP as TP 协商层
    participant FB as Fay B<br/>（仅支持 MCP）

    FA->>TP: 发送 TP 意图（经由 A2A）
    TP->>TP: 检测 Fay B 的协议能力
    TP->>TP: 协商传输方式 → MCP tool call
    TP->>FB: 转译为 MCP tool call 格式
    FB->>TP: 返回 MCP 响应
    TP->>FA: 转译为 A2A 响应格式

这种机制的关键价值在于：即使对方 Fay 尚未"学会"某种协议，TP 也能通过转译让双方顺利通信。协议的差异对上层的认知共享逻辑完全透明。

3.3 共享语境（Shared Context）

核心地位

共享语境是 TP 最核心的能力，也是"心灵感应"命名的根本由来。如果说传输无关性解决了"通过什么管道通信"的问题，协议协商解决了"用什么语言通信"的问题，那么共享语境解决的是"通信的本质是什么"的问题。

机制描述

当两个 Fay 启用 TP 会话时，双方会进入共享语境模式。在这一模式下，双方不再仅仅交换消息，而是共同维护一个受控的认知空间。

可共享的认知资源包括：

认知资源类型	说明	典型场景
会话级别的部分长记忆	与当前协作主题相关的知识片段	医疗 Fay 共享患者的相关病史摘要——如过敏史、慢性病记录、近期用药情况，使得会诊 Fay 无需重新询问即可了解患者背景
视图界面状态	双方正在操作的界面或数据视图	多个 Fay 协作编辑同一份合同文本——法律 Fay 标注了需要修改的条款，财务 Fay 立即看到标注位置并评估财务影响，无需来回发送文档版本
规则或推理引擎	用于当前任务的推理逻辑	法律 Fay 共享适用的法规条文和推理链——税务 Fay 可以直接引用这些法规来计算税务影响，而不需要法律 Fay 每次都把相关法条复制粘贴到消息中
环境上下文	时间、地点、设备状态等动态信息	无人机上的 Fay 共享实时 GPS 坐标、电池电量、摄像头视角给地面控制 Fay——地面 Fay 可以直接"感知"无人机的状态，而非等待定期的状态报告消息

宿主授权与审计

共享语境的范围严格由宿主授权决定。Fay 不能自行决定共享哪些认知资源——每一项共享都必须在宿主预先授权的边界内进行。同时，所有对共享语境的访问均可审计，宿主可以事后查阅哪些信息被共享、被谁访问、在什么时间点发生。

这一设计与 A2A 的 Opaque Execution 原则形成了鲜明对比：

维度	A2A（Opaque Execution）	TP（Shared Context）
内部状态	不共享，Agent 是黑盒	在授权范围内选择性共享
协作深度	任务级别（委派与汇报）	认知级别（共享记忆与推理）
信息传递	每次完整序列化传输	共享空间内直接访问
隐私控制	无系统性机制	宿主授权 + 全程审计
适用场景	松耦合的服务编排	深度协作与认知融合

共享语境使得 Fay 之间的协作从"传话"升级为"共同思考"——这是 TP 作为认知共享协议的核心价值所在。

第三章 三大独特能力