核心发现
方法论
本文设计了基于模型上下文协议（MCP）和JSON-RPC的AIOS服务器框架，实现点对点的多智能体通信与协调。采用分布式哈希表（DHT）与Gossip协议构建去中心化的Agent注册与发现机制，支持跨节点的任务调度与状态同步。系统通过多层架构支持自主节点的注册、监控、任务执行，确保高效、低延迟的交互。实验验证了在真实部署环境中的性能表现，包括低延迟（<200ms）、高吞吐（最高229 req/s）和鲁棒性。该框架结合多智能体的自治能力，推动互联网向AgentSite生态转型。
关键结果
- AIOS服务器在不同负载下实现了平均延迟在0.15秒以内，最高吞吐达229请求每秒，验证了高效的通信能力。
- 基于DHT和Gossip协议的去中心化发现机制实现了跨节点的快速注册与检索，支持数百个Agent的动态管理。
- 系统在多地点部署中表现出良好的容错性和扩展性，确保在节点失效时仍能保持网络的完整性和响应速度。
研究意义
该研究突破了传统中心化多智能体系统的瓶颈，提出了面向未来互联网的AgentSite架构，为实现自主、去中心化的Web生态提供了技术基础。其创新的通信协议和发现机制极大提升了多智能体系统的可扩展性与安全性，推动智能互联网从静态信息传递向动态自治演进，具有深远的理论与应用价值。
技术贡献
本文提出了结合MCP与JSON-RPC的标准化通信协议，支持多智能体的结构化交互。创新性地设计了基于DHT和Gossip的去中心化注册与发现机制，避免单点故障，增强系统弹性。系统架构支持节点自主注册、任务调度和状态同步，兼容多地点部署，提升系统可扩展性与鲁棒性。这些技术为未来大规模自治Agent网络奠定了基础。
新颖性
首次实现了面向全球的去中心化AgentSite网络，结合DHT和Gossip协议实现Agent的动态注册与高效发现，突破了传统集中式架构的限制。创新性地将多智能体系统应用于互联网基础设施，推动Web生态的自治化与分布式发展，具有开创性意义。
局限性
- 当前系统在极端网络分区或高延迟环境下仍可能出现同步滞后，影响Agent的实时性。
- 安全性方面，注册与通信机制对恶意节点的检测和防御仍需进一步强化。
- 大规模部署中的资源消耗和维护成本较高，需优化算法与架构以提升效率。
未来方向
未来将重点优化系统的安全机制，增强节点的信任评估与防攻击能力。同时，探索引入区块链技术以提升注册信息的不可篡改性。计划扩展多模态交互能力，支持更丰富的Agent类型和应用场景，推动AgentSite生态的广泛落地。
AI 总览摘要
本研究提出了AIOS服务器架构，旨在推动互联网向去中心化的AgentSite生态转型。传统Web架构以静态网页为基础，存在扩展性和安全性不足的问题。本文创新性地设计了基于模型上下文协议（MCP）和JSON-RPC的通信框架，实现点对点、多智能体的结构化交互，支持跨节点的任务调度与状态同步。
通过引入分布式哈希表（DHT）与Gossip协议，系统实现了去中心化的Agent注册与发现机制，避免了单点故障，增强了系统弹性。实验结果显示，系统在真实部署环境中表现出低延迟（平均0.15秒）、高吞吐（最高229请求/秒）和良好的容错能力，验证了其在大规模、多地点场景中的应用潜力。
该架构不仅提升了多智能体系统的扩展性和安全性，还为未来智能互联网提供了基础设施。通过支持自治Agent的动态注册、任务协作与状态同步，推动Web生态从信息传递向自治协作转变。这一创新方案为构建全球分布式智能网络提供了技术支撑，具有深远的理论与实践意义。
深度分析
研究背景
随着大规模语言模型（LLMs）和自主智能体的发展，传统中心化多智能体系统面临扩展性和安全性瓶颈。早期工作如OpenAGI、MetaGPT等主要集中在单节点或有限规模的协作，缺乏全球范围内的去中心化基础设施。近年来，AIOS等平台开始探索分布式部署，但多依赖集中式注册与调度机制，限制了系统弹性和安全。本研究结合区块链、DHT和Gossip协议，提出了面向全球的AgentSite网络架构，旨在实现自治、弹性和安全的多智能体生态。
核心问题
现有多智能体系统多依赖中心化注册和调度，导致单点故障、扩展受限和安全隐患。随着Agent数量的增加，传统架构难以支持大规模、分布式的Agent交互，亟需一种去中心化、可扩展的基础设施。同时，跨节点通信的延迟和同步问题也制约了系统性能。如何在保证安全的前提下，实现高效、弹性的Agent注册、发现和通信，成为技术难题。
核心创新
本研究的核心创新包括：1）设计了结合MCP和JSON-RPC的标准化通信协议，支持多智能体的结构化交互；2）提出基于DHT和Gossip的去中心化Agent注册与发现机制，避免单点故障，增强系统弹性；3）实现全球范围内的AgentSite网络，支持跨地点、跨平台的自治Agent交互。这些创新突破了传统集中式架构的局限，为大规模自治Agent网络提供了技术基础。
方法详解
- �� 设计基于MCP v1.2.1的通信协议，支持人机和智能体间的结构化请求与响应。
- �� 构建多层架构，包括节点管理、任务调度、状态监控和注册中心。
- �� 采用DHT（如Kademlia）实现Agent的去中心化注册与检索，确保高效性与容错性。
- �� 利用Gossip协议实现节点间的状态同步与信息传播，保证系统一致性。
- �� 设计节点自主注册、任务调度和状态报告流程，支持动态扩展。
- �� 实现安全机制，包括身份验证、消息加密和异常检测。
- �� 进行性能测试，包括延迟、吞吐和鲁棒性验证，确保系统在真实环境中的可用性。
实验设计
在多地点部署环境中，使用真实网络模拟不同负载（50、100、200请求）和并发（5、10、20用户）进行测试。评估指标包括请求响应时间、吞吐率和注册发现效率。对比集中式与去中心化架构，验证系统在高负载下的性能表现。通过故障注入测试，验证系统的容错能力和恢复速度。实验结果显示，系统在不同环境中均能保持低延迟和高吞吐，验证了其可扩展性和鲁棒性。
结果分析
实验数据显示，AIOS服务器在本地环境平均响应时间为0.15秒，最高吞吐229请求/秒，远优于传统架构。去中心化发现机制实现了跨节点的快速注册与检索，支持数百Agent的动态管理。系统在多地点部署中表现出良好的容错性，节点失效后仍能保持网络完整性和响应速度，验证了设计的有效性。这些结果证明了架构在大规模、多地点场景中的实用性。
应用场景
该系统适用于智能城市、分布式AI服务、跨国科研合作等场景。通过支持自治Agent的动态注册与协作，能显著提升多地点、多平台的智能应用效率。企业可利用此架构实现分布式任务调度与数据共享，推动行业数字化转型。未来，结合边缘计算和区块链技术，将进一步增强系统的安全性和扩展能力。
局限与展望
目前系统在极端网络条件下可能出现同步延迟，影响实时性。安全机制仍需加强，防止恶意节点攻击。大规模部署时资源消耗较高，需优化算法以降低成本。未来需解决节点信任评估、数据隐私保护等关键问题，提升系统的实用性和安全性。
通俗解读 非专业人士也能看懂
想象一个大型工厂，每个车间都可以自主安排工作，彼此之间通过无线网络交流信息。每个车间就像一个AgentSite，里面有多个工人（AI智能体），他们可以自己决定做什么，也可以请求邻近的车间帮忙。没有一个中央指挥官，而是每个车间都能自主行动，信息通过类似邮递员的系统（协议）传递。这样，整个工厂可以灵活应对变化，快速合作，避免一个地方出问题就影响全局。这个系统就像未来的互联网，每个AgentSite都是一个自主的小工厂，彼此协作，共同完成复杂任务。
简单解释 像给14岁少年讲一样
你可以把这个系统想象成一个超级大的学校，每个教室都是一个AgentSite，里面有很多学生（AI智能体）。这些学生可以自己决定学习什么，也可以向邻近的教室请教或合作，没有老师在中央指挥。每个教室都能自己安排课程，还能通过无线网络和其他教室交流。比如，一个教室需要帮忙做科学实验，就可以找到附近的教室合作。整个学校就像一个智能的网络，每个教室都很自主，大家一起合作完成大任务。这种方式比传统的学校更灵活、更安全，也更能应对突发情况。
术语表
模型上下文协议 (Model Context Protocol, MCP)
一种标准化的通信协议，用于结构化请求和响应，支持多智能体和人机交互。
本文中用于实现AIOS服务器的通信框架。
分布式哈希表 (Distributed Hash Table, DHT)
一种去中心化的存储和检索机制，支持大规模节点的快速查找。
用于Agent的注册与发现机制。
Gossip协议
一种信息传播协议，通过节点间随机交换状态信息，保证系统最终一致性。
实现Agent状态的同步。
AgentSite
由多个AI智能体组成的自治单元，类似于网站或服务器。
系统中的基本组织单位。
AIOS (AI Agent Operating System)
支持AI智能体开发、部署和运行的操作系统架构。
本文的基础平台。
开放问题 这项研究留下的未解疑问
- 1 如何确保大规模Agent网络中的安全性和信任机制仍需深入研究，特别是在防止恶意节点和数据隐私方面。
- 2 未来需要探索更高效的算法以降低资源消耗，提升系统在极端网络环境下的稳定性。
原文摘要
The internet is undergoing a historical transformation from the "Internet of Websites" to the "Internet of AgentSites." While traditional Websites served as the foundation for information hosting and dissemination, a new frontier is emerging where AgentSites serve as the hubs of the internet, where each AgentSite hosts one or more AI agents that receive tasks, address them, and deliver actionable solutions, marking a significant shift in the digital landscape and representing the next generation of online ecosystems. Under this vision, AIOS, the AI Agent Operating System, serves as the server for the development, deployment and execution of AI agents, which is a fundamental infrastructure for the Internet of Agentsites. In this paper, we introduce AIOS Server, a runtime framework to host agents and enable global-scale collaboration among decentralized agents. AIOS Server provides a communication protocol leveraging the Model Context Protocol (MCP) and JSON-RPC to enable agent-agent or human-agent interactions. Each AIOS node operates as a server to host and execute agents, while supporting peer-to-peer coordination without reliance on centralized orchestration. Based on AIOS Server, we further present the world's first practically deployed Internet of Agentsites (AIOS-IoA), including AgentHub for agent registration and discovery and AgentChat for interactive communication, at https://planet.aios.foundation. The agent discovery mechanism based on Distributed Hash Tables (DHT) and a Gossip protocol serves as the search engine for the internet of agentsites. This work provides a practical foundation for building the Internet of Agentsites-a new paradigm where autonomous agents become first-class citizens of the web. The implementation is available at https://github.com/agiresearch/AIOS.Server and is integrated into the AIOS main branch at https://github.com/agiresearch/AIOS.