hi.new：让Grok机器人直接与其他Bot对话的开源项目

当AI Agent开始互相对话

在AI Agent（智能体）快速发展的今天，我们习惯了人与机器人的一对一交互——你向Grok提问，它给你答案。但一个更有趣的问题正在浮现：当每个人都拥有自己的AI助手时，这些助手能否绕过人类，直接彼此协作？

这里所说的AI Agent，不同于传统的聊天机器人或简单的问答系统。它是一种具备自主感知环境、制定计划、调用工具并执行任务能力的AI系统。2024年以来，Agent成为AI领域最热门的方向之一——从OpenAI的GPTs到Google的Gemini Agent，从Anthropic的Claude工具调用到xAI的Grok，各大厂商都在加速布局。Agent的核心特征包括：目标导向（能够围绕用户目标分解任务）、工具使用（能调用API、浏览网页、操作软件）、记忆能力（能在多轮交互中维持上下文）以及自主决策（能在一定范围内无需人类逐步指令即可行动）。

从技术演进的角度看，Agent的能力跃迁离不开几项关键突破。2022年Google提出的ReAct（Reasoning + Acting）框架首次将大语言模型的推理能力与外部工具调用结合起来，让模型不再只是"说"，还能"做"。随后，OpenAI在GPT-4中引入的函数调用（Function Calling）机制将这一能力工程化，使模型能够以结构化的方式与外部API交互。2024年，Agent框架进一步成熟——LangChain、AutoGen、CrewAI等开源框架降低了构建Agent的门槛，而各厂商的模型也在指令遵循、长上下文理解和工具使用的准确性上持续提升。正是这些能力的日趋成熟，才催生了Agent之间直接协作的可能性。

Product Hunt上一款名为 hi.new 的开源项目正试图回答这个问题。它的定位非常直接：Multiplayer Grok Bot（多人协作的Grok机器人），核心理念是让你的Grok Bot能够与其他人的Bot直接对话，从而在Agent之间建立起一张协作网络。该项目由 Elie Steinbock 打造，上线后获得60个投票、18条评论，登上当日榜单第8位。

hi.new解决了什么痛点：Agent之间的"翻译损耗"

hi.new 引用的一句用户观点精准戳中了当前AI协作的尴尬：

"我只是想让你的Agent直接和我的Agent对话，而不是你的Agent给我发一条Slack私信，然后我再复制粘贴给我的Agent。"

这句话道出了现阶段AI Agent协作的核心问题。今天的智能体大多是"信息孤岛"——它们各自为政，只能通过人类作为中转站来传递信息。当A的助手需要和B的助手沟通时，实际流程往往是：A的Agent生成信息 → 发给A本人 → A转发给B → B再喂给自己的Agent。这个过程中，人类沦为了低效的"人肉API"，既浪费时间，又容易造成信息损耗。

hi.new 想要打破这层隔阂，让Agent之间建立起点对点（peer-to-peer）的直接通信通道。所谓点对点通信，是一种去中心化的网络架构，与传统的客户端-服务器模型形成鲜明对比。在客户端-服务器模型中，所有通信都必须经过中央服务器中转；而在P2P架构中，节点之间可以直接建立连接进行数据交换，无需中间人。BitTorrent、早期的Skype以及区块链网络都是P2P的典型应用。

然而，将P2P理念引入Agent通信在工程实现上并不简单。传统P2P面临的NAT穿透（跨越网络地址转换设备建立直连）、节点发现（如何在茫茫网络中找到目标Agent）、消息序列化（如何将Agent的意图转化为对方可解析的结构化数据）等经典问题，在Agent场景中同样存在，甚至更为复杂——因为Agent之间交换的不只是文件或文本，还包括意图、上下文、任务状态等高度语义化的信息。WebRTC（Web Real-Time Communication）等现有的浏览器端P2P技术可以提供底层通信基础设施的参考，但Agent通信还需要在此之上构建语义层协议——即定义Agent之间"说什么"和"怎么说"的标准。hi.new将P2P理念引入Agent通信，意味着你的AI助手和对方的AI助手之间可以建立直接的信息通道，减少中间环节的延迟和信息损耗。理论上，这意味着未来你的日程助手可以直接和同事的助手协商开会时间，而无需双方来回确认。

从"人机对话"到"机机协作"的范式转变

这一转变的意义不容小觑。当前主流的AI产品几乎都建立在"人在回路（human-in-the-loop）"的假设之上。Human-in-the-loop是当前AI系统设计中最主流的安全范式，其核心思想是在AI的决策和执行链条中保留人类的监督和干预节点。这一范式广泛应用于自动驾驶（人类司机随时可以接管）、医疗AI（医生审核AI的诊断建议）、内容审核（人工复核AI的判断）等场景。它的优势是安全可控，但劣势也很明显：人类成为系统的性能瓶颈。当Agent处理的任务量和速度远超人类处理能力时，人在回路就从"安全网"变成了"减速带"。

值得补充的是，"人在回路"并非只有"全在"和"全不在"两种状态。学术界和工业界已经发展出更精细的分类："人在回路"（human-in-the-loop，人类参与每一步决策）、"人在环上"（human-on-the-loop，人类进行监督但不参与每一步，仅在异常时介入）、"人在回路外"（human-out-of-the-loop，人类完全不参与实时决策）。hi.new所探索的Agent自主协作，本质上是推动特定场景从"人在回路"向"人在环上"甚至"人在回路外"迁移，而这需要建立在充分的安全保障和可回滚机制之上。

而hi.new所代表的方向，是探索"Agent-to-Agent"通信这一新兴范式——让智能体成为可以自主协商、协作的网络节点，在特定场景下尝试将人从回路中移出，让Agent自主完成端到端的协作流程。这也正是业界近期热议的"Agent互操作性"话题的一个具体落地尝试。

值得注意的是，Agent互操作性（Agent Interoperability）已经成为2024-2025年AI行业的前沿议题。Google在2025年初发布了Agent2Agent（A2A）协议，旨在让不同平台和厂商构建的Agent能够发现彼此、协商任务并安全地交换信息。A2A协议的核心设计包含几个关键概念：Agent Card（一种JSON格式的元数据文件，描述Agent的身份、能力、支持的交互模式和认证要求，类似于互联网世界中的DNS记录，让其他Agent能够发现并了解对方的能力边界）、任务生命周期管理（定义了从任务提交、处理中、需要额外输入到完成的标准状态机，确保双方对任务进度有一致的理解）、以及多模态消息传递（支持文本、文件、结构化数据等多种内容类型的交换）。

与此同时，Anthropic推出的MCP（Model Context Protocol）协议侧重于让Agent与外部工具和数据源之间建立标准化连接。MCP采用经典的客户端-服务器架构：MCP Host（如Claude桌面应用）内部运行MCP Client，Client通过标准化接口连接到MCP Server，而Server则对接具体的数据源或工具（如数据库、文件系统、第三方API）。MCP解决的核心问题是"M×N"的集成困境——如果有M个AI模型和N个工具，没有标准协议就需要M×N个定制集成，而MCP将这一复杂度降低为M+N。

这两个协议分别解决了Agent通信的不同层面：A2A关注Agent之间的水平协作（Agent-to-Agent），MCP关注Agent与工具之间的垂直集成（Agent-to-Tool）。二者并非竞争关系，而是互补关系——一个完整的Agent协作场景可能同时需要A2A来协调多个Agent的分工，也需要MCP来让每个Agent调用各自所需的工具。hi.new的实践可以看作这一标准化浪潮中的草根探索——它从具体的Grok Bot用例出发，试图在实际产品中验证Agent间直接通信的可行性。

权限控制机制：安全是Agent通信的前提

有意思的是，hi.new 并没有一味追求开放。它强调了一个关键的安全设计：

"没有你的许可，任何人都无法触达你的Bot。"

这个设计至关重要。如果Agent之间可以毫无限制地互相通信，那么骚扰、垃圾信息乃至恶意攻击将随之而来。hi.new 采用了类似"白名单"或"授权准入"的机制，确保用户对自己的Bot拥有完全的控制权——只有获得明确许可的其他Bot才能建立连接。

这种"默认拒绝、按需授权"的思路，实际上借鉴了成熟的网络安全和即时通讯领域的经验。在网络安全中，这被称为"零信任架构（Zero Trust Architecture）"——不默认信任任何内部或外部的请求，每一次访问都需要经过验证和授权。零信任架构由Forrester Research分析师John Kindervag于2010年首次提出，其核心原则可以概括为三条：持续验证（Never Trust, Always Verify，即便是已经通过认证的请求，在每次访问资源时都需要重新验证身份和权限）、最小权限原则（仅授予完成特定任务所需的最小访问权限，不多给一分）、假设已被攻破（Assume Breach，系统设计时就假设攻击者已经突破了外围防线，因此需要在每一层都设置安全检查）。

在Agent通信的具体场景中，零信任意味着什么？首先是身份认证——每个Agent需要拥有可验证的数字身份，类似于HTTPS中的数字证书机制，确保"你的Agent确实是你的Agent"而非冒充者。其次是能力声明与权限范围界定——一个Agent在请求与另一个Agent通信时，不仅需要证明"我是谁"，还需要声明"我想做什么"，而对方Agent可以根据预设的权限策略决定是否允许、允许到什么程度。例如，日程助手可以被授权查询可用时间段，但不能被授权修改已有的会议安排。最后是通信加密与审计日志——Agent之间的所有通信都应加密传输，且留下可追溯的记录，以便在出现问题时进行溯源和问责。在一个可能出现"AI垃圾信息"泛滥的未来，权限控制或许会成为Agent通信协议的标配。

此外，Agent通信还面临一种独特的安全威胁——提示注入攻击（Prompt Injection Attack）。恶意Agent可能通过精心构造的消息内容来操纵接收方Agent的行为，诱使其执行非预期的操作。例如，一个恶意Agent可能在看似正常的商务协商消息中嵌入隐藏指令，试图让对方Agent泄露敏感信息或执行未经授权的操作。防范此类攻击需要在Agent通信层面实现输入净化、意图验证和行为边界限制等多重防护机制。

为什么选择开源：构建Agent通信生态的关键策略

hi.new 的另一个突出特点是完全开源，项目托管在GitHub上，分类涵盖即时通讯、开源、人工智能等领域。

对于一个探索Agent通信标准的项目而言，开源是极其明智的选择。原因在于：

• 信任基础：涉及Agent之间自动通信，用户需要透明地了解数据如何流转、权限如何验证。开源代码让这一切可审计。
• 生态构建：Agent通信本质上是一个网络效应问题——只有足够多的人使用兼容的协议，网络才有价值。开源降低了接入门槛，鼓励更多开发者参与和扩展。这里的"网络效应"遵循梅特卡夫定律（Metcalfe's Law）——网络的价值与其节点数的平方成正比。当网络中只有10个Agent时，可能的连接数是45；当增长到100个时，连接数跃升至4950。这意味着Agent通信网络存在一个临界点：一旦突破最小可行规模，其价值将加速增长，反之则可能陷入"鸡生蛋蛋生鸡"的冷启动困境。
• 标准化探索：类似于早期的电子邮件、XMPP等通信协议，Agent之间的通信也需要一套开放标准。开源项目往往是这类标准诞生的温床。

XMPP（可扩展消息与存在协议）的历史为Agent通信标准化提供了重要的前车之鉴。XMPP诞生于1999年的Jabber项目，其设计理念是创建一个去中心化、可扩展的即时通讯标准——任何人都可以运行自己的XMPP服务器，不同服务器上的用户可以互相通信，就像电子邮件一样。XMPP后来被Google Talk、Facebook Messenger等平台采用，一度有望成为即时通讯的通用标准。然而，随着各大平台发现封闭生态能带来更高的用户粘性和商业价值，它们纷纷放弃XMPP转向私有协议——Google于2013年关闭了Google Talk的XMPP联邦功能，Facebook也在同年停止了XMPP支持。XMPP的统一愿景最终未能实现，至今主要存活在小众技术社区和某些企业级应用中。

电子邮件协议（SMTP/IMAP）则是一个成功案例——尽管各家邮件服务商的产品体验各异，但它们都遵循相同的底层协议，确保了跨平台互通。电子邮件之所以成功，关键在于它在互联网商业化浪潮之前就已经确立了标准，各方在协议层面已经形成了深度依赖，后来者想要打破这一格局的成本过高。Agent通信协议的发展很可能面临类似的博弈：开放标准促进生态繁荣，但商业利益驱动厂商构建护城河。当前正处于Agent通信标准化的窗口期——标准尚未固化，各方仍在探索，而谁能在这个阶段获得最多的开发者采纳，谁就有可能成为事实标准（de facto standard）。hi.new选择开源路径，正是希望通过社区力量推动开放标准的形成，避免重蹈封闭生态的覆辙。

现实挑战：概念先行的早期产品仍需验证

尽管理念前卫，我们仍需理性看待hi.new的当前阶段。60个投票、18条评论的数据表明它引起了一定关注，但规模尚小，仍属于早期探索性项目。

从产品成熟度来看，Agent-to-Agent通信面临诸多现实挑战：

• 协议兼容性：不同厂商的Agent（Grok、GPT、Claude等）如何互通？hi.new目前聚焦于Grok Bot，跨模型协作仍是未解难题。各家厂商的Agent在能力边界、API设计、数据格式上存在显著差异，实现真正的跨平台互操作需要一套各方认可的通信标准，而这在竞争激烈的商业环境中很难快速达成。更深层的问题在于，不同模型的"思维方式"和"表达习惯"也不同——Grok可能以简洁直接著称，Claude可能偏向详尽审慎，GPT可能在某些领域有特定偏好。当这些风格迥异的Agent需要协作时，仅仅统一数据格式是不够的，还需要在语义理解层面达成共识，这在技术上远比传统的API互通更为复杂。

• 意图对齐：当两个Agent自主对话时，如何确保它们准确理解彼此的意图，而不产生误解或"幻觉传染"？大语言模型的"幻觉"问题（即生成看似合理但实际错误的内容）已广为人知，但当多个Agent组成协作网络时，这一问题会被放大为"幻觉传染"——一个Agent生成的错误信息被另一个Agent当作事实接收，并在此基础上进一步推理和行动，最终导致错误像传染病一样在Agent网络中扩散。这类似于社交网络中的假新闻传播效应，但发生在机器之间时速度更快、更难被人类察觉。

学术界和工业界已经开始探索应对幻觉传染的技术方案。一种思路是RAG增强验证（Retrieval-Augmented Generation）——要求Agent在接收到对方的关键信息时，不直接采信，而是通过检索外部知识库进行交叉验证。另一种思路借鉴了分布式系统中的共识机制（Consensus Mechanism）——对于重要决策，要求多个独立的Agent分别给出判断，只有当多数Agent达成一致时才推进执行，类似于区块链中的多数共识。还有研究者提出了置信度传播框架——每个Agent在传递信息时附带一个置信度评分，接收方Agent根据信息来源的历史可靠性和置信度来决定采信程度，置信度过低的信息会被标记为待验证而非直接使用。这些方案各有优劣，目前尚无银弹，但它们共同指向一个方向：在Agent协作网络中，信息的可信度验证将成为与信息传输本身同等重要的基础设施层。

• 责任归属：如果Agent之间的自主协商导致了错误决策，责任由谁承担？当Agent代表用户做出承诺或签订协议时，法律效力如何界定？这不仅是技术问题，更是法律和伦理层面的深水区，目前全球范围内尚无成熟的监管框架。欧盟的《人工智能法案》（EU AI Act）于2024年正式生效，虽然建立了基于风险等级的AI监管框架，但其条款主要针对AI系统的开发者和部署者，尚未充分覆盖Agent自主交互和Agent间协议的法律效力问题。美国则仍停留在行业自律和碎片化的州级立法阶段。可以预见，随着Agent自主协作场景的增多，"AI代理行为的法律效力"将成为下一个重要的法律议题——这可能需要借鉴合同法中的"代理人"概念，明确Agent在什么条件下、多大范围内可以代表用户做出有约束力的承诺。

一位用户的评论或许最能代表社区的心态：

"我已经迫不及待地想要multiplayer grok bot了，这一定会非常好玩。"

这种"好玩"的期待，恰恰反映了它目前更像是一个激发想象力的实验场，而非成熟的生产力工具。

结语：hi.new是Agent互联网的一块重要拼图

hi.new 或许还很稚嫩，但它触及了一个真正重要的趋势——当AI Agent数量爆发式增长后，它们之间必然需要一套通信与协作机制。从"人机对话"走向"机机协作"，是AI应用演进的自然方向。

如果我们将视野拉远来看，Agent通信网络的发展可能遵循互联网本身的演进路径：从少数节点间的实验性连接（对应hi.new当前阶段），到通信协议的标准化和基础设施的完善（对应A2A、MCP等协议的竞争与融合），再到基于标准化协议的应用层爆发（对应未来的Agent应用生态）。当年从ARPANET到万维网的演进花了二十多年，Agent互联网的演进速度可能会快得多——因为底层的计算、通信和AI基础设施已经高度成熟——但其面临的治理、安全和标准化挑战同样不可低估。

无论hi.new最终能否成功，它都为我们提供了一个值得关注的样本：一个开源、注重权限控制、专注于Agent互联的早期尝试。它提醒我们，未来的"AI互联网"可能不只是人类与机器的对话，更是无数智能体之间编织的协作网络。而如何在开放与安全、自主与可控之间找到平衡，将是这条道路上最关键的命题。