Atlassian 推出 AMP 以治理人类与 AI 代理团队

2026 年 10 月 7 日，Atlassian 正式宣布了 Agentic Multiplayer Protocol，简称 AMP。该计划旨在帮助组织创建、运行和监督由人类和人工智能代理组成的混合团队。发布会在公司年度大会上进行，定位为对日益增长的可视化和控制需求的回应，因为 AI 代理正成为关键工作流中的活跃协作者。

AMP 是什么，Atlassian 如何定义它？

根据 Atlassian AI 副总裁 Jamil Valliani 的说法，AMP 不是正式标准，而是一套集成的技术、用户界面模式和治理机制。核心理念是提供一个层，使管理员能够将 AI 代理视为拥有明确权利和责任的团队成员，而无需采用外部协议或为每个 AI 供应商制定专属规范。

基于 Teamwork Graph 的架构

AMP 依托 Teamwork Graph 基础设施，这是 Atlassian 用于在人、项目和内容之间共享上下文的关系型数据引擎。通过该图谱，上下文信息以细粒度权限传播，并记录在详细审计日志中。每个实体——无论是文档、任务还是代理——都关联到图中的一个节点，从而在整个 Atlassian 产品生态系统中一致地应用权限和访问历史。

代理治理与管理员控制

在管理控制台中，AI 代理以独立账户形式出现，管理员可以看到这些账户。从该视图，负责人能够审查每个代理执行的操作、暂停其账户、修改其权限或阻止其访问特定工具。此控制模型遵循最小特权原则，使代理仅获得完成任务所必需的权限，从而降低企业环境中的风险面。

受支持的代理可以像人类用户一样作为团队成员加入，使用内部的多方计算（MCP）和代理对代理（A2A）协议，这些协议已经在 AMP 背后运行。此外，平台还能捕获外部代理会话——例如从外部应用调用 OpenAI 模型时——并将这些交互关联到 Jira 中的工单。这样，代理的每一步操作都会记录在工单中，便于审计、问题排查和责任追溯。

Rovo Work 扩展与长任务规划

在 AMP 生态系统中，Rovo Work 功能引入了创建长期任务的能力，具备可审查的计划、自动通知和受限权限。这些任务可以分配给代理或混合团队，进度实时更新在项目控制台中。结构化的计划与细粒度访问控制相结合，使涉及 AI 的复杂项目在保持灵活运营的同时，仍能保持清晰的可追溯性。

AMP 的推出正值企业对 AI 代理可视化与可控性需求激增的关键时刻。Atlassian AI 副总裁 Jamil Valliani 强调，AMP 并非传统意义上的标准，而是一套完整的技术堆栈、界面模式与治理机制，旨在让管理员能够把 AI 代理视作拥有明确权利与责任的团队成员。通过统一的层级，组织无需为每家 AI 供应商单独制定规范，就能在同一平台上统一管理人类与机器协作者，从而降低跨系统的复杂度并提升整体运营效率。

Teamwork Graph 作为 AMP 的底层支撑，提供了在人、项目和内容之间共享上下文的关系型数据引擎。每一个实体——无论是文档、任务还是 AI 代理——都映射为图中的节点，权限以细粒度方式沿图传播，并在审计日志中留下完整痕迹。此结构确保了跨产品的上下文一致性，使得在 Jira、Confluence 等工具中进行的任何操作都能即时反映在图谱上，进而实现统一的访问控制与历史追溯。

在管理员控制台中，AI 代理以独立账户形式出现，管理员可以直接查看其活动、暂停账户、调整权限或阻断其对特定工具的访问。AMP 采用最小特权原则，仅授予代理完成任务所必需的权限，显著降低潜在风险。同时，平台能够捕获外部代理的会话，例如通过 OpenAI、Anthropic 等模型的调用，并将这些交互自动关联到相应的 Jira 工单，确保每一步操作都有据可查，便于审计与问题排查。

Rovo Work 为 AMP 增添了长任务管理能力，支持可审查的计划、自动通知以及受限权限的细粒度控制。团队可以将复杂的项目拆分为可追踪的阶段，分配给人类或 AI 代理执行，进度实时同步至项目控制台。尽管架构已准备好记录操作并执行策略，真正的治理效果仍依赖于第三方供应商通过 AMP 连接器提供完整的数据与实时控制能力，这也是 Atlassian 当前面临的主要挑战。

Atlassian 指出的主要挑战在于，AMP 所承诺的可视化和治理取决于外部供应商的有效集成。虽然架构已准备好记录操作并执行策略，但记录的质量以及实时控制的能力取决于每个第三方代理通过 AMP 连接器提供必要数据的程度。实际上，管理员现在拥有统一的控制台，可审计、暂停和重新配置代理，但完整治理模型的有效性仍需 AI 合作伙伴采用 Atlassian 定义的集成机制。