Atlassian 推出 AMP 以治理人類與 AI 代理團隊

2026 年 10 月 7 日，Atlassian 正式宣布了 Agentic Multiplayer Protocol，簡稱 AMP。此計畫旨在協助組織建立、運作與監督由人類與人工智慧代理組成的混合團隊。發表會於公司年度大會上舉行，定位為回應日益增長的可視化與控制需求，因為 AI 代理正成為關鍵工作流程中的活躍合作者。

AMP 是什麼，Atlassian 如何定義它？

根據 Atlassian AI 副總裁 Jamil Valliani 的說法，AMP 不是正式標準，而是一套整合的技術、使用者介面模式與治理機制。核心概念是提供一層，使管理員能將 AI 代理視為擁有明確權利與責任的團隊成員，而無需採用外部協議或為每個 AI 供應商制定專屬規範。

基於 Teamwork Graph 的架構

AMP 依賴於 Teamwork Graph 基礎設施，這是 Atlassian 用於在人、專案與內容之間共享上下文的關係型資料引擎。透過此圖譜，上下文資訊以細粒度權限傳播，並記錄於詳細稽核日誌中。每個實體——無論是文件、任務或代理——皆關聯到圖中的一個節點，從而在整個 Atlassian 產品生態系統中一致套用權限與存取歷史。

代理治理與管理員控制

在管理控制台中，AI 代理以獨立帳戶形式出現，管理員可以看到這些帳戶。從此視圖，負責人能審查每個代理執行的操作、暫停其帳戶、修改其權限或阻止其存取特定工具。此控制模型遵循最小特權原則，使代理僅獲得完成任務所必需的權限，從而降低企業環境中的風險面。

受支援的代理可以像人類使用者一樣作為團隊成員加入，使用內部的多方計算（MCP）與代理對代理（A2A）協議，這些協議已在 AMP 背後運作。此外，平台還能捕獲外部代理會話——例如從外部應用呼叫 OpenAI 模型時——並將這些互動關聯到 Jira 中的工單。如此，代理的每一步操作皆會記錄在工單中，便於稽核、問題排查與責任追溯。

Rovo Work 擴充與長任務規劃

在 AMP 生態系統中，Rovo Work 功能引入了建立長期任務的能力，具備可審查的計畫、自動通知與受限權限。這些任務可分配給代理或混合團隊，進度即時更新於專案控制台中。結構化的計畫與細粒度存取控制相結合，使涉及 AI 的複雜專案在保持彈性運營的同時，仍能保持清晰的可追溯性。

AMP 的推出正逢企業對 AI 代理可視化與風險控制需求急速上升。Atlassian 以「代理即成員」的思路，將 AI 代理納入既有的團隊治理框架，避免另建孤立系統，讓組織在同一平台上同時管理人類與機器的工作流程。此舉不僅降低部署成本，也為未來多元 AI 供應商的接入奠定統一基礎，確保在快速迭代的 AI 生態中仍能保持合規與可追溯。

Teamwork Graph 作為 AMP 的底層資料模型，將人、專案、文件與 AI 代理全部映射為圖譜節點。每筆上下文資訊在圖中傳遞時，都會套用細粒度的存取權限，並同步寫入稽核日誌。這意味著無論是任務說明、程式碼片段或模型輸出，都能在同一圖譜中追溯其來源與變更歷程，為跨產品的協作提供一致且可驗證的資料基礎。

在管理控制台中，AI 代理以獨立帳號顯示，管理員可即時檢視其執行紀錄。透過介面，負責人能暫停帳號、調整權限或阻斷特定工具的存取，所有變更皆記錄於圖譜的稽核流。此最小特權設計確保代理只能取得完成指派任務所必需的資源，從而將潛在的安全與合規風險限制在可控範圍內。

AMP 的治理效能高度依賴第三方 AI 供應商提供的連接器。若 OpenAI、Anthropic、Cursor、Figma 等合作夥伴能完整遵循 Atlassian 定義的 MCP 與 A2A 協議，則代理的外部會話、輸入輸出都能即時映射至 Jira 工單，實現全程稽核。相反，若整合不完整，則可視化與即時控制的承諾將受限，管理員仍只能看到部分資訊。因而，AMP 的成功關鍵在於生態系統夥伴的配合與技術落實。

Atlassian 指出的主要挑戰在於，AMP 所承諾的可視化與治理取決於外部供應商的有效整合。雖然架構已準備好記錄操作並執行策略，但記錄的品質以及即時控制的能力取決於每個第三方代理透過 AMP 連接器提供必要資料的程度。實際上，管理員現在擁有統一的控制台，可稽核、暫停與重新配置代理，但完整治理模型的有效性仍需 AI 合作夥伴採用 Atlassian 定義的整合機制。