据SiliconANGLE报道，Atlassian公司10月7日在欧洲Team ‘26大会上宣布推出Agentic Multiplayer Protocol（AMP）平台更新，试图让人工智能代理与人类员工在同一数字空间内共享上下文和任务，协同完成工作。

Atlassian表示，AMP希望让AI代理像员工一样工作，并把“多人”模式纳入完全受治理的工作系统，使人类和代理能够在开放环境中并肩操作。该协议为代理提供数据上下文，同时设置限制，包括由管理员分配的身份、权限和范围。AI产品负责人贾米尔·瓦利亚尼（Jamil Valliani）对SiliconANGLE说：“这是一场多人游戏。人类和代理在一个非常动态的空间里合作，有很多参与者。”他同时强调代理不能失控。瓦利亚尼提到公司内部一句话：“无头软件意味着无脑软件。”Atlassian的角色不只是提供软件让自主代理在无人参与下运行；自主性有用，但脱离团队协作就失去意义。

Atlassian宣布推出Rovo Work，这是Rovo Chat的新模式，用于处理需要人类审核和批准的复杂、多步骤任务，面向长周期工作。瓦利亚尼说，用户把查询发送给Rovo Work，等于授权Rovo去充分释放自己。Rovo还能在遇到不熟悉、训练数据中没有所需信息的任务时尝试自我训练。在一个案例中，一名产品经理要求它制作适合Instagram的短视频，Rovo没有使用基础模型中的既有内容，而是研究正确指令，学习输出格式，并获取视频合成工具。这不同于标准AI模型先问“训练数据中是否已有”，而是转向“我如何学会做这件事”。瓦利亚尼确认，高级用户可让Rovo在工作中生成自定义技能，但这是单独支持的能力，并非每种学习行为都会变成可导出技能。他说：“我们无法真正想象客户会要求它释放什么创造力。我们希望客户去挑战它，告诉它真正想要什么。”

Atlassian还把开发者长期用于编码代理的“展示而非讲述”带给日常用户。Loom允许用户录制自己和电脑屏幕的视频并分享以提供指令，也可用于指导代理。例如，用户可以用Loom在界面画圈，展示按钮被点击和信息输入字段。AI代理的问题不总是智力，有时人类难以用文字解释想要什么；如果能在文字之外直观指出需求，比如“把这个放大、移动这里、变成绿色”，过程会变得简单。瓦利亚尼说：“有了Loom，它会捕获你说的话，以及你在屏幕上指向的实际引用，然后把它格式化成提示。”

面向开发者，Atlassian的平台更新扩大了AI代理的上下文和运行环境。Rovo Code Search把源代码带入Teamwork Graph，这是一个映射人、代码和文档关系的集中式数据智能和上下文引擎。Data Context把这一视图扩展到Databricks、Snowflake和谷歌BigQuery等平台中的结构化信息，让代理不仅看到软件如何构建，也看到围绕为何构建它的业务信息。扩展的Model Context Protocol服务器为外部编码和AI代理提供进入其平台的通用接口。瓦利亚尼说，这些交互中相当一部分现在涉及代理写回信息，而不仅是检索信息。