Atlassian今日正式发布“代理多人协议”（Agentic Multiplayer Protocol, AMP），旨在重构人类与AI代理在共享上下文及任务中的协作范式。在Team ‘26 Europe大会上，该公司提出将AI代理视为员工，纳入受完全治理的工作系统，使其能在开放环境中与人类并肩作业。
AMP的核心在于为每个代理提供必要的数据上下文，同时通过管理员分配的标识严格限制其权限与作用域，确保平台安全性。Atlassian AI产品负责人Jamil Valliani将这一模式比作“多人游戏”，强调人类与代理在动态空间中的协同效应。他重申公司内部准则：“无头软件意味着无脑软件”，指出自主性若缺乏团队合作则毫无意义，AI不应在无人干预下肆意运行。
Rovo Work：从执行到自我进化的自主实体
作为AMP理念的具体落地，Atlassian推出了Rovo Work。这是AI助手Rovo Chat的新模式，专为处理需人类审查批准的复杂多步骤长期任务而设计。用户设定目标、审查计划并纠正偏差，而Rovo负责执行。Valliani表示，启用Rovo Work即授予其释放全部能力的许可。
Rovo的能力已超越简单任务执行。面对训练数据中缺失信息的陌生任务时，它能尝试“自我训练”。例如，在生成Instagram短视频片段时，Rovo并未依赖既有关联内容，而是主动研究指令、学习输出格式并调用视频合成工具。这种从“检索已有知识”到“学习如何做事”的转变，标志着AI行为模式的根本性进化。此外，高级用户还可利用Rovo在工作中生成自定义技能，尽管并非所有习得行为均可导出。
Loom：以视觉指引替代提示工程
为降低普通用户使用门槛，Atlassian将旗下视频通讯产品Loom集成至AI工作流，践行“展示而非告知”的理念。用户可通过录制屏幕操作、圈选界面元素或演示点击过程，为AI代理提供直观指导。Valliani解释，Loom能捕捉用户的语音解说及屏幕指向动作，并将其格式化为精准的提示词。这种结合视觉上下文与文字说明的方式，有效解决了人类难以用语言精确描述需求的痛点，大幅提升了沟通效率。
拓展代码边界与上下文视野
针对开发者群体，Atlassian通过Rovo Code Search将源代码纳入团队协作图（Teamwork Graph）。该引擎映射人员、代码与文档间的关系，并结合存储在Databricks、Snowflake及Google BigQuery等平台中的结构化业务数据，赋予AI代理更广阔的视野，使其不仅理解软件构建逻辑，更能洞察背后的业务目的。
同时，Atlassian扩展了模型上下文协议（MCP）服务器，为外部编码及AI代理提供进入平台的通用接口。目前，MCP服务器已暴露200种工具，日均处理约1500万次调用。这一举措使Atlassian从单一数据源转变为共享工作区，代理可在此留下工作成果供人类或其他代理接手。正如在Confluence中实时协作编辑文档一样，AI代理现在拥有明确的公司位置、角色与权限，真正融入团队的“多人游戏”之中。