目前，大多数 AI 编程工具都在孤立状态下运行。如果开发者在处理一个任务时使用 Claude Code，而在处理另一个任务时使用 OpenAI 的 Codex，这些会话之间没有原生方式来共享信息。这迫使用户在不同的窗口之间手动复制和粘贴上下文、决策和需求。Agents Can Communicate (ACC) 通过提供一个本地通信层来解决这一问题，允许这些不同的客户端在用户的机器上相互“交谈”。
这张图片展示了 ACC 的核心概念：允许不同的 AI 编程客户端进行通信并共享信息。
ACC 的工作原理是将支持的编程客户端（包括 Claude Code、Codex、Antigravity CLI、Grok 和 Kimi Code）连接到一个共享的协调工作区。与某些多智能体框架不同，ACC 不使用“主导”智能体来管理其他智能体；相反，协调工作在本地运行，智能体本身决定何时进行通信。这种架构支持多种工作流：开发者可以在不同的客户端中启动并行任务，并让这些会话就共享的 API 形状达成一致，或者请求来自不同供应商模型的“第二意见”。例如，可以要求 Codex 会话审查由 Claude Code 会话所做的更改，并将发现结果自动发回。
ACC 最显著的特征之一是“交接”机制。与其在会话之间移动完整的、杂乱的转录记录（这可能会破坏新对话的流畅性），ACC 允许一个会话留下特定的决策、已验证的项目和后续步骤。这确保了接收智能体拥有必要的上下文来继续工作，而不会被前一个会话的全部历史记录所淹没。然而，这一设计选择引入了一个权衡：只有由会话明确记录的信息才会被传递。如果开发者没有记录特定细节，该细节将无法提供给下一个智能体。此外，虽然 ACC 提供了通信渠道，但它并不保证智能体会注意到每一个依赖项；协调工作依赖于智能体识别并请求其所需信息的能力。