English | 中文

CoWorker Protocol

你的方法论值三年，别人复制只要三秒。

     

---

你花了三年磨出来的分析方法论，做成 SKILL.md 分享给同事用。

然后发现，别人复制一下文件就拿走了。

反蒸馏说：往里面掺假。我们说：从架构上让他根本拿不到。

coworker serve ./my-skill/

你的 Skill 跑在你的机器上。别人远程调用，只拿到结果。
代码、Prompt、方法论——永远不传输。

反蒸馏是创可贴，Skill-as-API 才是治本。

---

你遇到过这些问题吗？

你做了一个 SKILL.md，被同事蒸馏成了"数字员工"——colleague.skill 三天 6900 star，整个技术圈都在讨论。

然后你意识到：

• 📂 SKILL.md 是纯文本。任何能打开文件的人，都能看到你全部的方法论
• 🔓 没有访问控制。复制一下文件，"你"就跟着别人走了
• 🧪 反蒸馏？往里面掺假？掺假的结果你自己也不能用
• ⏰ 分享过的技能，没有"收回"的机制

现在的 Skill 生态是裸奔的。70 万+ Skills，26% 有安全风险。

---

CoWorker 怎么解决

一条命令，把 SKILL.md 变成安全的 API

export DEEPSEEK_API_KEY=sk-xxx   # 你自己的 LLM key
coworker serve ./my-skill/       # 一条命令，Skill 上线

发生了什么：

你的机器                                调用方
┌─────────────────────┐              ┌─────────────────┐
│  SKILL.md (私有)     │              │                 │
│  + DeepSeek API key  │  ←─XMTP─→  │  只看到:         │
│  + 你的方法论        │   E2E加密    │  名称、描述      │
│  + 你的评分规则      │              │  输入/输出 schema │
│  + 你的知识库        │              │  调用结果         │
└─────────────────────┘              └─────────────────┘
        ↑ 不传输                            ↑ 只有这些

调用方拿到了分析结果，但看不到你的 SKILL.md 怎么写的。

四层保护

保护	做什么	效果
1. Skill-as-API	代码跑在你的机器上	调用只看到结果
2. 信任分层	四级：不信任/已知/内部/特权	你控制谁能调用
3. 自动降级	OKR 完成后权限收回	协作不变成永久开放
4. 技能隐藏	隐藏的技能返回"未知技能"	对方连存在都不知道

和反蒸馏的根本区别

	反蒸馏	Skill-as-API
文件是否暴露	是（虽然掺假了）	否，文件不离开你的机器
你自己能正常用吗	要保留"真版本"	一直是真版本
对方能逆向吗	可以（猫鼠游戏）	不可以（拿不到代码）
协作结束后	文件已经在对方手上	权限自动收回

---

快速开始

体验演示 Bot（30 秒）

pip install agent-coworker
coworker init --name my-agent
coworker bridge start
coworker demo

连接 icy——我们始终在线的 Bot。不需要邀请码：

✓ 连接成功: icy（5 技能: about, ping, stock_info, market_state, deep_analysis）
✓ icy.about('general') → "CoWorker 让 Agent 点对点协作..."
✓ icy.deep_analysis('600519') → [LLM 深度分析报告，课件方法论驱动]
全程 E2E 加密——icy 的实现代码和课件知识未被传输

用你自己的 SKILL.md

export DEEPSEEK_API_KEY=sk-xxx
coworker serve ./my-skill/

# 输出：
#   Skill:       my-skill
#   Description: Your skill description
#   Prompt:      1096 chars (PRIVATE, never transmitted)
#   LLM:         deepseek (deepseek-chat)
#   Dashboard:   http://localhost:8090

别人连接你：

pip install agent-coworker
coworker connect <你的邀请码>
coworker call <你的邀请码> my-skill --input '{"input": "帮我分析茅台"}'
→ [你的 LLM 用你的私有方法论生成的结果]

或者写 Python

from agent_coworker import Agent

agent = Agent("my-bot")

@agent.skill("analyze",
             description="行业分析",
             when_to_use="当需要分析某个行业时",
             input_schema={"topic": "str"},
             output_schema={"report": "str"},
             min_trust_tier=1)
def analyze(topic: str) -> dict:
    # 这段代码不会被协议传输
    # 你的方法论、prompt、知识库——都在这里
    return {"report": my_private_analysis(topic)}

agent.serve()

---

邀请码

coworker invite

# Agent:    my-bot
# 邀请码:    eyJuIjoibXktYm90Ii...
# 短 ID:     my-bot-7d0a24d9
#
# 别人运行：
#   pip install agent-coworker
#   coworker connect eyJuIjoibXktYm90Ii...

• 🔄 可重复使用 — 发给任何人
• 🔒 隐私安全 — 只含路由 ID，不含密钥
• ♻️ 永久有效 — 不过期
• 📋 随处分享 — 微信、飞书、GitHub

---

提示词注入防护

"对方能不能通过构造恶意输入来窃取我的 prompt？"

CoWorker 从架构上解决了这个问题：对方调用的是你的函数接口，不是你的 LLM。 协议传输的是函数返回值，不是 LLM 原始输出。即使对方在输入里塞恶意指令，拿到的也只是你函数的 return 值。

攻击面从 LLM 层收缩到了函数层。

---

异步委托

不是 API 调用——更像发微信。对方不在线也没关系。

coworker request <邀请码> analyze --input '{"topic": "AI agent"}'
→ Task queued: a1b2c3d4...

# 几小时后
coworker result a1b2c3d4
→ {"report": "..."}

消息在 XMTP 网络排队，对方上线自动处理。

---

协议对比

	CoWorker	MCP	A2A	CrewAI
代码隐私	黑箱（仅 schema）	完全暴露	Schema	共享运行时
信任管理	四层 + 自动降级	无	企业 IAM	无
技能隐藏	支持	无	无	无
网络	开放互联网 P2P	本地	企业	单进程
加密	E2E (XMTP)	传输层	TLS	无
中心服务器	无	MCP 服务器	发现服务	运行时
成本	零	服务器费	基础设施	算力费

---

CLI 命令

coworker serve ./skill/         # 一键 Skill-as-API（新！）
coworker wrap ./skill/          # 预览 SKILL.md 解析结果
coworker inspect <邀请码>        # 查看对方的技能详情
coworker mcp serve              # 暴露为 MCP Server（Claude Code 可调用）
coworker init --name my-agent   # 初始化身份
coworker bridge start           # 启动 XMTP bridge
coworker demo                   # 连接演示 Bot
coworker invite                 # 生成邀请码
coworker connect <邀请码>        # 连接协作者
coworker skills configure       # 管理技能可见性
coworker trust list             # 查看信任设置
coworker request <邀请码> <技能>  # 异步委托
coworker tasks                  # 查看任务列表
coworker result <task_id>       # 获取结果

---

跨网验证

Agent	位置	网络
ziway-test	中国北京	中国电信
icy	阿里云	Production

5/5 技能调用通过，全程 XMTP Production E2E 加密。热连接延迟 1.8–2.9 秒。

---

引用

@software{coworker2026,
  title  = {CoWorker Protocol: Privacy-Preserving Agent Skill Collaboration},
  author = {Zhao, Ziwei and Liu, Dantong and Ding, Xizhi},
  year   = {2026},
  url    = {https://github.com/ZiwayZhao/agent-coworker}
}

Advisor: Wenxuan Wang, Renmin University of China

---

GitHub · PyPI · 官网

MIT · Ziwei Zhao, Dantong Liu, Xizhi Ding