В действующих сегодня сетях IP-телефонии нет единого стандарта, регламентирующего передачу аудио- и видеотрафика. Существуют три основных конкурирующих между собой семейства протоколов, реализующих свой подход к построению IP-сети.

Протокол H.323

Исторически первый и наиболее распространенный протокол, точнее набор рекомендаций для мультимедийных приложений в вычислительных сетях, не обеспечивающих гарантированное качество обслуживания (QoS), был принят Международным союзом электросвязи (ITU) в 1996 году. Основой H.323 послужила разработанная еще в 1990 году, задолго до появления IP-телефонии, спецификация H.320 и последовавшая за ней серия рекомендаций H.32x, регламентировавших видеоконференцсвязь в сетях ISDN. Стремление перенести традиционную телефонию в IP-сети, плохо приспособленные для передачи аудио- и видеопотоков, оправдывалось наличием уже сложившейся развитой структуры таких сетей. Рекомендации H.323 охватывают сервисы передачи голоса, видео- и цифровых данных в сетях с коммутацией пакетов и предусматривают:
управление полосой пропускания;
стандарты для аудио- и видеокодеков;
кроссплатформенность;
межсетевые конференции для разнородных сетей;
поддержку многоточечных конференций – три и более участников;
поддержку многоадресной передачи в многоточечной конференции;
поддержку групповой адресации.

Протокол SIP

Второй по распространенности протокол IP-телефонии – протокол инициирования сеансов связи SIP (Session Initiation Protocol), впервые появился в марте 1999 года. Разработанный в рамках IETF и описанный в рекомендациях RFC 2543 этот протокол прикладного уровня регламентирует установление, изменение и завершение мультимедийных сеансов с одним или несколькими участниками. SIP, являясь клиент-серверным протоколом, подобно HTTP и SMTP работает на основе последовательных запросов-ответов. Как и HTTP, SIP реализован с помощью текстовых тегов – все SIP-заголовки передаются в виде ASCII-текста, что упрощает его использование в приложениях. Сегодня масса производителей программного обеспечения и аппаратуры обеспечивает поддержку SIP.

По мнению разработчиков, SIP не претендует на роль ведущего стандарта, а лишь дополняет другие протоколы. В отличие от H.323, являющегося семейством протоколов, SIP – это лишь один из нескольких протоколов, взаимодействующих друг с другом с целью организации сеансов передачи медийных потоков по сетям VoIP. Тем не менее, многие аналитики уверены, что именно SIP придет на смену H.323, ныне господствующему в корпоративных приложениях VoIP. Уже сейчас SIP протокол получил поддержку Microsoft, став ключевым компонентом приложения Windows Messenger. Сеть Instant Messaging Network агентства Reuters и система распределенной IP-телефонии Interactive Multimedia Server, разработанная Nortel Networks, так же основаны на протоколе SIP.

Протокол MGCP

Третий из рассматриваемых протоколов появился в октябре 1999 года в результате объединения двух протоколов – SGCP (Simple Gateway Control Protocol) и IPDC (Internet Protocol for Device Control), за созданием которых стояли компании Bellcore, Cisco Systems и Level 3. Интересно отметить, что ITU и IETF, развивающие свои протоколы - H.323 и SIP, плодотворно сотрудничая в работе над MGCP, создали протоколы MEGACO (в рамках IETF) и H.248 (в рамках ITU). У Cisco Systems так же есть своя реализации MGCP-подобного протокола – SSCP (Skinny Station Control Protocol).

Протокол управления шлюзами MGCP (Media Gateway Control Protocol) и родственные спецификации - SGCP, IPDC, MEGACO, H.248 основаны на жесткой иерархии, подразумевающей всего два функциональных компонента и полное отделение управления сигнализацией от медиа-потоков. Управление сигнализацией осуществляется центральным управляющим устройством – контроллером сигнализаций, а медиа-потоки обрабатываются шлюзами или абонентскими терминалами – IP-телефонами. Функциональное назначение конечных исполнительных устройств – шлюзов (или абонентских терминалов) определяется набором понятных им команд, поступающих в простом текстовом формате от контроллера сигнализаций. Он же задает и ориентацию соединений между конечными устройствами на передачу голоса, факсимильных сообщений или цифровых данных.