HTTPのようなテキストによる呼設定を採用したSIPが、H.323の複雑さを退けてVoIPシグナリングの標準となった経緯

1990年代、IP上で電話呼を実現するために2つの系統が競い合った。ITU-TのH.323は、ASN.1に基づいて構築され、電気通信標準のように設計された、完全かつバイナリ符号化されたマルチメディアシステムを定義した。一方、IETFのSIPはインターネット流の考え方から生まれ、1996年にインターネットドラフトとして初めて回覧され、1999年にRFC 2543として標準化され、その後2002年にRFC 3261となった。

両者を分けた設計上の選択はメッセージそのものであった。SIPは呼をASCIIテキストとして符号化し、招待をURI形式のアドレスを持つリクエストとしてモデル化し、対話をHTTPのように構造化した。すなわちINVITE、応答、ACKである。これによりプロトコルは人間が読めるものとなり、Webのアドレス指定とデバッグの文化と互換性を持つようになった。

批評家は、電話は難しく、SIPの簡素さは部分的には表面的なものにすぎないと正しく指摘した。しかし簡素さが採用競争に勝利した。SIPはインターネットのツールボックスに乗ったが、H.323の複雑さはすべての実装者にとって参入障壁を高めた。標準化団体はSIPを選んだ。3GPPは第3世代モバイルネットワーク向けにこれを選択し、PacketCableはケーブル電話向けに選択した。

このプロトコル戦争の教訓は、最初の実装コストを下げ、支配的なエコシステムの習慣に適合する標準は、より完全な競合相手よりも速く配備され、試験され、改善されるということである。SIPはVoIP、IMS、モバイル電話のデフォルトのシグナリングプロトコルとなった。

呼設定をテキストリクエストとし、Webツールを再利用できるようにした。

テキスト符号化されたメッセージは人間が読めるため、相互運用性のデバッグがバイナリのASN.1よりもはるかに容易になった。

URI形式のアドレス指定により、H.323の多数のエイリアス種別とは異なり、呼がWebのアイデンティティモデルと整合した。

IETFのプロセスは、ITUの完全なシステム定義よりも速く簡潔な仕様を生み出した。

3GPPとPacketCableによる採用により、SIPはモバイルおよびケーブルネットワークに組み込まれた。

2つの標準が競合する場合、エコシステムの既存のツールとメンタルモデルを再利用するものの方が、技術的により完全なものに通常勝る。

RFC 3261（2002年）はSIPの中核標準であり続け、プレゼンス、メッセージング、セキュリティのために数十のRFCによって拡張されている。4G音声の背後にあるシグナリングアーキテクチャであるIMSはSIP上に構築されており、事実上すべてのVoIPプロバイダーがこれを利用している。H.323はビデオ会議のニッチ分野に依然として存在するが、主流の座を失った。