Resumo

  • O trabalho de Eve Schooler em MMCC e no rascunho inaugural do SIP isolou uma tarefa: encontrar o destinatário, apresentar uma sessão e receber sua decisão sem transportar o áudio ou o vídeo.
  • A separação tornou a comunicação modular, mas distribuiu autoridade entre identidade, alcance, admissão, negociação, segurança da mídia e garantia de qualidade.

O Internet-Draft de fevereiro de 1996, assinado por Mark Handley e Eve Schooler, recebeu um nome deliberadamente limitado: Session Invitation Protocol. Não era uma tentativa de colocar uma central telefônica inteira dentro da Internet. O protocolo deveria convidar uma pessoa para uma sessão, acompanhar mudanças de localização por meio de encaminhamento e redirecionamento e entregar uma descrição do encontro proposto.

O que acontecesse depois não precisava percorrer os mesmos servidores. O convite não reservava banda, não distribuía o direito de fala numa conferência e não carregava o conteúdo da conversa. Uma resposta positiva estabelecia condições para o encontro, mas não transformava a sinalização em voz ou imagem.

A experiência anterior ao recorte

No Information Sciences Institute da USC, Schooler havia trabalhado no MMCC, um sistema de controle de conferências em redes de pacotes de longa distância. Seu currículo público registra desafios como estabelecimento multilateral, configurações heterogêneas, propagação de informações de qualidade de serviço e ressincronização. O primeiro rascunho do SIP reconhece explicitamente a influência desse trabalho.

O salto intelectual não foi colocar todas essas funções no novo protocolo. Foi descobrir o que podia ser retirado do conjunto. O texto distingue uma sessão anunciada, encontrada por quem deseja participar, de uma sessão que começa com convite dirigido. Afirma que a descoberta da sessão é ortogonal ao modelo de controle da conferência. Depois de localizar o endereço do convidado, envia-se uma descrição em SDP, e o destinatário pode aceitar, rejeitar ou redirecionar. A rede talvez não consiga oferecer a qualidade descrita; isso não invalida a função da sinalização.

Em 1999, a RFC 2543, de Handley, Henning Schulzrinne, Schooler e Jonathan Rosenberg, definiu o SIP como sinalização de camada de aplicação para criar, modificar e encerrar sessões multimídia. A RFC 3261, que a substituiu, organizou a missão em localização, disponibilidade e capacidades do usuário, estabelecimento e gerenciamento da sessão. Também deixou claro que o SIP é um componente combinado com outros protocolos, e não um sistema de comunicação vertical completo.

Essa história é coletiva. Handley e Schooler escreveram o primeiro rascunho; a especificação publicada incorporou o trabalho de Schulzrinne, Rosenberg e da comunidade do IETF. A contribuição de Schooler está em transformar experiência de conferência distribuída num problema de convite independente, não em uma narrativa de inventora solitária. Ela tampouco deve ser apresentada como autora da RFC 3261, que possui outra autoria.

O endereço da chamada não é o caminho da voz

Um fluxo SIP básico revela três funções. O agente de origem envia INVITE. Um registrador recebe associações entre o endereço público do usuário e seus contatos atuais; serviços de localização e proxies conduzem o pedido até um deles. O destino responde e um ACK conclui a abertura do diálogo. Num caso simples, os proxies podem então sair do trajeto ativo. A mídia em RTP costuma seguir uma rota diferente daquela usada pelas mensagens SIP.

O corpo do convite pode conter SDP, mas SDP é uma linguagem de descrição. Informa tipos de mídia, endereços de transporte e parâmetros. Pelo modelo de oferta e resposta, os terminais chegam a uma visão compatível da sessão. A descrição de um fluxo não é o fluxo. O transporte em tempo real cabe ao RTP ou a mecanismos equivalentes.

Assim, “a chamada” esconde pelo menos três caminhos: a sinalização que encontra uma identidade, a negociação que combina capacidades e a mídia que entrega a experiência. Um novo INVITE pode alterar a descrição depois que o diálogo existe. A expiração do convite não define a duração da conversa. Os estados se relacionam, mas não têm de compartilhar rota nem ciclo de vida.

A divisão deu espaço para evolução independente. Um codec novo não exigia substituir o mecanismo global de localização. Aplicativos de conferência podiam acrescentar votação ou controle de fala. Reserva de recursos ficava em outro sistema. O SIP coordenava uma passagem de bastão: levava informação suficiente para que os demais componentes começassem a trabalhar.

Poder sem carregar mídia

Quem controla a sinalização ainda pode controlar o acesso. O registrador influencia quais dispositivos representam um endereço. O proxy aceita, bloqueia ou redireciona convites. O domínio exige autenticação e registra tentativas. É possível decidir quem alcança quem sem receber os pacotes de áudio.

A mesma precisão vale para segurança. SIPS pode proteger a sinalização numa cadeia de conexões seguras até o domínio de destino. Isso não cifra automaticamente o RTP. Proteger o envelope do convite não prova que a conversa dentro dele é confidencial.

Na prática, redes modernas voltam a unir os caminhos. Controladores de borda, B2BUAs, retransmissores de mídia, gravadores e serviços de travessia de NAT podem permanecer no meio da sinalização, da mídia ou de ambas. A RFC 7092 classifica B2BUAs justamente porque eles não são proxies transparentes: encerram um diálogo e criam outro, podendo aplicar políticas e alterar parâmetros.

A fronteira original é, portanto, uma ferramenta de diagnóstico, não a promessa de que toda mídia vai diretamente de uma ponta à outra. Um usuário pode ser localizado e não encontrar um codec compatível. A sinalização pode terminar com sucesso enquanto o firewall bloqueia a mídia. A identidade pode ser autenticada e a conversa continuar sem proteção. O convite que não carregava a conversa tornou visíveis esses modos diferentes de falhar — e de governar.

Fontes