H.323是一种ITU-T标准，最初用于局域网(LAN)上的多媒体会议，后来扩展至覆盖VoIP。该标准既包括了点对点通信也包括了多点会议。H.323定义了四种逻辑组成部分:终端、网关、关守及多点控制单元(MCU)。终端、网关和MCU均被视为终端点。

会话发起协议(SIP)是建立VOIP连接的IETF标准。SIP是一种应用层控制协议，用于和一个或多个参与者创建、修改和终止会话。SIP的结构与HTTP(客户-服务器协议)相似。客户机发出请求，并发送给服务器，服务器处理这些请求后给客户机发送一个响应。该请求与响应形成一次事务。
媒体网关控制协议(MGCP)定义了呼叫控制单元(呼叫代理或媒体网关)与电话网关之间的通信服务。MGCP属于控制协议，允许中心控制台监测IP电话和网关事件，并通知它们发送内容至指定地址。在MGCP结构中，智能呼叫控制置于网关外部并由呼叫控制单元(呼叫代理)来处理。同时呼叫控制单元互相保持同步，发送一致的命令给网关。

媒体网关控制协议(MEGACO)是IETF和ITU-T(ITU-TH.248建议)共同努力的结果。Megaco/H.248是一种用于控制物理上分开的多媒体网关的协议单元的协议，从而可以从媒体转化中分离呼叫控制。Megaco/H.248说明了用于转换电路交换语音到基于包的通信流量的媒体网关(MG)和用于规定这种流量的服务逻辑的媒介网关控制器之间的联系。Megaco/H.248通知媒体网关将来自于数据包或单元数据网络之外的数据流连接到数据包或单元数据流上，如实时传输协议(RTP)。从VoIP结构和网关控制的关系来看，Megaco/H.248与MGCP在本质上相当相似，但是Megaco/H.248支持更广泛的网络，如ATM。