O SIP é um protocolo da camada de aplicação que pode ser usado para estabelecer, modificar e encerrar sessões de comunicação multimídia que envolvam um ou mais participantes, os quais podem ser pessoas ou dispositivos, como, por exemplo, servidores de mídia.

Aplicações dos tipos telefonia via Internet e videoconferência podem ser consideradas tolerantes a perdas e sensíveis a retardo. Dessa forma, é possível que algumas perdas de dados nessas aplicações não comprometam a qualidade de serviço oferecido; por outro lado, a sensibilidade a retardo leva à necessidade de medidas voltadas para limitar o atraso e o jitter.

A recomendação H.323 (ITU-T) e o SIP constituem importantes opções de protocolos para aplicações multimídia, como audioconferência e videoconferência, entre sistemas finais na Internet; o emprego de tais protocolos permite realizar tarefas que incluem o estabelecimento de sessões.

A Internet tem seu emprego facilitado para aplicações multimídia quando o protocolo de transporte é o TCP, em razão da garantia de atraso máximo provida por esse protocolo às aplicações requisitantes.

O RTP é um protocolo que comumente funciona sobre UDP, e seu emprego pode ocorrer em conjunto com o SIP, um dos padrões de telefonia por Internet.

O serviço de melhor esforço (best effort) provido pela Internet constitui uma forma eficaz de assegurar que a Internet atenderá adequadamente às diferentes aplicações multimídia.

O RTP suporta diversos tipos de carga útil de áudio (como por exemplo em formato G.722) e variados tipos de carga útil de vídeo (como por exemplo formato MPEG2).

Além dos terminais H.323, um sistema de comunicação multimídia embasado na recomendação H.323 inclui componentes como gatekeeper e MCU (multipoint control unit).

O modelo de serviços integrados (intserv) foi introduzido pelo IETF como alternativa ao modelo baseado em serviços diferenciados (diffserv), considerado pouco escalável.

O modelo de serviços diferenciados considera funções centrais (relativas à classificação de pacotes e ao condicionamento de tráfego) e uma função de borda (relativa ao envio de pacotes). Com relação às funções centrais, os pacotes são marcados, por exemplo, no primeiro roteador de borda habilitado a diffserv, com base na classe de tráfego à qual pertencem.