H.323协议是ITU-T提出的关于视频电话及多媒体会议传输协议H.32x系列中的一部分。
第一版的 H.323 由 ITU 公布于1996年9月推出。ITU-T在完成了在ISDN 2Mbit/s上的视频电话及多媒体会议传输协议H.320后，ITU-T又相继发布了具有相似功能的H.310，H.321工作于ATM网络和使用了调制解调技术的H.324工作于公共交换电话网（PSTN）以及没有来得及发布就淘汰的H.322工作在Isochronous Ethernet. 直到1995年ITU-T发布了迄今为止被广泛采用的，最有前途的，也是在QoS（Quality of Service 服务质量）上克服了众多困难，定义了完善的服务质量，提供较好的服务质量保证。H.323工作在局域网，H.323为现有的分组网络（如IP网络）提供多媒体通信标准。若和其它的IP技术如IETF的资源预留协议（RSVP）相结合，就可以实现IP网络的多媒体通信。它配合IP做为在OSI网络层的协议。它的最主要的目的是提供PBN在不同的网络之间进行多媒体通信互连互通的标准。
关于H.323最初的版本是在1996年6月由ITU-T发布的，为各种通信行业提供了一个标准。最初的焦点只是在局域网上，因为当时Qos服务质量标准对于基于IP的广域网，例如Internet，还没有的很好的制定出。在1996年早期，H.323的应用明确的要求在广域网中得到应用，将语音通信做为唯一的目标，所以基于IP技术的H.323诞生了。随后，H.323继续向前发展，做为一个以IP技术应用为基础，集成了众多关于语音通信技术协议的平台。第一次主要的对这个协议做出的修改和添加内容，是由ITU-T在1998年1月发布的H.323版本2。在1999年9月，ITU-T发布H.323v3，合并了众多的长远的功能，并扩展了它的概念，这些工作使得H.323成为全球范围内数据IP电话及企业内部IP电话发展得基础。而且随后得时间更多得扩充被添加到H.323协议中，2000年11月17日H.323 的第4版问世，添加了在很多重要的领域的扩充和改进。其中包括可靠性，可测量性，和灵活性。新的特性使它在市场要求网关和MCU不断升级中更加灵活的完成自身的升级。H.323 已经无异议的成了在网络传输声音，视频，数据会议的领导者。
H.323是一个系统的规范，它使用多个ITU-T和IETF协议。H.323系统的核心是：
许多H.323系统还实现了在各个定义的其他协议ITU-T建议提供补充服务支持。
除了这些ITU-T建议，H.323还实现各种IETF 的RFC, 为媒体传输和媒体打包，包括实时传输协议 （RTP）。
H.323系统定义以提供丰富的多媒体通信功能的多个网络元素。这些元素是终端（Terminals），多点控制单元（MCU）的，Gateway ，Gatekeeper和边框元素（Border Elements）。终端，多点控制单元和网关往往统称为端点（endpoints）。
终端（Terminals）在H.323网络里是最基本的要素，因为这些设备，用户通常会遇到。他们可能会在一个简单的IP电话（IP phone）或一个功能强大的high-definition视频会议系统的形式存在。
H.323终端里面是一些被称为协议堆栈（Protocol stack），实现H.323系统中定义的功能。 协议栈将包括ITU - T的建议 H.225.0和H.245，以及RTP或以上描述的其他协议中定义的基本协议的执行情况。
图1中，描绘了一个提供支持语音、视频和各种形式的数据通信的完整复杂堆栈。在现实中，大多数的H.323系统不会实现这么多种的功能，但是这个堆栈的布局逻辑对于理解这些协议的关系很有帮助。
多点控制单元 （MCU）是负责管理多点会议，并称为两个逻辑实体组成的多点控制器（ MC ）和多点处理器（MP）。在更实际的术语，MCU不像今天在PSTN中使用的会议桥（conference bridges）。然而，最显著的区别是H.323的MCU的可能是能够在除了传统的会议桥进行正常的音频混合，视频混合或切换。一些MCU还提供多点数据协作功能。这意味着终端用户的是，放入一个 H.323 MCU进行视频通话，用户可能会看到会议的所有其他参与者，而不是只听到他们的声音。
网关设备，使H.323网络和其他网络，如PSTN或ISDN网络，之间的沟通。 如果在对话中的一方是利用一个终端，是不是一个 H.323终端，然后调用必须通过一个网关，以使双方的沟通。
Gatekeeper在H.323网络终端是一个可选组件，Gatekeeper和MCU包提供了多项服务。这些服务包括端点注册、地址解析、接入控制、用户验证，等等。看门人执行的各项职能，地址解析是最重要的，因为它能使两个端点接触没有任何端点知道对方的其他端点的IP地址。
Gatekeepers可能被设计成工作在两个信令模式之一，即“直接路由”和“gatekeeper routed”模式。直接路由模式是最有效和最广泛部署的的的模式。在这种模式下，端点使用RAS协议，以了解远程端点的IP地址和一个电话是直接创建与远程设备。在Gatekeeper routed模式下，调用信令要经由gatekeeper确认通过。 而后者需要Gatekeeper有更多的处理能力，这也给Gatekeeper在调用和能力提供辅助服务，代表端点的完全控制。
H.323端点使用RAS协议，沟通与把关。 同样，gatekeeper使用RAS与其他gatekeeper沟通。
注册到一个endpoint守在H.323的端点的集合被称为一个“zone”。这种设备的集合并不一定必须有一个相关的物理拓扑。相反，一个区域可能是完全合乎逻辑的，是由网络管理员任意定义。
Gatekeeper有能力邻居一起，使调用解决区域之间可能发生。 周边方便使用的拨号计划， 作为全球拨号计划。 拨号计划促进“跨区域”拨号，以便在不同的区域中的两个端点，仍然可以互相沟通。
边界元素（Border Elements）和同行元素（Peer Elements）类似Gatekeeper, 都是可选实体，但不直接管理端点（endpoint），并提供一些RAS协议中未描述的服务。边框或同行元素的作用是通过了一个“管理域”（administrative domain）定义。
管理域是所有区域的集合，服务提供商的控制下的一个人或组织。在服务提供商网络中可能有数百或数以千计的网关设备、电话、视频终端，或其他H.323网络元素。
H.323 是使用二进制协议 ，它允许网络元素高效的消息处理。该协议的ASN.1中的定义和使用在电在线的有效信息编码压缩编码规则（PER,Packed Encoding Rules）的消息编码形式。下面是一个在H.323系统中的各种通信流量的概述.
端点远程端点的地址，一旦解决，将使用H.225.0调用信令，以创建与远程实体通信. H.225.0 messages are:
端点使用RAS协议进行沟通。同样，Gatekeeper使用RAS与同行进行交流。RAS是一个相当简单的协议，只是一些消息组成。即：
H.323的扩展性在超大型应用中存在问题。例如H.323不能与SS7集成，或补充SS7必须提供的强大功能。建置H.323的成本也是一个问题。
IETF 发明会话发起协议（SIP），也可以通过IP语音和视频通信的标准，SIP只使用6个指令管理调用控制信息。也有其他的ITU-T建议用于视频会议和可视电话服务-H.320（使用ISDN）和 H.324（使用普通模拟电话线和3G手机）。一些供应商（如Skype），还可以使用自己的封闭专有格式。Access Grid提供了大致相似的功能，强调是open source以及multicast。EVO还提供通过Java的功能，包括对H.323的支持。媒体网络网关控制协议（MGCP）是另一种解决方案。
