MSML本身來自於兩個IETF的網際網路草案,其名稱分別為媒體會話標記語言和媒體對象標記語言。這兩個網際網路草案最初是由Convedia公司在2003年首次引入的,被設計用來為推薦標準4240、帶SIP(以前被稱為Netann)的基本網路媒體服務、以及VoiceXML提供輔助性的支持。將媒體會話標記語言和媒體對象標記語言整合成為最終的MSML後不僅完全支持後向兼容,而且還大大簡化了該控制界面的採納、使用和發展。如需要當前最新版本的MSML,請訪問以下網址www.ietf.org/internet-drafts/draft-saleem-msml-00.txt