在某些消息系统中，两个消息传递客户端在聊天或语音呼叫中直接发送/接收数据包。我认为基本的机制是（例如TCP）：这些客户端程序打开一个侦听的TCP套接字并告诉消息/协调服务器他们的IP/PORT对。然后客户端程序从消息/协调服务器中检索对方的IP/PORT。其中一个（比方说A）然后用另一个（比方说B）与检索到的IP/PORT对B启动TCP。NAT或代理如何对传入的TCP SYN数据包做出反应？
当被动客户端B（等待TCP SYN分组）不在NAT或代理后面，这很好。但是如果B位于NAT或代理之后，则IP/PORT对实际上是NAT或代理的公共网络接口。
所以我的问题是，当一个NAT或代理收到一个TCP SYN时，它的反应是什么？他们如何将TCP SYN中继到相应的主机/进程？
我怀疑你最初的假设是否正确。更有可能它们都打开到服务器的活动连接，服务器在它们之间路由数据。这简单得多，你描述的问题消失了。
这个问题显然是问很久以前，但仍...
聊天和语音/视频通话，通常的处理方式完全不同。在聊天的情况下，您可能会使用XMPP协议，其中两端将连接到服务器并通过它交换数据。 XMPP驻留在第4层上的TCP上，因为可靠性优先于此情况下的延迟。由于客户端是打开和维护连接的客户端，因此在这种情况下您不会遇到NAT问题。
在另一方面，语音/视频通话更加复杂了一点，所以你通常有：
信令通常通过使用SIP（会话发起协议）等一些更高层协议进行TCP。该通信将通过服务器。媒体使用RTP（实时传输协议）等高层协议通过UDP，这部分通信通常是点对点通信。单个UDP端口可用于传输和接收一个语音/视频通道的流量。此外，您可能希望在通话就绪时获得有关通话质量的信息，因此您可以减少使用的带宽以避免/减少数据包丢失。为此，您需要使用像RTCP（实时传输控制协议）这样的协议。在这种情况下，NAT穿越至关重要！由于客户都不知道他们的公共IP地址，所以你需要一个内部网络服务器（在公共互联网上），它可以告诉你“如何从外部看到”，即在NAT后面。在例如WebRTC这个服务器的世界知道ICE。当对方发现它在互联网上是如何显示的时候，它会将这些信息放入信令消息的SDP片段中，以便另一端可以通过互联网到达它。请记住，执行NAT的路由器可能还需要一些其他设置，以保持语音/视频UDP端口的使用情况（将NAT上的流量从互联网NAT转回给您）。
最后，还有其他解决方案在这些情况下使用，但这取决于您的设置。如果您正在为最终用户编写软件，则以前的解释将适用。但是，如果您正在为企业市场编写软件，那么在企业网络边界处的附加服务器（称为EDGE）等解决方案将是一种常见方法。
我可以写几个小时，但这应该是足够的开始... :)