Od strony użytkownika, usługa połączeń telefonicznych realizowanych za pośrednictwem sieci Internet, polega najczęściej na tym, że jej użytkownik zakłada konto użytkownika na serwerze VoIP (serwerze usług telefonii internetowej) – samodzielnie lub za pośrednictwem osób trzecich (operator, firma/osoba wdrażająca rozwiązanie) określając nazwę użytkownika i hasło. To samo konto użytkownika (funkcjonujące jako połączenie nazwy użytkownika i hasła) wpisuje do swojego urządzenia peryferyjnego, za pomocą którego chce realizować połączenia telefoniczne i korzystać z usług oferowanych przez telefonię internetową. Dodatkowo do urządzenia peryferyjnego musi wpisać adres sieciowy pod jakim znajduje się serwer usługowy (w postaci ciągu cyfr lub nazwy słownej). Urządzeniem peryferyjnym może być program komputerowy, bramka VoIP, telefon VoIP lub centralka IPPBX.

Rysunek: Schemat ideowy sposobu współpracy pomiędzy serwerem a użytkownikiem telefonii internetowej

Dzięki takiemu dwustronnemu działaniu, serwer usług VoIP „wie”, że istnieje dany użytkownik (posiadający nazwę użytkownika lub inaczej mówiąc login z przypisanym do tego loginu hasłem) oraz że może go zidentyfikować i obsłużyć, a urządzenie peryferyjne „wie”, że poprzez wskazany serwer może realizować połączenia telefoniczne i korzystać z usług tego serwera[1]. To jest najważniejsza idea telefonii VoIP, niezależnie jak nazwiemy możliwość dzwonienia przez Internet. Serwer może zlokalizować w sieci użytkownika i jego urządzenie służące do realizacji połączeń telefonicznych, a urządzenie użytkownika może znaleźć serwer i komunikować się z nim poprzez sieć Internet, niezależnie od miejsca w którym znajduje się to urządzenie. Ponadto serwer może realizować różnego rodzaju usługi i wysyłać komendy do urządzenia peryferyjnego w celu ich wykonania po stronie klienta oraz komunikować się w sposób niezauważalny dla klienta z urządzeniem peryferyjnym w celu pełnej i prawidłowej realizacji procesów umożliwiających przesyłanie głosu przez sieci IP, w tym przez publicznie dostępny Internet.

Można to jeszcze inaczej wytłumaczyć, na bliższym naszemu codziennemu życiu przykładzie. Większość z nas zakładała na pewno darmowe konto pocztowe w wybranym portalu internetowym. Na czym to polega? Na określeniu nazwy użytkownika i hasła, a następnie wpisaniu tych dwóch elementów do swojego programu pocztowego oraz wpisaniu trzeciego elementu w postaci adresu sieciowego serwera poczty e-mail. Jak widać z tego prostego przykładu analogia jest ta sama: serwer usług połączony jest z użytkownikiem poprzez nazwę tego użytkownika i jego hasło, dzięki którym użytkownik ten, może zalogować się na serwerze usług. Tyle tylko, że w tym przykładzie mamy do czynienia z pocztą elektroniczną, a nam chodzi o połączenia telefoniczne. Ten model wzajemnego współdziałania urządzeń, jest określany jako model współpracy „klient-serwer”.

Od strony czysto technicznej, działanie rozwiązań VoIP opartych o protokół SIP, polega na wymianie komunikatów pomiędzy urządzeniem końcowym a serwerem usług, prowadzących do realizacji danej akcji, jak na przykład rejestracja użytkownika w serwerze usług lub nawiązanie połączenia pomiędzy użytkownikami. Sposób wymiany komunikatów oraz same komunikaty, zostały ściśle określone i opisane we właściwych dokumentach RFC opracowanych przez nieformalne, międzynarodowe stowarzyszenie „Internet Engineering Task Force”, które zajmuje się wypracowywaniem właściwych standardów i zaleceń w obszarze zagadnień związanych z siecią Internet, a więc również w zakresie protokołu SIP.

Aby zrozumieć w jaki sposób funkcjonuje i jak działa telefonia internetowa oparta na protokole SIP, zobacz na czym polega komunikacja SIP oraz dwa przykłady z zakresu jej działania: rejestracja użytkownika w serwerze usług VoIP i realizacja połączenia głosowego pomiędzy dwoma użytkownikami telefonii internetowej w obrębie tego samego serwera usługowego.