MCP失宠？谷歌重磅开源A2A协议 实现智能体间的自由“对话” 原创

谷歌云正式宣布推出全新的开源协议Agent2Agent（A2A），旨在打破当前人工智能（AI）智能体之间的壁垒，实现不同厂商、不同框架构建的AI智能体之间的无缝协作与信息交换。这一举措标志着AI领域迈向更加开放、高效和智能的新时代。

打破壁垒，实现智能体间的自由“对话”

随着企业对自主AI智能体的部署日益增长，如何让这些智能体在复杂的企业环境中协同工作，处理跨系统、跨应用的日常或复杂任务，成为了提升生产力的关键。然而，由于缺乏统一的标准，不同智能体之间往往难以有效沟通和协作，形成了一个个“信息孤岛”。

作为一个开放协议，A2A为AI智能体之间的通信、安全信息交换和协同行动提供了一套标准化的方法。无论这些智能体是由哪家供应商开发，采用何种底层技术，只要遵循A2A协议，就能实现真正的多智能体场景，摆脱了传统上将智能体局限于单一“工具”的限制。

MCP（模型上下文协议）用于工具和资源连接：通过结构化输入/输出来连接代理与工具、API 和资源。MCP重点在于传输的数据类型和传输协议的优化，去除function call的生态隔离；

A2A（代理间通信协议）用于代理协作：支持不同代理间的动态、多模态通信，无需共享记忆、资源或工具。A2A是model-level server级别的交流，重点在于multi-agent融合的算子结构，通过workflow或者链式化组合，以rules驱动multi-agent进行算子化。

Agent2Agent（A2A）旨在让AI代理之间能够通信、共享信息，并在多种企业平台中协同操作。A2A补充了Anthropic的模型上下文协议（MCP），参考了Google在构建大规模代理系统中的经验，专为解决企业部署多代理系统面临的挑战而设计。它使开发者能创建可与任何支持A2A的代理互联的系统，并为企业带来标准化的代理管理方法，助力实现协作AI的巨大潜力。

按Google的说法，A2A协议与MCP是互补而不替代关系，A2A负责解决Agent间的通信问题，MCP解决的是Agent与工具间的通信问题。

五大核心设计原则，打造强大可靠的互操作性基础

A2A协议在设计之初就秉持了五大关键原则，以确保其能够适应未来复杂多变的AI应用场景:

• 拥抱智能体能力 （Embrace agentic capabilities）:A2A侧重于使智能体能够以其自然的、非结构化的方式进行协作，即使它们不共享内存、工具和上下文也能高效工作。
• 构建于现有标准之上 （Build on existing standards）:该协议基于HTTP、SSE和JSON-RPC等流行的现有标准构建，这大大降低了企业将其集成到现有IT架构中的难度。
• 默认安全 （Secure by default）:A2A在设计上就支持企业级的身份验证和授权，其安全性与OpenAPI的身份验证方案相当。
• 支持长期任务 （Support for long-running tasks）:A2A具有高度的灵活性，可以支持从快速任务到需要数小时甚至数天才能完成的深度研究等各种场景。在整个过程中，A2A可以向用户提供实时的反馈、通知和状态更新。
• 模态无关 （Modality agnostic）:考虑到智能世界不仅限于文本，A2A还支持包括音频和视频流在内的多种模态。

A2A工作原理

A2A的工作原理是通过促进客户端Agent和远程Agent之间的通信来实现的。客户端Agent负责制定和传达任务，而远程Agent则根据这些任务采取行动，以提供正确的信息或执行相应的操作。在这个过程中，A2A协议有以下几个关键能力。

首先，Agent可以通过“Agent卡”来宣传它们的能力。这些“Agent卡”是以JSON格式存在的，它们能够让客户端Agent识别出哪个远程Agent最适合执行特定的任务。一旦确定了合适的远程Agent，客户端Agent就可以利用A2A协议与之进行通信，将任务分配给它。

然后，任务管理是A2A协议中的一个重要环节。客户端和远程Agent之间的通信都是围绕完成任务展开的。协议定义了一个“任务”对象，这个对象具有自己的生命周期。

对于一些简单的任务，可能可以立即完成；而对于一些复杂的、长期的任务，Agent们可以相互沟通，以保持对任务完成状态的同步。当任务完成时，其输出被称为“工件”。

最后，A2A还具备用户体验协商的功能。每条消息都包含“部分”，这些部分是完整的内容片段，例如，生成的图像。

每个部分都有指定的内容类型，这使得客户端和远程Agent能够协商所需的正确格式，并且明确包括用户界面能力的协商，比如iframe、视频、网络表单等。这样，A2A就能够根据用户的需求和设备的能力，提供最佳的用户体验。

A2A实现客户端代理与远程代理之间的任务通信：前者负责发起任务，后者负责执行任务。核心能力包括：

1. 能力发现：通过 JSON 格式的“代理卡片”公开功能，便于选择合适的代理协作。
2. 任务管理：围绕任务对象协作，支持即时或长时间运行任务，输出结果称为“工件”。
3. 协作通信：代理可交换上下文、回复、工件及用户指令等信息。
4. 体验协商：消息由多个“部分”组成，支持多种内容类型，便于适配用户界面能。

A2A 的本质：
1️⃣将 MCP 的核心原则（能力描述而非显式指令）应用和扩展到了 AI 智能体 (Agent) 之间的交互。
2️⃣关注点： 不仅仅是智能体如何使用“工具”，更是智能体之间如何相互发现 (discovering each other)、理解彼此的能力，并自主协商如何协作 (how they collaborate)。

A2A的挑战：
1️⃣状态管理 : 在多智能体系统中保持状态一致性、处理冲突和部分失败很复杂。
2️⃣推理成本 : 智能体每次协商交互都需要消耗计算资源、Token 和时间，在多智能体系统中成本会累积，需要高效的优化策略。
3️⃣安全性 : 智能体间交互引入了新的漏洞层面，需要强大的认证、授权、审计追踪等机制，且不能破坏系统的灵活性。
4️⃣构建难度： 目前用 MCP 和 A2A 构建规模化、可靠的系统仍具挑战。

通过 A2A 协作，招聘软件工程师的流程可大大简化。在像 Agentspace 这样统一的界面中，用户（如招聘经理）可以指派自己的代理，根据职位描述、地点和技能要求寻找候选人。该代理会与其他专业代理协作，获取合适人选。用户收到推荐后，可进一步指示代理安排面试，从而简化人才筛选流程。面试结束后，还可调用其他代理完成背景调查。这只是 AI 代理跨系统协作以招聘合格候选人的一个典型例子。

https://github.com/google/A2A

A2A协议的发布得到了超过50家技术合作伙伴和领先服务提供商的支持与贡献。其中包括Atlassian、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG和Workday等技术巨头，以及Accenture、BCG、Capgemini、Deloitte、KPMG和PwC等知名咨询公司。众多合作伙伴纷纷表示，A2A协议将有助于推动AI在企业中的更广泛应用，实现更高效、更智能的工作流程。

本文转载自公众号数字化助推器  作者：天涯咫尺TGH

原文链接：​​https://mp.weixin.qq.com/s/Q4vUL7wfMDjcE_O_cf6BMQ​​