
一、Agent(代理)互操作性的新时代
AI agents(代理)为人们提供独特的机遇,通过自主处理许多日常重复或复杂的任务,帮助人们提高生产力。如今,企业正越来越多地构建和部署自主代理,以帮助企业扩大规模、自动化和优化工作场所的流程——从订购新笔记本电脑,到协助客户服务代表,到协助供应链规划。
为了最大化从代理式AI中获益,这些代理能够在跨孤立数据系统和应用程序的动态多代理生态系统中协作至关重要。使代理能够相互操作,即使它们是由不同供应商或在不同框架中构建的,这将增加自主性并放大生产力收益,同时降低长期成本。
今天,我们推出了一个新的开放协议,名为Agent2Agent(A2A),得到了超过50个技术合作伙伴的支持和贡献,如Atlassian、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG和Workday;以及领先的服务提供商,包括Accenture、BCG、Capgemini、Cognizant、Deloitte、HCLTech、Infosys、KPMG、McKinsey、PwC、TCS和Wipro。A2A协议将允许AI代理相互通信,安全地交换信息,并在各种企业平台或应用程序之上协调行动。我们相信A2A框架将为客户增加显著价值,使他们的AI代理现在能够在整个企业应用程序领域中工作。

这种协作努力标志着一个共同愿景,即未来AI代理无论其底层技术如何,都能无缝协作,自动化复杂的企业工作流程,并推动前所未有的效率和创新水平。
A2A是一个开放协议,补充了Anthropic的模型上下文协议(MCP),该协议为代理提供有用的工具和上下文。借鉴Google内部在扩展代理系统方面的专业知识,我们设计了A2A协议,以解决我们在为客户部署大规模多代理系统时确定的挑战。A2A使开发人员能够构建能够与使用该协议构建的任何其他代理连接的代理,并为用户提供从各种提供商组合代理的灵活性。至关重要的是,企业受益于一种标准化的方法来管理其跨不同平台和云环境的代理。我们相信这种通用互操作性对于充分实现协作AI代理的潜力至关重要。

-
工具和资源的 MCP(模型上下文协议)
-
使用结构化输入/输出将代理连接到工具、API 和资源。
-
Google ADK 支持 MCP 工具。启用广泛范围的 MCP 服务器与代理一起使用。
-
A2A(Agent2Agent协议)用于代理间协作
-
不同代理之间动态、多模态通信,无需共享内存、资源和工具
-
由社区驱动的开放标准。
-
可使用 Google ADK、LangGraph、Crew.AI 获取样本
二、A2A设计原则
A2A是一个开放协议,为代理之间的协作提供了一种标准方式,无论底层框架或供应商如何。在与合作伙伴设计协议时,我们遵循了五个关键原则:
-
拥抱代理能力:A2A专注于使代理能够在其自然的、非结构化的模式中协作,即使它们不共享记忆、工具和上下文。我们正在实现真正的多代理场景,而不将代理局限于“工具”。
-
基于现有标准构建:该协议建立在现有的流行标准之上,包括HTTP、SSE、JSON-RPC,这意味着更容易与企业日常使用的现有IT堆栈集成。
-
默认安全:A2A设计为支持企业级认证和授权,在发布时与OpenAPI的认证方案相当。
-
支持长时间运行任务:我们设计A2A具有灵活性,支持各种场景,从快速任务到可能需要数小时甚至数天的深入研究,特别是当人在环中时。在整个过程中,A2A可以向用户提供实时反馈、通知和状态更新。
-
模态不可知:代理世界不仅限于文本,这就是为什么我们设计A2A支持各种模态,包括音频和视频流。
三、A2A如何工作

A2A促进了“客户端”代理和“远程”代理之间的通信。客户端代理负责制定和通信任务,而远程代理负责执行这些任务,尝试提供正确的信息或采取正确的行动。这种交互涉及几个关键能力:
-
能力发现:代理可以使用JSON格式的“代理卡”来宣传其能力,使客户端代理能够识别能够执行任务的最佳代理,并利用A2A与远程代理通信。
-
任务管理:客户端和远程代理之间的通信面向任务完成,代理致力于满足最终用户请求。这个“任务”对象由协议定义,并具有生命周期。它可以立即完成,或者对于长时间运行的任务,每个代理都可以相互通信,以保持与完成任务的最新状态同步。任务的输出称为“工件”。
-
协作:代理可以相互发送消息,以传达上下文、回复、工件或用户指令。
-
用户体验协商:每条消息包括“部分”,这是一个完全形成的内容块,例如生成的图像。每个部分都有指定的内容类型,允许客户端和远程代理协商所需的正确格式,并明确包括对用户UI能力的协商——例如,iframe、视频、网络表单等。
现实世界A2A示例:候选人搜寻
招聘软件工程师可以通过A2A协作显著简化。在像Agentspace这样的统一界面中,用户(例如,招聘经理)可以任命他们的代理寻找符合职位列表、位置和技能集的候选人。然后,代理与其他专业代理互动,寻找潜在候选人。用户收到这些建议,然后可以指导他们的代理安排进一步的面试或联系…
四、A2A概念概述
1、核心概念
Agent2Agent(A2A)协议促进了独立 AI 代理之间的通信。以下是核心概念:
-
Agent Card(代理卡):一个公开的元数据文件(通常位于
/.well-known/agent.json),描述代理的能力、技能、端点 URL 和认证要求。客户端使用此文件进行发现。 -
A2A Server(A2A 服务器):一个暴露 HTTP 端点并实现 A2A 协议方法(在 json 规范中定义)的代理。它接收请求并管理任务执行。
-
A2A Client(A2A 客户端): 一个消费 A2A 服务的应用程序或另一个代理。它向 A2A 服务器的 URL 发送请求(如
tasks/send)。 -
Task(任务): 工作的中心单元。客户端通过发送消息(
tasks/send或tasks/sendSubscribe)来启动任务。任务具有唯一的 ID,并经过以下状态(submitted、working、input-required、completed、failed、canceled)。 -
Message(消息):表示客户端(
role: "user")与代理(role: "agent")之间的通信回合。消息包含Parts。 -
Part(部件):在
Message或Artifact中的基本内容单元。可以是TextPart,FilePart(包含内联字节或 URI),或DataPart(用于结构化 JSON,例如表单)。 -
Artifact(工件):表示代理在任务期间生成的输出(例如,生成的文件、最终结构化数据)。工件也包含
Parts。 -
Streaming(流式传输):对于长时间运行的任务,支持
streaming功能的服务器可以使用tasks/sendSubscribe。客户端接收包含TaskStatusUpdateEvent或TaskArtifactUpdateEvent消息的服务器发送事件(SSE),提供实时进度。 -
Push Notifications(推送通知):支持
pushNotifications的服务器可以向客户端提供的 webhook URL 主动发送任务更新,该 URL 通过tasks/pushNotification/set配置。
2、典型流程
-
Discovery(发现):客户端从服务器的已知 URL 获取gent Card(代理卡)。
-
Initiation(初始化):客户端发送包含初始用户消息和唯一任务 ID 的
tasks/send或tasks/sendSubscribe请求。 -
Processing(处理):
-
Streaming(流式传输):随着任务进行,服务器发送 SSE 事件(状态更新、工件)。
-
Non-Streaming(非流式传输):服务器同步处理任务,并在响应中返回最终的
Task对象。 -
Interaction(交互) (Optional)(可选):如果任务进入
input-required,则客户端通过tasks/send或tasks/sendSubscribe发送后续消息使用相同的任务 ID。 -
Completion(完成):任务最终达到终止状态(
completed,failed,canceled)。
五、A2A ❤️ MCP
1、总结
代理应用程序需要 A2A 和 MCP。我们建议工具使用 MCP,代理使用 A2A。
2、为什么需要协议?
标准协议对于实现代理互操作性至关重要,尤其是在连接代理到外部系统方面。这在两个相互关联的创新领域至关重要:Tools and Agents(工具和代理)。
-
Tools(工具)是具有结构化输入和输出以及(通常是)已知行为的原始元素。
-
Agents(代理)是自主应用程序,可以通过使用工具、推理和用户交互来完成新颖的任务。
-
代理应用程序必须同时使用工具和代理来完成为用户实现的目标。
3、补充说明
模型上下文协议(MCP)是连接LLMs与数据、资源和工具的新兴标准。 MCP 正在标准化不同模型和框架之间的“函数调用”。这正在创建一个工具服务提供商的生态系统,并极大地降低了连接代理与工具和数据的复杂性。我们预计这一趋势将继续,随着更多框架、服务提供商和平台采用 MCP。
A2A 关注的是不同的问题。A2A 是一个应用层协议,它使代理能够在自然模式中协作。它允许代理作为代理(或作为用户)进行通信,而不是作为工具。我们希望 A2A 作为 MCP 的补充得到采用,以实现代理生态系统的构建,并将与社区公开合作以实现这一目标。
4、示例
让我们来看一个例子: 考虑一家汽车修理店,它修理汽车。这家店雇佣了自主工人,他们使用专用工具(如千斤顶、万用表和套筒扳手)来诊断和修理问题。工人经常需要诊断和修理他们以前从未见过的故障。修理过程可能涉及与客户的广泛交谈、研究和与零部件供应商合作。
现在,让我们将商店员工建模为 AI 代理:
-
MCP 是连接这些代理与其结构化工具(例如
raise platform by 2 meters,turn wrench 4 mm to the right)的协议。 -
A2A 是允许最终用户或其他代理与商店员工(“我的车发出嘎吱声”)一起工作的协议。A2A 可以实现持续的来回沟通和不断发展的计划以实现结果(“给我发张左轮的照片”,“我注意到有液体泄漏。这是多久以前开始的?”)。A2A 还有助于汽车维修店员工与其他代理,如他们的零部件供应商一起工作。
5、交叉点
建议将 A2A 代理建模为 MCP 资源(由其 AgentCard 表示)。然后框架可以使用 A2A 与其用户、远程代理和其他代理进行通信。

参考资料:
https://developers.googleblog.com/zh-hans/a2a-a-new-era-of-agent-interoperability/
https://google.github.io/A2A/#/
更多关于AI工具、Cursor、MCP相关的教程和资讯请持续关注我后续的分享!
本文完整版详见公众号:未来的回响
文章精校版参见知识星球:AI工具实战派