谷歌云正式宣布推出全新的開源協(xié)議Agent2Agent（A2A），旨在打破當前人工智能（AI）智能體之間的壁壘，實現(xiàn)不同廠商、不同框架構建的AI智能體之間的無縫協(xié)作與信息交換。這一舉措標志著AI領域邁向更加開放、高效和智能的新時代。

打破壁壘，實現(xiàn)智能體間的自由“對話”

隨著企業(yè)對自主AI智能體的部署日益增長，如何讓這些智能體在復雜的企業(yè)環(huán)境中協(xié)同工作，處理跨系統(tǒng)、跨應用的日?；驈碗s任務，成為了提升生產力的關鍵。然而，由于缺乏統(tǒng)一的標準，不同智能體之間往往難以有效溝通和協(xié)作，形成了一個個“信息孤島”。

作為一個開放協(xié)議，A2A為AI智能體之間的通信、安全信息交換和協(xié)同行動提供了一套標準化的方法。無論這些智能體是由哪家供應商開發(fā)，采用何種底層技術，只要遵循A2A協(xié)議，就能實現(xiàn)真正的多智能體場景，擺脫了傳統(tǒng)上將智能體局限于單一“工具”的限制。

MCP（模型上下文協(xié)議）用于工具和資源連接：通過結構化輸入/輸出來連接代理與工具、API 和資源。MCP重點在于傳輸?shù)臄?shù)據(jù)類型和傳輸協(xié)議的優(yōu)化，去除function call的生態(tài)隔離；

A2A（代理間通信協(xié)議）用于代理協(xié)作：支持不同代理間的動態(tài)、多模態(tài)通信，無需共享記憶、資源或工具。A2A是model-level server級別的交流，重點在于multi-agent融合的算子結構，通過workflow或者鏈式化組合，以rules驅動multi-agent進行算子化。

Agent2Agent（A2A）旨在讓AI代理之間能夠通信、共享信息，并在多種企業(yè)平臺中協(xié)同操作。A2A補充了Anthropic的模型上下文協(xié)議（MCP），參考了Google在構建大規(guī)模代理系統(tǒng)中的經驗，專為解決企業(yè)部署多代理系統(tǒng)面臨的挑戰(zhàn)而設計。它使開發(fā)者能創(chuàng)建可與任何支持A2A的代理互聯(lián)的系統(tǒng)，并為企業(yè)帶來標準化的代理管理方法，助力實現(xiàn)協(xié)作AI的巨大潛力。

按Google的說法，A2A協(xié)議與MCP是互補而不替代關系，A2A負責解決Agent間的通信問題，MCP解決的是Agent與工具間的通信問題。

五大核心設計原則，打造強大可靠的互操作性基礎

A2A協(xié)議在設計之初就秉持了五大關鍵原則，以確保其能夠適應未來復雜多變的AI應用場景:

• 擁抱智能體能力 （Embrace agentic capabilities）:A2A側重于使智能體能夠以其自然的、非結構化的方式進行協(xié)作，即使它們不共享內存、工具和上下文也能高效工作。
• 構建于現(xiàn)有標準之上 （Build on existing standards）:該協(xié)議基于HTTP、SSE和JSON-RPC等流行的現(xiàn)有標準構建，這大大降低了企業(yè)將其集成到現(xiàn)有IT架構中的難度。
• 默認安全 （Secure by default）:A2A在設計上就支持企業(yè)級的身份驗證和授權，其安全性與OpenAPI的身份驗證方案相當。
• 支持長期任務 （Support for long-running tasks）:A2A具有高度的靈活性，可以支持從快速任務到需要數(shù)小時甚至數(shù)天才能完成的深度研究等各種場景。在整個過程中，A2A可以向用戶提供實時的反饋、通知和狀態(tài)更新。
• 模態(tài)無關 （Modality agnostic）:考慮到智能世界不僅限于文本，A2A還支持包括音頻和視頻流在內的多種模態(tài)。

A2A工作原理

A2A的工作原理是通過促進客戶端Agent和遠程Agent之間的通信來實現(xiàn)的。客戶端Agent負責制定和傳達任務，而遠程Agent則根據(jù)這些任務采取行動，以提供正確的信息或執(zhí)行相應的操作。在這個過程中，A2A協(xié)議有以下幾個關鍵能力。

首先，Agent可以通過“Agent卡”來宣傳它們的能力。這些“Agent卡”是以JSON格式存在的，它們能夠讓客戶端Agent識別出哪個遠程Agent最適合執(zhí)行特定的任務。一旦確定了合適的遠程Agent，客戶端Agent就可以利用A2A協(xié)議與之進行通信，將任務分配給它。

然后，任務管理是A2A協(xié)議中的一個重要環(huán)節(jié)。客戶端和遠程Agent之間的通信都是圍繞完成任務展開的。協(xié)議定義了一個“任務”對象，這個對象具有自己的生命周期。

對于一些簡單的任務，可能可以立即完成；而對于一些復雜的、長期的任務，Agent們可以相互溝通，以保持對任務完成狀態(tài)的同步。當任務完成時，其輸出被稱為“工件”。

最后，A2A還具備用戶體驗協(xié)商的功能。每條消息都包含“部分”，這些部分是完整的內容片段，例如，生成的圖像。

每個部分都有指定的內容類型，這使得客戶端和遠程Agent能夠協(xié)商所需的正確格式，并且明確包括用戶界面能力的協(xié)商，比如iframe、視頻、網絡表單等。這樣，A2A就能夠根據(jù)用戶的需求和設備的能力，提供最佳的用戶體驗。

A2A實現(xiàn)客戶端代理與遠程代理之間的任務通信：前者負責發(fā)起任務，后者負責執(zhí)行任務。核心能力包括：

1. 能力發(fā)現(xiàn)：通過 JSON 格式的“代理卡片”公開功能，便于選擇合適的代理協(xié)作。
2. 任務管理：圍繞任務對象協(xié)作，支持即時或長時間運行任務，輸出結果稱為“工件”。
3. 協(xié)作通信：代理可交換上下文、回復、工件及用戶指令等信息。
4. 體驗協(xié)商：消息由多個“部分”組成，支持多種內容類型，便于適配用戶界面能。

A2A 的本質：
1??將 MCP 的核心原則（能力描述而非顯式指令）應用和擴展到了 AI 智能體 (Agent) 之間的交互。
2??關注點： 不僅僅是智能體如何使用“工具”，更是智能體之間如何相互發(fā)現(xiàn) (discovering each other)、理解彼此的能力，并自主協(xié)商如何協(xié)作 (how they collaborate)。

A2A的挑戰(zhàn)：
1??狀態(tài)管理 : 在多智能體系統(tǒng)中保持狀態(tài)一致性、處理沖突和部分失敗很復雜。
2??推理成本 : 智能體每次協(xié)商交互都需要消耗計算資源、Token 和時間，在多智能體系統(tǒng)中成本會累積，需要高效的優(yōu)化策略。
3??安全性 : 智能體間交互引入了新的漏洞層面，需要強大的認證、授權、審計追蹤等機制，且不能破壞系統(tǒng)的靈活性。
4??構建難度： 目前用 MCP 和 A2A 構建規(guī)?；⒖煽康南到y(tǒng)仍具挑戰(zhàn)。

通過 A2A 協(xié)作，招聘軟件工程師的流程可大大簡化。在像 Agentspace 這樣統(tǒng)一的界面中，用戶（如招聘經理）可以指派自己的代理，根據(jù)職位描述、地點和技能要求尋找候選人。該代理會與其他專業(yè)代理協(xié)作，獲取合適人選。用戶收到推薦后，可進一步指示代理安排面試，從而簡化人才篩選流程。面試結束后，還可調用其他代理完成背景調查。這只是 AI 代理跨系統(tǒng)協(xié)作以招聘合格候選人的一個典型例子。

https://github.com/google/A2A

A2A協(xié)議的發(fā)布得到了超過50家技術合作伙伴和領先服務提供商的支持與貢獻。其中包括Atlassian、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG和Workday等技術巨頭，以及Accenture、BCG、Capgemini、Deloitte、KPMG和PwC等知名咨詢公司。眾多合作伙伴紛紛表示，A2A協(xié)議將有助于推動AI在企業(yè)中的更廣泛應用，實現(xiàn)更高效、更智能的工作流程。

本文轉載自公眾號數(shù)字化助推器  作者：天涯咫尺TGH

原文鏈接：??https://mp.weixin.qq.com/s/Q4vUL7wfMDjcE_O_cf6BMQ??