现如今，AI Agent 已经能够自主处理非常多重复和复杂的任务，并且越来越多的企业也正在构建和部署 AI Agent。就在刚刚过去的 Google Cloud Next 2025 大会上 Google 宣布了全新的 Agent2Agent （A2A）协议。这是一个开放的 AI Agent 协议，目的是为了建立 AI Agent 框架之间的联系，实现安全高效的协作。
什么是 AI Agent
[[AI Agent]] 是一个能自主感知，并进行决策，执行任务的智能系统，核心是利用 AI，尤其是大语言模型 LLM，完成复杂任务，模仿人类的智能行为。
MCP 是什么
MCP（Model Context Protocol，模型上下文协议）是由 Anthropic 于 2024 年推出的一种开放标准，通过统一的协议，将大型语言模型（LLM）与外部数据源、工具和功能连接起来，以实现更高效的交互和扩展能力。
举一个简单的例子来说，MCP 就像是给 LLM 配置了一个标准化的工具箱和资源包，让 LLM 知道如何正确地使用工具。比如说 LLM 想要查询天气时，MCP 就会告诉 LLM 去这个地方，使用什么样的格式，查询获取天气数据。
Agent2Agent 是什么？
Google 开源的 AI Agent 交互协议——Agent2Agent Protocol（简称 A2A）。
A2A 将打破系统之间的壁垒，对 Agent 的能力、跨平台协作、执行效率产生质的改变，支持 Atlassian、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG 和 Workday 等主流企业应用平台。
谷歌还发布了 Agent 开发套件 ADK，内部测试工具 Agent Engine，新的 Agent 市场等。
A2A 设计原则
A2A 是一种开放协议，为 Agent 提供一种标准的交互形式，不受底层框架或供应商的限制。
举一个简单的例子，比如一家互联网公司内部使用多个企业协作服务，比如利用 Atlassian 作为项目管理，Slack 作为企业内部沟通工具，Dropbox 作为文件存储和共享，在此之前这些平台上的 AI Agent 是无法自由通信的，如果要实现沟通只能通过 API 调用或者花费额外的开发，但是通过 A2A 协议，这些平台可以自由地安全地交互数据。
如果上面这一些企业内的使用场景很难想象的话，那再举一个例子，比如说用户让 LLM 指定一个旅游计划（比如东京 7 日游），那么 A2A 就会通过内置的 Agent，向提供天气获取的 Agent 获取天气预告，向提供餐厅介绍和预订服务的 Agent 查询相关的美食并预订，向提供地图和导航能力的 Agent 查询并制定完整的路线。
MCP 虽然可以提供对应的能力，但是 A2A 更像是一个强大版本，并且可以扩展的服务，A2A 没有限制 Agent 的范围，可以是一个本地服务， 也可以是一个在线服务，可以是一个应用，甚至也可以是另外一个 LLM。
五个关键原则：
- 多代理，A2A 专注于 Agent 在自然语言，非结构化的模式下协作，不共享内存，工具和上下文
- AI Agent 无需暴露内部推理过程和状态
- 基于现有，流行的标准构建，包括 HTTP，服务器端事件（[[Server Sent Events]])，JSON-RPC 等
- 不重复造轮子
- A2A 支持企业级认证和授权，A2A 协议可以快速通过身份验证，安全地获取数据
- 解决数据安全问题
- 支持长时间任务，支持快速任务或者可能需要很长时间的深入研究，A2A 可以向用户提供实时反馈，通知，状态更新
- 支持异步任务，长时间任务管理
- Agent 不仅限于文本，支持各种模态，包括音频，图像，视频
- 多模态能力
A2A 协议借鉴了分布式系统的思想，每一个 AI Agent 都可以作为独立服务提供商，通过标准的接口进行通信，任何的 LLM 开发框架，包括 [[CrewAI]]， [[LangChain]]，[[LangGraph]]，[[GenKit]]，Google 的 Agent Developer Kit（ADK）都可以实现与其他代理协作。
工作原理
客户端 Agent （Client Agent）和远程 Agent （Remote Agent ）通信，客户端 Agent 负责制定和传达任务，远程 Agent 则根据这些任务采取行动，提供信息或执行操作。
关键点
- 能力发现，Agent 利用 JSON 形式来定义其能力，称为 Agent Card，让客户端 Agent 识别哪个远程 Agent 最适合执行特定任务，一旦确定了合适的远程 Agent，客户端 Agent 就会利用 A2A 协议进行通信，将任务分配给它。
- 任务管理，对于一些简单的任务，可以立即完成，对于复杂，长期的任务，Agent 可以保持沟通，并更新状态，完成时，输出称为「Artifact」工件
- 协作，A2A 支持 Agent 之间协作，Agent 之间可以相互发送信息，包含上下文信息，回复，工件或用户指令。
- 用户协商，每一条消息包含
parts，即完成形成的内容片段，例如生成的图像，每个 part 都有指定的内容类型，允许客户端和远程 Agent 协商所需要的正确格式。
Google 在官方博客中还给出了一个真实的 A2A 案例，比如要招聘软件工程师，那么在统一的界面中，比如 Agentspace，用户可以直接委托 Agent 寻找符合职位，工作地点，技能要求的候选人。然后 Agent 会自动和其他专业 Agent 互动，寻找潜在的候选人。用户收到建议之后，可以指示 Agent 经一步安排面试等。
关键概念
Agent Card
Agent Card（代理卡），这是一个描述 Agent 名字，能力，版本的 JSON 定义，可以托管在域名的固定路径下，通过网络请求可以发现和使用。
Agent Card 中可以定义 Agent 的名字，描述，版本，技能（描述 Agent 的能力）
Agent Card 位置可以存放在 /.well-known/agent.json 文件中。
区别
A2A vs MCP
MCP 的核心原则是描述 LLM 和工具资源之间的交互，A2A 则更关注 Agent 之间的交互，Agent 之间如何相互发现，理解彼此的能力，并自主协商如何协作。A2A 是对 Anthropic MCP 协议的补充，MCP 为 Agent 提供了使用的工具和上下文，A2A 协议则是在 Agent 之间构建了一个开放的协议。
Agent Development Kit
Google 在发布 A2A 协议草案的同时也公开了 Agent Development Kit （ADK） 这样的 Agent 开发套件。1