跳到主要内容

什么是A2A协议

· 阅读需 6 分钟
otqsoft
otqsoft
Front And Rear End Engineers @ gitee

​ A2A协议（Agent-to-Agent Protocol）是谷歌于2025年4月发布的首个开源标准智能体交互协议，旨在解决AI智能体之间的互操作性问题。该协议通过统一通信标准，允许不同开发者、平台或供应商构建的智能体（如自动化程序、AI助手等）跨越数据孤岛和应用程序壁垒，实现安全、高效的协作与任务协调。

​ 随着 AI 技术的快速发展，各类企业对 AI Agent（代理）的需求不断增长。这些 Agent 能够自主处理许多日常重复性或复杂的任务，从简化采购流程、协助客户服务，到优化供应链规划，大大提升了企业自动化与智能化水平。然而，若想让这些 Agent 真正发挥合力，就需要在跨平台、跨框架、跨应用的多代理生态系统中实现"互联互通"。这正是谷歌与众多合作伙伴联合推出 Agent2Agent（A2A）协议 的初衷所在。A2A 致力于在不同底层技术和供应商之间实现标准化的 Agent 协同，让 AI Agent 可以相互通信、交换信息并进行动作协调，形成更强大的企业工作流程自动化方案。

A2A协议图片

A2A的核心目标与设计原则​

核心目标​

  1. 促进智能体间协作：支持跨平台、多模态通信，例如文本、音频、视频等。
  2. 兼容现有技术栈：基于HTTP、SSE（服务器发送事件）、JSON-RPC等成熟标准构建，便于与企业现有IT基础设施集成。
  3. 支持复杂任务管理：涵盖从即时响应到需人工介入的长时任务，并提供实时状态更新。

设计原则​

在与合作伙伴共同设计协议的过程中，谷歌明确了 A2A 的五大核心原则，这些原则既延续了互操作协议的通用需求，也针对多代理协作的特性进行了优化：

  • 自然、非结构化的代理协作

  1. Agent 可以以类人对话、上下文推理等非结构化方式进行协作，

  2. 即使它们不共享记忆、工具或上下文，也能共同参与复杂场景，真正体现"多代理"能力。

  • 基于现有流行标准

  1. A2A 协议构建在 HTTP、Server-Sent Events (SSE)、JSON-RPC 等广泛应用的标准之上，

  2. 让企业无需大规模改造自身 IT 技术栈，就能平滑接入多代理环境。

  • 支持企业级认证和授权

  1. A2A 在安全层面与 OpenAPI 的认证方案保持一致，

  2. 确保大中型企业在使用代理协作时，仍能满足合规性和安全性要求。

  • 支持长期任务的执行

  1. A2A 既能处理快速响应，也能在需要数小时乃至数天的深度研究或流程中，保持任务状态同步并提供实时反馈，

  2. 使得人机交互、代理协同更具连续性和灵活性。

  • 支持多模态（不仅限于文本）

  1. 在 A2A 协议层面，音频、视频等流媒体都能被纳入协作场景，

  2. 不再局限于文字信息，进一步拓展了代理协作的广度与深度。

A2A 协议工作机制​

A2A 通过定义"客户端代理"（Client Agent）与"远程代理"（Remote Agent）的交互来实现多代理协作，核心包括以下四方面：

  • 能力发现（Capability Discovery）

  1. 每个代理通过 JSON 格式的"Agent Card"发布自身能力、接口与限制，

  2. 客户端代理可据此定位和选择合适的远程代理，建立通信渠道。

  • 任务管理（Task Management）

  1. 协议以"任务"（Task）为中心，

  2. 任务既可能是一次性、短时的请求，也可能是需要多轮交互与长时间执行的复杂工作流程。

  3. 任务在执行过程中可保持状态同步，最终产出称为"Artifact"的成果。

  • 协作（Collaboration）

  1. A2A 允许代理间相互发送消息，包括上下文信息、用户指令、执行结果等，

  2. 多个代理间可形成"协同网络"，依次或并行地处理不同环节。

  • 用户体验协商（User Experience Negotiation）

  1. 消息由若干"parts"组成，每个 part 对应完整的内容片段（如图像、音频、网页表单等），

  2. 客户端代理与远程代理会根据用户的界面能力来动态协商合适的呈现方式。

A2A协议工作机制

A2A 与 MCP​

A2A 被定位为对 Anthropic 的 Model Context Protocol（MCP） 的补充。

  • MCP

    专注于为代理提供所需的工具和上下文；

  • A2A

    则专注于让不同 Agent 间进行互操作，弥合企业级落地时的各种平台与应用边界。

A2A与MCP对比

A2A 和 MCP 有以下区别：

  • 核心关注点不同：A2A 关注代理与代理的协作，建立智能代理之间相互发现、交流和合作的方式，使不同 AI 系统能像人类团队一样协同工作。MCP 则聚焦于模型与工具的连接，定义了大语言模型与各种工具、数据和资源交互的标准方式。
  • 交互模式不同：A2A 是对话式、长时间运行的任务，支持智能体之间进行多轮对话和协作，以完成复杂任务。MCP 是函数调用、结构化输入输出，类似于程序员调用函数，模型通过特定接口调用工具并接收结构化的输出。
  • 抽象层次不同：A2A 是高级别，关注智能体的意图和能力，例如智能体可以通过 A2A 协议声明自己能够解决的问题类型或提供的服务。MCP 是低级别，关注具体功能，如模型如何调用特定的 API、函数来实现某个具体操作。
  • 标准化程度不同：A2A 处于早期发展阶段，标准化程度相对较低。MCP 在逐渐标准化中，已有一定的标准和规范，被广泛应用于 AI 模型与外部工具的集成。
标签：
最后更新时间: 2026/7/31 13:40:35|访问次数: 0|豫ICP备2025159864号|