📚 大模型协议系列文章

大模型背后的协议与接口设计- MCP

在过去几年，人工智能的发展让单个智能体已经能完成越来越复杂的任务，比如写文章、做数据分析、甚至协助编程。但当任务变得更复杂、需要多个智能体分工协作时，我们就会遇到一个问题：不同智能体之间怎么有效沟通？

如果每个智能体各说各话，就像一个人说中文、一个说英文，合作就会非常困难。这时候，一套统一的通信标准就显得至关重要——这就是今天要介绍的 Agent2Agent 协议。

所有相关源码示例、流程图、模型配置与知识库构建技巧，我也会持续更新在 Github：LLMHub，欢迎关注收藏！

大家可以带着下面三个问题来阅读本文，我会在最后给出答案。

1. Agent2Agent 协议是什么？
2. 为什么智能体之间需要一套统一的协议？
3. 它的落地场景会有哪些？

---

1. 从单体智能到多智能体协作

过去几年，大语言模型的能力突飞猛进。我们发现单一的大模型虽然强大，但在很多复杂任务中，它往往会遇到瓶颈。于是出现了 多智能体系统 ——多个 Agent 各自负责不同角色，通过协作完成任务。

举个例子：

• Agent A：任务规划师，负责把大目标拆解成小步骤；
• Agent B：执行者，调用工具或写代码来完成任务；
• Agent C：验证员，检查结果是否正确、是否符合需求。

这种“分工协作”的思路很有吸引力，但一个关键问题摆在面前：他们要怎么交流？

不同的 Agent 可能由不同团队开发，输入输出各不相同，就像一个说中文、一个说英文、一个说西班牙语，想合作，必须先解决语言问题。

这正是 Agent2Agent 协议（A2A） 想要解决的核心。

那么MCP和A2A协议有什么区别呢？简单说就是MCP For Tools(APIs、Resources)，A2A For Agents。MCP是智能体实现自身功能，调用资源的协议，A2A是针对不同Agent怎么配合实现功能的协议。

---

2. Agent2Agent 协议的核心设计

A2A由以下角色组成：

• 用户：发起需要代理帮助的请求或目标的最终用户（人工或自动化服务）。
• A2A 客户端（客户端代理）：代表用户向远程代理请求作或信息的应用程序、服务或其他 AI 代理。客户端使用 A2A 协议发起通信。
• A2A 服务器（远程代理）：公开实现 A2A 协议的 HTTP 端点的 AI 代理或代理系统。它接收来自客户端的请求，处理任务，并返回结果或状态更新。从客户端的角度来看，远程代理作为一个“不透明”系统运行，这意味着客户端不需要知道其内部工作原理、内存或工具。

如果用一句话来解释：A2A 协议就是一套为智能体设计的“通用语言标准”。

它关注的核心有三个方面：

1. 消息格式（Format）
   • 统一的结构（常见是 JSON 或类似 Schema）
   • 必须包含身份信息、意图、上下文、时间戳等字段
   • 方便日志追踪和调试
2. 语义定义（Semantics）
   • 消息类型：请求（Request）、响应（Response）、确认（Ack）、通知（Event）
   • 意图清晰：比如 request_task_execution 和 task_completed，而不是模糊的“OK/Done”
3. 交互模式（Interaction Patterns）
   • 点对点：A → B，一问一答
   • 广播式：A 把任务发出去，多个 Agent 竞争响应
   • 协作式：多个 Agent 互相传递结果，逐步完成复杂任务
   • 链式调用：像流水线一样，每个 Agent 只做一环

这样的设计让不同的 Agent 可以像使用 HTTP 一样“即插即用”，而不必关心对方的底层实现。

---

3. 为什么要用 A2A 协议？

很多人会问：难道直接写个 RPC 或者 REST API 就不行吗？

确实，如果只是两个 Agent 偶尔调用，API 就够用了。但当系统扩展到十个、几十个 Agent 时，就会出现：

• 数据不统一：每个 Agent 输出格式不同，拼接和解析非常麻烦；
• 语义不明确：同样一个“任务完成”，可能包含不同的上下文信息，容易误解；
• 难以扩展：引入一个新 Agent，就要改一大堆适配逻辑；
• 协作低效：没有标准的交互模式，任务在多个 Agent 间传递时容易丢失信息。

A2A 协议的价值就是让系统更 可扩展、可维护、可协作。就像互联网没有统一的 HTTP 协议，今天就不会有这么丰富的生态。

---

4.A2A协议的基本组件和工作流程

1. Agent Card（智能体名片）

Agent Card 就像智能体的“身份证”，是一个 JSON 文档，通常放在固定 URL 下，例如 /.well-known/agent-card.json。它包含智能体的基本信息、服务端点、支持的功能、提供的技能、默认输入输出方式以及身份验证要求。客户端可以通过读取 Agent Card 了解智能体能做什么，并安全有效地与其交互。

2. Task（任务）

Task 表示客户端请求智能体执行的具体操作，有些操作可能需要持续的状态管理，例如生成报告或预订航班。每个任务都有唯一 ID，并经历生命周期状态：submitted → working → input-required → completed / failed。任务是有状态的，可能涉及客户端和智能体之间多轮消息交互。

3. Message（消息）

Message 是客户端和智能体之间一次交流的单元，每条消息都有发送者角色（user 或 agent）和唯一标识符。消息中可以包含一个或多个 Part，用于传递指令、上下文、问题、答案或状态更新。Message 支持与任务关联，允许多轮交互，保证复杂任务的顺畅执行。

4. Part（消息内容单元）

Part 是消息或任务产出的最小内容单位，每个 Part 都有类型和用途。常见的类型包括 TextPart（普通文本）、FilePart（文件，支持 base64 或 URI 引用）和 DataPart（结构化 JSON 数据）。通过 Part，智能体可以灵活传递文本、文件或机器可读的数据。

5. Artifact（产物）

Artifact 是智能体完成任务后生成的实际输出，可以是文档、图片、表格或结构化数据等。任务完成后，Artifact 用来返回最终结果，它可以由多个 Part 组成，并支持增量流式传输，使客户端能够及时获取生成内容。

A2A的请求生命周期如下图所示：

协议工作流程为：

1. 客户端发起请求，发现目标Agent，返回Agent card
2. 进行鉴权
3. 发送消息（Message）并创建任务（Task）
4. Agent进行工作，最后返回输出产物（Artifact）

5. A2A中的代理发现

在 Agent2Agent（A2A）协议中，为了让智能体能够协作，它们首先需要发现彼此并了解对方的能力。A2A 使用 代理卡（Agent Card） 来标准化智能体自我描述的格式，但发现这些代理卡的方法会根据不同环境有所不同。

常见的代理发现方式包括三类：

1. 众所周知的 URI

对于公共或开放域的代理，推荐将代理卡托管在标准化路径，例如：
https://{agent-server-domain}/.well-known/agent-card.json
客户端代理只需对该 URL 发起 HTTP 请求即可获取代理卡。这种方式标准化、易于自动发现，适合开放环境，如果包含敏感信息，可能需要访问控制或身份验证。

2. 注册表/目录发现

企业或专用生态系统中，代理卡可以集中发布到注册表，由客户端查询以发现符合条件的代理。这种方式便于管理、支持基于技能而非域名的查找，并可实现访问控制。但是需要额外的注册表服务，A2A 目前尚未标准化相关 API。

3. 直接配置或私有发现

在紧密耦合或开发测试环境中，客户端可以直接配置代理卡信息或 URL，从本地配置文件、环境变量或专有 API 获取。这种方式简单、适合已知静态关系，但是灵活性低，远程代理更新可能需要重新配置。

6.应用场景

A2A 协议不仅是理论上的探索，已经在一些方向开始尝试：

1. 多智能体对话系统
   • 一个负责创意，一个负责写作，一个负责校对
   • 通过协议互相传递“草稿”“修改意见”“最终稿”
2. 自动化工作流
   • 数据检索 → 文本生成 → API 调用 → 结果验证
   • 每个步骤由一个 Agent 负责，协议保证结果顺畅传递
3. 跨平台生态
   • 不同厂商的 Agent 能通过协议互操作
   • 想象一下，你用的是 OpenAI 的规划 Agent，调用的是 Anthropic 的写作 Agent，再用本地的执行 Agent
4. 机器人与物联网
   • 机器人集群通过 A2A 协议共享任务和感知信息
   • IoT 设备间也能互通消息，组成“自治网络”
5. 分布式决策
   • 金融风控：不同 Agent 各自分析风险点，再通过协议汇总结论
   • 医疗诊断：多 Agent 协作提出诊断方案，医生只需做最后确认

---

我们最后来回答一下开头的问题

1. Agent2Agent 协议是什么？
   一套面向智能体的通信标准，解决不同 Agent 之间交流不畅的问题。
2. 为什么需要它？
   因为多智能体系统复杂度高，没有协议就会陷入混乱，难以扩展。
3. 应用场景有哪些？
   多智能体对话、自动化工作流、跨平台生态、机器人协作、分布式决策等。

---

关于深度学习和大模型相关的知识与前沿技术，欢迎关注公众号 coting！

部分内容参考了相关开源社区和研究资料，非常感谢，如有侵权请联系删除。

参考链接

https://a2a-protocol.org/latest/