A2A与MCP：面向智能体系统的互补协议#

A2A ❤️ MCP#

在AI智能体开发领域，出现了两种关键类型的协议来促进互操作性：一种是连接智能体与工具和资源的协议，另一种是支持智能体间协作的协议。Agent2Agent (A2A)协议和Model Context Protocol (MCP)分别满足这两种相关但不同的需求。

简而言之：智能体应用需要同时使用A2A和MCP。我们推荐使用MCP处理工具交互，使用A2A处理智能体间通信。

为什么需要不同的协议？#

这种区分源于智能体交互对象的本质差异：

• 工具与资源：

  • 通常是具有明确定义、结构化输入输出的基础组件
  • 执行特定、通常是无状态的功能（如计算器、数据库查询API、天气查询服务）
  • 行为通常可预测且事务性
  • 交互通常是单一请求-响应周期

• 智能体：

  • 是更自主的系统，能够推理、规划、使用多种工具
  • 可以在较长时间内保持状态，参与复杂的多轮对话以完成新颖或演化的任务
  • 行为可能具有涌现性，比简单工具更不可预测
  • 交互通常涉及持续的任务、上下文共享和协商

智能体应用需要同时利用这两种能力：智能体使用工具来收集信息和执行操作，同时与其他智能体协作以解决更广泛、更复杂的目标。

模型上下文协议(MCP)#

• 重点：标准化AI模型和智能体如何连接和交互工具、API、数据源和其他外部资源
• 机制：定义结构化方式来描述工具能力（类似于大语言模型中的函数调用）、传递输入和接收结构化输出
• 用例：
  • 使LLM能够调用外部API（如获取当前股票价格）
  • 允许智能体使用特定参数查询数据库
  • 将智能体连接到一组预定义函数或服务
• 生态系统：MCP旨在创建一个生态系统，让工具提供商可以轻松将其服务暴露给各种AI模型和智能体框架，智能体开发者可以标准化地使用这些工具

Agent2Agent协议(A2A)#

• 重点：标准化独立、通常不透明的AI智能体之间作为对等体进行通信和协作
• 机制：提供应用层协议使智能体能够：
  • 通过Agent Card发现彼此的高级技能和能力
  • 协商交互模式（文本、文件、结构化数据）
  • 管理共享的、有状态的、可能长时间运行的任务
  • 交换会话上下文、指令和复杂的多部分结果
• 用例：
  • 客户服务智能体将复杂账单查询委托给专门的账单智能体，同时保持客户交互的上下文
  • 旅行规划智能体协调独立的航班、酒店和活动预订智能体，管理多阶段预订流程
  • 智能体为持续演变的协作项目交换信息和状态更新
• 与工具交互的关键区别：A2A允许比简单工具调用更动态、有状态和潜在多模态的交互。使用A2A的智能体是作为智能体（或代表用户）进行通信，而仅仅是调用离散函数

A2A与MCP如何互补#

A2A和MCP并不互斥，它们高度互补，解决了智能体系统不同层次的交互需求。

一个智能体应用可能使用A2A与其他智能体通信，而每个智能体内部使用MCP与其特定工具和资源交互

示例场景：汽车修理店#

考虑一个由自主AI"机械师"智能体运营的汽车修理店，这些智能体使用专用工具（如车辆千斤顶、万用表和套筒扳手）来诊断和修复问题。工作人员经常需要诊断和修复他们以前从未见过的问题。维修过程可能涉及与客户的广泛对话、研究和与零件供应商的合作。

1. 客户交互（用户通过A2A与智能体交互）：

   • 客户（或其主要助手智能体）使用A2A与"店铺经理"智能体通信："我的车发出咔嗒声"
   • 店铺经理智能体使用A2A进行多轮诊断对话："能发送一段噪音的视频吗？"，"我看到有液体泄漏，这种情况持续多久了？"

2. 内部工具使用（智能体通过MCP与工具交互）：

   • 由店铺经理分配任务的机械师智能体需要使用MCP与其专用工具交互：
     • 对"车辆诊断扫描仪"工具的MCP调用：scan_vehicle_for_error_codes(vehicle_id='XYZ123')
     • 对"维修手册数据库"工具的MCP调用：get_repair_procedure(error_code='P0300', vehicle_make='Toyota', vehicle_model='Camry')
     • 对"平台升降机"工具的MCP调用：raise_platform(height_meters=2)

3. 供应商交互（智能体通过A2A交互）：

   • 机械师智能体确定需要特定零件，使用A2A与"零件供应商"智能体通信："你们有2018款丰田凯美瑞的零件#12345库存吗？"
   • 同样符合A2A标准的零件供应商智能体响应，可能导致订单产生

在这个例子中：

• A2A促进客户与店铺之间，以及店铺智能体与外部供应商智能体之间的高级别、对话式和任务导向的交互
• MCP使机械师智能体能够使用其特定的结构化工具执行诊断和维修功能

将A2A智能体表示为MCP资源#

可以设想，A2A服务器（远程智能体）也可以将其部分技能作为MCP兼容资源公开，特别是当这些技能定义明确且可以以更像工具的无状态方式调用时。在这种情况下，另一个智能体可能通过MCP风格的工具描述（可能源自其Agent Card）"发现"这个A2A智能体的特定技能。

然而，A2A的主要优势在于它支持更灵活、有状态和协作的交互，超越了典型的工具调用。A2A是关于智能体合作完成任务，而MCP更多是关于智能体使用能力。

通过同时利用A2A进行智能体间协作和MCP进行工具集成，开发者可以构建更强大、灵活和可互操作的AI系统。