A2A

当一个 Agent 不够用，行业开始让多个 Agent 互相协作。MCP 解决的是 Agent 怎么连工具，而 Agent 之间怎么对话，靠的是 A2A（Agent2Agent）这类协议。NIST 在其智能体威胁材料里，已把 MCP、A2A、ACP 并列列为「不安全协议」——A2A 的信任问题，和 MCP 一样被低估了。 MCP 与 A2A 到底怎么分工？ 打个比方：MCP 是员工去操作公司系统（工具），A2A 是员工之间打电话派活。前者管的是「能不能动那个工具」，后者管的是「能不能信对面那个 Agent」。多智能体系统里，一个主管 Agent 把任务派给执行 Agent，执行 Agent 又可能调 MCP 工具——信任是层层传递的。 Agent 互联引入了哪些新的信任风险？ A2A 引入了几个 MCP 没有的问题：对面那个 Agent 是谁？它代表哪个组织？它返回的中间结果可不可信？如果不做身份与意图认证，恶意 Agent 可以混进协作网络，把任务引向错误工具，或泄露上游敏感上下文。这和 MCP 里的隐式信任传递是同一类病，只是发生在 Agent 之间。 多智能体协作的务实做法是什么？ 在 Agent 间握手时做显式身份与能力声明；对跨组织的 Agent 协作，限定可委派的任务范围；给 Agent 间通信加审计日志，出问题能追溯是哪一环下的指令。把 Agent 之间的关系，当成公司间合作而非同事间闲聊来管理。 多智能体时代的信任模型要怎么重建？ 多智能体不是把单 Agent 放大就行，信任模型必须重新设计。A2A 补上了通信这层，但信任这层，仍要靠框架与企业自己加。 一个最小可用的协作治理框架长什么样？ 搭多智能体系统时，先画一张信任图：哪些 Agent 在同一组织内，哪些跨组织；任务委派链有多长。同一组织内可以宽松些，跨组织则必须显式身份认证与任务范围限定。给每条 Agent 间通信加审计日志，记录谁委派了什么、谁调用了哪个工具。一旦线上出问题，这张图与日志能让你在分钟级定位是哪一环被污染。把 Agent 协作当分布式系统来治理，而不是当几个聊天机器人拼在一起。协议提供连接，治理才提供信任——后者没有捷径。 去论坛讨论 这篇文章里的观点，欢迎到硅基AGI论坛讨论。按标题搜索：A2A协议 ...

引言 2026年，AI Agent生态的碎片化问题日益凸显。不同框架、不同厂商的Agent之间缺乏统一的通信标准，导致"信息孤岛"和"工具孤岛"。MCP（Model Context Protocol）协议的推出，试图解决这个问题，但它能否成为事实标准？本文深入分析。 MCP 协议的核心设计 什么是 MCP？ MCP是由Anthropic提出的开放协议，旨在为AI模型与外部数据源、工具和服务之间提供标准化的连接方式。 核心目标： 统一模型与工具的接口 降低Agent集成外部资源的成本 促进跨平台的互操作性 三层架构 ┌─────────────────────────────────────┐ │ MCP Host (应用层) │ │ Claude Desktop / Cursor / VSCode │ ├─────────────────────────────────────┤ │ MCP Client (客户端) │ │ 连接到 Server 的进程 │ ├─────────────────────────────────────┤ │ MCP Server (服务端) │ │ 提供资源/工具/提示的进程 │ ├─────────────────────────────────────┤ │ 外部数据源 / API │ └─────────────────────────────────────┘ 三大核心抽象 资源（Resources）：Agent可以读取的数据（文件、数据库记录、API响应等） 工具（Tools）：Agent可以调用的操作（搜索、计算、执行命令等） 提示（Prompts）：预定义的对话模板，帮助Agent高效完成常见任务 MCP 与 A2A 协议的对比 MCP vs A2A 维度 MCP A2A 设计目标 模型-工具连接 Agent-Agent通信 通信模式 Client-Server Peer-to-Peer 主要场景 单Agent扩展 多Agent协作 标准化程度 较成熟 早期阶段 生态规模 1000+ Server 数十个实现 互补而非竞争 MCP和A2A解决的是不同层面的问题： ...

MCP vs A2A：Agent 通信协议的世纪之争 2026 年，AI Agent 的互操作性成为行业焦点。Anthropic 的 MCP（Model Context Protocol）和 Google 的 A2A（Agent-to-Agent Protocol）代表了两条不同的技术路线，这场标准之争将决定未来 Agent 生态的格局。 MCP：工具连接的 USB-C 设计哲学：MCP 解决的是「Agent 如何连接工具和数据源」的问题。它定义了工具提供者（Server）和工具消费者（Client）之间的标准接口。 核心概念： Tools：Agent 可以调用的函数 Resources：Agent 可以读取的数据 Prompts：预定义的 Prompt 模板 采用现状（2026 年 6 月）： 官方 MCP Server 数量：200+ 第三方 MCP Server：3000+ 支持 MCP 的 Agent 框架：OpenClaw、Claude Desktop、Cursor、Zed A2A：Agent 之间的「外交协议」 设计哲学：A2A 解决的是「Agent 之间如何通信和协作」的问题。它定义了 Agent 之间发现、协商、任务分配的标准方式。 核心概念： Agent Card：Agent 的「名片」，描述能力和接口 Task：可分解的任务单元 Message：Agent 之间的结构化消息 采用现状： Google 第一方支持：Gemini Agent Garden 合作伙伴：Salesforce、SAP、MongoDB 等 50+ 企业 开源实现：A2A Python SDK、Node.js SDK 技术对比 维度 MCP A2A 解决问题 Agent-工具连接 Agent-Agent 协作 传输协议 stdio/HTTP+SSE HTTP+JSON-RPC 发现机制 静态配置 动态发现 安全性 OAuth 2.0 OAuth 2.0 + OIDC 生态规模 大（3000+ Servers） 中（企业为主） 学习曲线 低 中 两者能共存吗？ 答案是可以，而且应该共存。MCP 和 A2A 解决的是不同层次的问题： ...