阿里云百炼 MCP 服务 | 二师兄的博客

type

status

date

slug

summary

信息孤岛问题：不同供应商和框架构建的 AI 代理缺乏统一的通信标准，形成相互隔离的"信息孤岛"。就像不同国家的人使用不同语言，虽然各自聪明，却无法有效交流。

协作效率低下：在企业自动化、客户服务和供应链管理等领域，多个 AI 代理需要协同处理复杂任务，但缺乏标准化通信协议严重制约了整体效能。

集成成本高昂：企业需要为不同 AI 代理间的通信开发定制接口，增加了技术债务和维护成本。

▍知识卡片：什么是多智能体系统（MAS）？

多智能体系统是由多个能够感知环境、做出决策并相互协作的智能代理组成的网络。例如，在智能工厂中，不同 AI 代理分别负责生产调度、质量控制和设备维护，共同优化整体运营。

A2A 协议可以理解为 AI 代理世界的"通用翻译官"。它为不同供应商、不同框架构建的 AI 代理提供了一种标准化的通信方式，使它们能够无缝协作和信息交换。

代理卡片机制：每个 AI 代理通过 JSON 格式的"代理卡片"广播自己的能力，类似于专业人士的技能简历。这使其他代理能够发现并利用最适合特定任务的合作伙伴。

任务生命周期管理：A2A 定义了完整的任务对象生命周期，支持从任务创建、执行、状态更新到完成的全过程跟踪。对于长时间运行的任务，代理可以持续提供实时反馈和状态更新。

协作消息交换：代理间可以交换包含上下文、回复、工件和用户指令的结构化消息，实现丰富且上下文相关的交互。

A2A 协议基于五个关键设计原则构建，每一项都针对企业级 AI 应用的实际需求：

A2A 协议相比早期的 KQML 和 FIPA-ACL 等代理通信语言，最大的创新在于其实用性和现代化设计。它不仅基于现代 Web 技术构建，还特别关注企业环境中的实际需求。

协议名称	开发者/起源	主要架构	关键特性/概念	重点/主要用例	当前状态/采用情况
A2A	谷歌	客户端-服务器	代理卡片、任务管理、协作、用户体验协商、模式无关性	企业自动化、客户服务、供应链管理、需要代理间协作的复杂工作流程	2025 年 4 月发布，获得超过 50 家合作伙伴的支持，开源，尚处于早期采用阶段
MCP	Anthropic	客户端-服务器	提示、资源、工具、根、采样	增强 LLM 的上下文感知能力，连接到外部数据源和工具	2024 年 11 月发布，获得 OpenAI、亚马逊和微软等主要参与者的支持，开源
ANP	Agent Network Protocol 社区	点对点	去中心化身份 (DID)、加密通信、元协议、代理描述、代理发现	构建去中心化的代理网络，强调身份验证和安全通信	协议和实现正在开发中，旨在成为代理互联网的 HTTP
KQML	DARPA 知识共享计划	未明确定义	执行器 (Performatives)、内容层、消息层、通信层	早期在学术和研究环境中用于分布式人工智能系统	已被 FIPA-ACL 取代
FIPA-ACL	智能物理代理基金会 (FIPA)	未明确定义	通信行为 (Communicative Acts/Performatives)、消息结构、言语行为理论	需要清晰规范和互操作性的工业应用中的多代理系统	工业应用中更受欢迎，但实施复杂，需要共享本体

谷歌将 A2A 定位为 Anthropic 的模型上下文协议（MCP）的补充。这两个协议在功能上形成完美互补：

特征	A2A（Agent2Agent 协议）	MCP（模型上下文协议）
开发者	谷歌	Anthropic
主要目标	实现人工智能代理之间的通信和协作	实现 LLM 应用程序与外部工具和数据源的集成
通信范围	代理到代理	模型到数据/工具
关键技术重点	HTTP、SSE、JSON-RPC、代理卡片、任务管理、模式无关性	JSON-RPC、提示、资源、工具
类比	机械师之间的对话	人工智能应用程序的 USB 端口