正如APIs在2010年代初为企业系统间的大规模集成解锁了新方式，AI代理如今也正处于类似的突破时刻。当时，REST和JSON通过简化复杂的SOAP、WSDL和紧密耦合的Web服务，极大地提升了开发者的生产力，并催生了一系列围绕模块化软件的商业生态系统。如今，随着AI代理变得越来越强大和专业化，企业发现协调这些代理成为下一个重大挑战。两个开放协议——代理到代理（A2A）和模型上下文协议（MCP）——正应运而生，以解决这一问题。
A2A与MCP的核心价值
A2A提供了一种机制，使代理能够跨系统交互。它允许代理宣传自己的能力、发现其他代理，并发送结构化请求。建立在JSON-RPC和OpenAPI风格的认证基础上，A2A支持代理之间的无状态通信，使得在大规模运行多代理工作流时更加简单和安全。
MCP则是另一个协议，它为AI代理提供了无缝访问关键工具、全面数据和相关上下文的能力。它为连接到多样化的企业系统提供了一个标准化框架。一旦服务提供商建立了MCP服务器，其全部功能就变得对所有代理普遍可用，从而在整个生态系统中实现更智能和协调的行动。
互操作性为何至关重要
AI系统正超越通用辅助工具的角色，大多数企业正在设计专业化的代理，用于管理库存、处理退货、优化路线或审批流程等。价值不仅来源于代理的智能，更来源于它们如何协同工作。A2A和MCP通过简化代理之间的任务共享、信息交换和上下文访问，成为实现这一协同的关键。
协议的快速普及
Google Cloud率先提出了A2A作为开放标准，并公开了其草案，鼓励行业各界的贡献。目前已有超过50家合作伙伴参与了其演进，包括Salesforce、Deloitte和UiPath。微软现在也在Azure AI Foundry和Copilot Studio中支持A2A，SAP已将其集成到Joule助理中。Zoom正在使用A2A来促进其开放平台中的跨代理交互，Box和Auth0则展示了如何通过标准化身份流程在代理之间处理企业身份验证。
多代理工作流的新用例
从独立代理到协调系统的转变已经开始。想象一下，一个客户服务代理收到一个请求，它使用A2A与库存代理检查产品可用性，然后咨询物流代理以推荐发货时间表。如果需要，它还可以联系财务代理进行退款。这些代理可能使用不同的模型、工具包或平台构建，但它们可以通过A2A和MCP进行互操作。
在更高级的设置中，这种模式启用了如实时运营管理等新用例。例如，一个监控主题公园视频流的AI代理可以与运营代理协调，根据实时人群条件调整人员分配。视频、传感器和票务数据可以通过BigLake元数据存储等工具提供，并通过MCP被代理访问。决策是在代理之间做出的，并执行的，几乎不需要人工协调。
架构上的新抽象层
MCP和A2A不仅仅是消息协议，它们是企业软件向更清洁、更开放的抽象层转变的一部分。这些代理协议将智能与集成解耦。使用MCP，开发者无需为每个数据源手动编码API访问。使用A2A，他们无需维护代理之间交互的脆弱逻辑。结果是构建智能多代理系统的方法更加可维护、安全和可移植，能够在业务单元和平台之间扩展。
Google Cloud的推动作用
Google Cloud对生态系统的贡献既基础又实用。它与Anthropic合作开发MCP，并发布了A2A作为开放规范，并提供了生产级工具支持。这些协议已深度集成到Google Cloud的AI平台中，包括Vertex AI，其中可以直接开发和管理多代理工作流。其他云提供商也开始采纳MCP和A2A标准。
企业的行动指南
对于今天正在投资AI代理的企业来说，互操作性将随着时间的推移变得越来越重要。围绕孤立代理构建的系统将难以扩展；而基于共享协议构建的系统将更加灵活、协作和面向未来。这一转变与过去十年中API的兴起相呼应。REST和JSON不仅提高了效率，还成为现代云应用的基础。MCP和A2A有望为AI代理带来同样的变革。
原创文章，作者：王 浩然，如若转载，请注明出处：https://www.dian8dian.com/ai-de-hu-cao-zuo-xing-shi-dai-a2a-yu-mcp-dui-dai-li-xie-zuo
