惯性聚合 高效追踪和阅读你感兴趣的博客、新闻、科技资讯
阅读原文 在惯性聚合中打开

推荐订阅源

Exploit-DB.com RSS Feed
Exploit-DB.com RSS Feed
A
About on SuperTechFans
IT之家
IT之家
让小产品的独立变现更简单 - ezindie.com
让小产品的独立变现更简单 - ezindie.com
Blog — PlanetScale
Blog — PlanetScale
aimingoo的专栏
aimingoo的专栏
云风的 BLOG
云风的 BLOG
The GitHub Blog
The GitHub Blog
Vercel News
Vercel News
G
Google Developers Blog
J
Java Code Geeks
宝玉的分享
宝玉的分享
T
Tailwind CSS Blog
Cloudbric
Cloudbric
L
LINUX DO - 最新话题
MyScale Blog
MyScale Blog
H
Heimdal Security Blog
PCI Perspectives
PCI Perspectives
Attack and Defense Labs
Attack and Defense Labs
S
Security @ Cisco Blogs
Latest news
Latest news
I
Intezer
L
Lohrmann on Cybersecurity
C
CXSECURITY Database RSS Feed - CXSecurity.com
月光博客
月光博客
T
Threatpost
博客园 - 【当耐特】
S
Schneier on Security
P
Privacy International News Feed
G
GRAHAM CLULEY
T
Tenable Blog
AWS News Blog
AWS News Blog
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
雷峰网
雷峰网
博客园 - Franky
Engineering at Meta
Engineering at Meta
美团技术团队
S
Secure Thoughts
T
Troy Hunt's Blog
Microsoft Security Blog
Microsoft Security Blog
SecWiki News
SecWiki News
V
Visual Studio Blog
人人都是产品经理
人人都是产品经理
Application and Cybersecurity Blog
Application and Cybersecurity Blog
Cisco Talos Blog
Cisco Talos Blog
奇客Solidot–传递最新科技情报
奇客Solidot–传递最新科技情报
Martin Fowler
Martin Fowler
Webroot Blog
Webroot Blog
Google DeepMind News
Google DeepMind News
H
Hackread – Cybersecurity News, Data Breaches, AI and More

清竹志-(原清竹茶馆)

读完 DeepSeek-V4 技术报告:这次最值得看的,不是“更大”,而是“更省” Codex Skills 不是 Prompt 的升级版,而是写给 AI 的岗位 SOP 【译】React 服务器组件中的关键安全漏洞 Vercel收购NuxtLabs,我和尤雨溪一样心情复杂 免费平替Claude-Code:Google Gemini CLI深度解析与实践指南 Newsletter逆天福利:三种方式获取全年免费 AI/SaaS 工具包(含团体购买兑换防坑指南) 颠覆传统搜索!全球AI搜索工具正在攻城略地 激战“后DeepSeek时代”:全球大模型开启“地狱级”内卷模式 改名公告:清竹茶馆的新篇章-清竹志 【2023年终总结】与逝去的年华道个别 【前端工程化】Nextjs项目工程化最佳实践总结(献给2023-1024的礼物) 【2022年终总结】此去经年,烟消雾散,晨曦微露 【1024献礼】生成可掌握钱包和揭秘NFT和token被盗案例以及如何预防被盗 【2021年终总结】刚好遇见你,留下百年的期许 【Swift】Swift学习计划与资料 【前端工程化】Vite关于Vue3/React项目工程化总结(献给2021-1024的礼物) 【图解算法】前端思维学习图解算法数据结构笔记(一)之算法复杂度 【三亚攻略】2021年三亚团建攻略 【前端工具】前端工具函数合集 【2020年终总结】如果这一年你很健康,那便是最好的一年!
Google发布Agent2Agent(A2A)协议:开启协作式 AI 代理的新时代
vadxq · 2025-04-10 · via 清竹志-(原清竹茶馆)

引言

我们正处在一个 AI 智能体(Agent)蓬勃发展的时代,它们在各种应用中大显身手。但你有没有想过,如果这些聪明的“助手”们能够跨越框架和供应商的限制,更好地沟通协作,是不是能发挥出更大的潜力呢?

现实是,各自为战的 AI 智能体难以实现无缝的信息共享和行动协调,这就像一个团队里大家各说各话,难以完成复杂任务。为了打破这种壁垒,Google 在 Cloud Next 大会上正式发布并开源了 Agent2Agent (A2A) 协议

这项举措旨在为不同来源、不同架构的 AI 智能体提供一个通用的“交流平台”,促进它们之间的无缝互操作。更令人兴奋的是,A2A 一经推出就获得了 50 多家行业领先企业的积极响应和支持,这预示着 AI 代理生态系统即将迎来一个全新的协作时代,有点像当年安卓系统重塑移动生态!今天,我们就来深入了解 A2A 协议,看看它如何让 AI 伙伴们协同工作。

认识 A2A:AI 伙伴间的通用语言

A2A 协议的核心目标就是实现智能体之间的互操作性,它建立在一系列清晰的设计原则之上:

  • 🤝 视代理为伙伴 (Agent-First): 超越简单的“工具调用”思维,让智能体即使没有共享内存或工具也能自主协作。
  • 🔧 基于成熟标准 (Standards-Based): 构建在大家熟悉的 HTTP、SSE(服务器发送事件)、JSON-RPC 之上,极大简化集成,降低开发者门槛。
  • 🛡️ 安全第一 (Secure by Default): 内置企业级身份验证和授权机制,符合 OpenAPI 标准,确保通信安全可靠。
  • 支持长时任务 (Long-Running Tasks): 轻松处理从快速查询到数小时甚至数天的复杂研究,并能提供实时状态更新和反馈。
  • 🗣️ 多种沟通方式 (Modality-Agnostic): 不仅限于文本,原生支持音频、视频流、文件、表单等多种交互模态。

Agent2Agent

为了实现这些,A2A 定义了一些关键的技术组件:

  • 代理卡片 (Agent Card): 每个智能体都有一个标准化的 JSON 文件(可以参考github上的https://github.com/google/A2A),像它的“数字名片”或“黄页”,公开自己的功能、技能、地址和认证需求,让其他智能体能动态发现它。
  • 任务 (Task): A2A 中的核心工作单元,拥有从启动到完成(或失败/取消)的完整生命周期,用于管理和跟踪协作流程。
  • 消息 (Message) & 部件 (Part): 智能体间通过“消息”沟通,每条消息可包含一个或多个“部件”。部件可以是文本 (TextPart)、文件 (FilePart) 或结构化数据 (DataPart),灵活支持多模态交互。
  • 工件 (Artifact): 代表智能体完成任务后生成的输出成果,如报告、文件或数据,同样可包含多个部件。

MCP与A2A协作

A2A 与 MCP:强强联手,各有侧重

提到智能体协议,大家可能也会想到 Anthropic 的模型上下文协议 (MCP)。A2A 和 MCP 并非竞争关系,而是互补的!

  • MCP (模型上下文协议): 主要关注 单个 AI 智能体如何更方便地调用外部工具和获取上下文信息。你可以把它想象成给智能体配上各种趁手的 “工具”或“扳手” 🔧,让它能连接 API、访问数据库等。
  • A2A (Agent2Agent 协议): 则专注于 多个 自主 AI 智能体之间的 直接通信和协作。它更像是智能体之间的 “对话机制” 💬,定义了它们如何找到彼此、协商任务、交换信息、协同行动。

MCP与A2A组合的应用

它们如何协作? 想象一个招聘流程 :

  1. 招聘经理的智能体 (Agent A) 可能使用 MCP 连接内部简历数据库,筛选候选人。
  2. Agent A 筛选出合格者后,通过 A2A 将信息传递给负责安排面试的智能体 (Agent B)。
  3. Agent B (可能也通过 A2A 与日历智能体交互) 完成面试安排。 整个过程流畅高效,每个智能体发挥专长,通过 A2A 无缝衔接。Google 的 Agent Development Kit (ADK) 甚至同时支持这两种协议 。

【A2A 的价值:不止于连接】

A2A 协议的开放性和互操作性带来了巨大的潜力:

  • 🚀 提升效率与生产力: 自动化跨智能体、跨系统的复杂工作流。
  • 🔗 打破数据与应用孤岛: 实现不同平台和服务(如 CRM、ERP、HR 系统)间智能体的协作与信息共享。
  • 💡 促进创新: 允许企业自由组合来自不同供应商、基于不同框架(如 ADK, LangGraph, CrewAI )构建的专业智能体,打造定制化、更强大的 AI 解决方案,避免供应商锁定。
  • 🌐 应用场景广泛:
    • 企业自动化: 订单处理、客户服务升级、供应链管理优化。
    • 客户服务: 构建多层级、专业化的智能客服体系。
    • 科学研究: 连接数据源、模拟工具,加速新药研发、材料发现等。
    • 构建更强 AI 应用: 将具备不同能力的智能体连接起来,处理更复杂、更高级的任务。

拥抱 AI 协作新时代

总而言之,Google 的 Agent2Agent (A2A) 协议是 AI 发展中的一个重要里程碑。它直面日益复杂的 AI 环境中对互操作性和协作的关键需求。

通过为 AI 智能体提供标准化的“通用语言”,A2A 有望打破现有壁垒,开启一个功能更强大、应用更广泛、协作更顺畅的 AI 新时代。对于开发者和企业而言,这意味着能够构建更复杂、更集成、更智能的自动化解决方案,真正释放 AI 的潜力。

让我们一起期待 A2A 协议为 AI 生态带来的变革!

参考新闻:
[1] Google blog: https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability
[2] A2A Docs:  https://google.github.io/A2A
[3] A2A Github: https://github.com/google/A2A

有趣的灵魂在等你

长按二维码识别