随着人工智能技术的不断发展，MCP（Model-Connect Protocol）和A2A（Agent-to-Agent）协议逐渐成为行业关注的焦点。这两个协议分别由Anthropic和谷歌推出，旨在提升智能体与外部工具、数据源及API资源的连接效率，以及实现不同智能体之间的直接互通与协作。本文将深入探讨MCP和A2A的定义、原理及其在Agent开发中的应用，分析它们如何推动智能体搭建的效率提升，并展望未来可能的发展趋势。
是海外大模型巨头Anthropic公司在今年2月推出的一个协议，这个协议的主要目的，是让智能体与外部工具、数据源及API资源的连接问题变得更加简单。例如，通过MCP协议，AI模型可以安全访问数据库、调用API或操作特定工具，类似于“AI使用工具箱”的标准化接口；简单一点理解，就是以前我搭建一个agent的时候，需要对接很多的API（比如搜索引擎API）以及外部工具（比如文档编辑器、图表可视化组件、网页预览工具等），每一个对接项目都需要研发一个一个的对接，并且市面上的每一个开发者都需要重复一遍这样的过程；
MCP实现了一个事情，让所有的API、工具、数据源能够按照统一的协议“改造”，只要经过一次“改造”，这些工具都可以被开发者直接调用，这样就达成如下的效果：
形象一点讲，MCP定义了一个统一的“充电插头”，让API、数据源、外部工具这些“充电线”连接到同一个插头，这样，开发者就只需要对接插头就可以使用很多的充电线，而不用每一个充电线对接一个插头。
A2A是谷歌2025年4月最近公开的一个协议，它能够实现不同的智能体之间能够实现直接互通，让智能体之间能够协作起来解决多任务的问题。
那么我们怎么去理解A2A和MCP之间的关系，概括起来讲，他们两个本质上，都是在解决智能体搭建的效率问题，MCP是让搭建单个Agent的效率变得更高，而A2A是让多个Agent能够连接起来，形成一个能力更加强大的Agent。
这其中的详细逻辑是，MCP解决了搭建单个Agent需要的API、数据源、外部工具的对接效率问题，但是事实上每一个解决单点应用问题的Agent其实也是一个“应用能力单元”，它可以也像API一样被继续使用，因此Agent之间需要一个连接协议，让他们能够快速的通讯，因此出现了A2A协议。
MCP和A2A都是在解决Agent应用的开发问题，为了更加系统的理解他们，我们从搭建Agent需要的核心要素这个角度出发，从更上一层去了解，MCP和A2A处于Agent开发的哪个位置，从而也理解以后可能得走向是什么样的，我把Agent开发的核心要素和目前火热的概念如MCP、A2A、computer use、推理模型等联系在一起如下图：
个人认为，搭建一个Agent的核心要素应该包括：大模型、技能、知识库、规划 这4个部分。
1.大模型：大模型是这个Agent的底座能力，可能解决Agent60%的基础能力，但是，现阶段的大模型并不是万能的，它只具备生成和思考的能力，并不一定具备执行的能力，比如大模型本身不具备搜索能力，不具备浏览器和可视化组件能力，因此它需要搭配技能来使用；
2.技能：Agent搭建的技能都是一些技术和产品能力，其中包括如下几种情况；
①有对外开放的API、数据源、工具，这些属于企业有开源，或者需要付费接入的资源，开发者能够直接接入和使用，但是存在的问题就是开发者接入和使用这些资源会比较繁琐，工作量很大，因此诞生了MCP协议，解决统一对接的问题；
②但是还有很多的资源，企业是完全闭源没有对外开放的，比如公众号的文章、小红书的笔记、淘宝的商品等，官网为了巩固自己的数据壁垒不对外开放，但是开发者需要这种资源，因此出现了computer use的技术；
③最后，考虑到Agent其实也是一个能力单元，多个agent可以形成更强大的Agent，但是agent之间连接存在问题，所以出现了A2A协议。
3.知识库：制约Agent搭建的另一个重要的因素是知识库，因为垂直应用场景需要行业知识库；
4.规划：最后一点，怎么结合业务和用户场景的需求，并整合大模型、技能、知识库的资源，形成业务流或者工作流，解决应用场景问题，规划环节可能更多体现的是产品工程设计的能力。
根据这张框架图，并结合最近的一些行业动态，个人觉得未来Agent的4个要素可能的发展趋势如下：
1.大模型未来可能会直接整合技能：比如最近我们看到OpenAI和Deepseek推出的最新模型已经能够支持搜索、文档处理等技能，大模型本身也在直接支持各种API和工具，虽然目前支持的技能还比较少，但是长期看，随着支持的越来越多，可能大模型本身就解决了技能的问题；
2.把规划的问题也交给模型：现在的Agent的规划基本还是依靠人工来设计，很考验产品经理和技术的业务理解能力和工程设计能力，但是像Manus这类的产品，现在已经支持直接通过模型解决规划问题，未来可能更多的场景规划并不需要人工来设计，更多的交给模型；
3.知识库生态的构建和连接：MCP和A2A解决的是技能生态构建和连接效率的问题，下一个Agent的难题可能就在知识库，所以知识库生态的构建和连接问题，或许会是MCP和A2A之后的下一个统一协议的方向。
MCP和A2A对于大厂而言，将会在PAAS层和SaaS层带来一些新的竞争方向，其中包括：
1.在PAAS层：大厂可能会尽快构建自己的MCP平台，构建Agent搭建需要的技能和工具生态，他们可以将大量的API通过支持MCP协议之后放到平台中，让更多的开发者使用，帮助开发者更容易的开发出Agent；比如我们看到腾讯云和阿里百炼目前已经在平台内支持MCP服务的能力，整合MCP服务资源，同时支持开发者自定义MCP服务；
2.在SaaS层：一方面可以利用MCP和A2A的能力，让自家的看家AI应用支持更加强大的应用能力，包括通过MCP支持多种技能，以及通过A2A构建超级Agent；另一方面，也可以更容易的搭建Agent平台；
1.MCP服务平台：创业者当然也可以作为MCP服务资源的整合者，通过整合市面上的MCP服务，构建MCP服务平台，为中小企业创业者提供MCP接入的服务；
2.自己整合MCP资源开发AI应用：同样，中小企业也可以自己整和可以内用的MCP服务，为企业自己所用，构建更强大的AI应用。
作者：三白有话说，公众号：三白有话说
本文由 @三白有话说 原创发布于人人都是产品经理。未经作者许可，禁止转载。
题图来自Unsplash，基于CC0协议
该文观点仅代表作者本人，人人都是产品经理平台仅提供信息存储空间服务。
此内容由惯性聚合(RSS阅读器)自动聚合整理，仅供阅读参考。 原文来自 — 版权归原作者所有。