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

Forbes - Security
Forbes - Security
L
Lohrmann on Cybersecurity
Simon Willison's Weblog
Simon Willison's Weblog
P
Proofpoint News Feed
P
Privacy International News Feed
The Hacker News
The Hacker News
AWS News Blog
AWS News Blog
S
Securelist
P
Proofpoint News Feed
Recent Announcements
Recent Announcements
GbyAI
GbyAI
B
Blog RSS Feed
A
About on SuperTechFans
C
CXSECURITY Database RSS Feed - CXSecurity.com
Y
Y Combinator Blog
Microsoft Azure Blog
Microsoft Azure Blog
H
Hackread – Cybersecurity News, Data Breaches, AI and More
Cyberwarzone
Cyberwarzone
I
Intezer
T
Tor Project blog
T
The Blog of Author Tim Ferriss
The GitHub Blog
The GitHub Blog
云风的 BLOG
云风的 BLOG
Recorded Future
Recorded Future
aimingoo的专栏
aimingoo的专栏
Cisco Talos Blog
Cisco Talos Blog
Cyber Security Advisories - MS-ISAC
Cyber Security Advisories - MS-ISAC
钛媒体:引领未来商业与生活新知
钛媒体:引领未来商业与生活新知
W
WeLiveSecurity
D
DataBreaches.Net
U
Unit 42
Project Zero
Project Zero
Martin Fowler
Martin Fowler
V
V2EX
The Last Watchdog
The Last Watchdog
Security Archives - TechRepublic
Security Archives - TechRepublic
C
Cisco Blogs
Threat Intelligence Blog | Flashpoint
Threat Intelligence Blog | Flashpoint
K
KPMG report finds enterprise disconnect between AI and its ROI | CIO
OSCHINA 社区最新新闻
OSCHINA 社区最新新闻
V2EX - 技术
V2EX - 技术
Hacker News - Newest:
Hacker News - Newest: "LLM"
T
Threat Research - Cisco Blogs
cs.CV updates on arXiv.org
cs.CV updates on arXiv.org
T
Tenable Blog
F
Full Disclosure
T
The Exploit Database - CXSecurity.com
H
Heimdal Security Blog
Latest news
Latest news
Webroot Blog
Webroot Blog

DEV Community

Authentication Security Deep Dive: From Brute Force to Salted Hashing (With Java Examples) Why AI Systems Don’t Fail — They Drift Spilling beans for how i learn for exam😁"Reinforcement Learning Cheat Sheet" I Replaced Chrome with Safari for AI Browser Automation. Here's What Broke (and What Finally Worked) How Python Borrows Other People's Work The $40 Architecture: Processing 1 Billion API Requests with 99.99% Uptime Vibe Coding: A Workflow Guide (From Zero to SaaS) Most webhook security guides protect the wrong side. The scary part is delivery. Headless CMS for TanStack Start: Build a Blog with Cosmic EU Age Verification App "Hacked in 2 Minutes" — What Actually Happened Comfy Cloud’s delete function does not actually remove files Running AI Models on GPU Cloud Servers: A Beginner Guide Event-driven media intelligence with AWS Step Functions and Bedrock I scored 500 AI prompts across 8 quality dimensions — here's what broke How to Call Google Gemini API from Next.js (Free Tier, No Backend Needed) The Portal Protocol: Reclaiming Human Connection in the Age of AI How to Fix Your Team's Scattered Knowledge Problem With a Self-Hosted Forum Intro to tc Cloud Functors: A Graph-First Mental Model for the Modern Cloud Designing Multi-Tenant Backends With Both Ownership and Team Access I Built a Neumorphic CSS Library with 77+ Components — Here's What I Learned PostgreSQL Performance Optimization: Why Connection Pooling Is Critical at Scale Cómo construí un SaaS multi-rubro para gestionar expensas en Argentina con FastAPI + Vue 3 🚀 I Built an Ethical Hacking Scanner Tool – Open Source Project I Replaced /usage and /context in Claude Code With a Single Statusline A Pythonic Way to Handle Emails (IMAP/SMTP) with Auto-Discovery and AI-Ready Design I Collected 8.9 Million Polymarket Price Points — Here's What I Found About How Markets Really Move EcoTrack AI — Carbon Footprint Tracker & Dashboard Everyone's Using AI. No One Agrees How. 5 self-hosted ebook managers worth trying in 2026 Building Your First AI Agent with LangChain: From Chatbot to Autonomous Assistant Common SOC 2 Failures (Real World) Stop Vibe-Checking Your AI App: A Practical Guide to Evals How to Use SonarQube and SonarScanner Locally to Level Up Your Code Quality Your Next To-Do App Is Dead — I Replaced Mine with an OpenClaw AI Sign a Nostr event in 60 lines of Python using coincurve — no nostr-sdk, no nbxplorer, no rust toolchain ITGC Audit Explained Like You’re in Big 4 Patch Tuesday abril 2026: Microsoft parcha 163 vulnerabilidades y un zero-day en SharePoint Stop scraping everything: a better way to track competitor price changes Listing on MCPize + the Official MCP Registry while routing payments OUTSIDE the marketplace — how I kept 100% of my x402 revenue Building an AI-Powered Risk Intelligence System Using Serverless Architecture Why We Ripped Function Overloading Out of Our AI Toolchain Testing AI-Generated Code: How to Actually Know If It Works SaaS Churn Is Killing Your Business. Here Is What to Do About It (Without a Support Team) The Speed of AI Is No Longer Linear - And Self-Improving Models Are Why How to Implement RBAC for MCP Tools: A Practical Guide for Engineering Teams From Standard Quote to Persuasive Proposal: AI Automation for Arborists I built a CLI that scaffolds complete multi-tenant SaaS apps Axios CVE-2025–62718: The Silent SSRF Bug That Could Be Hiding in Your Node.js App Right Now The dashboard that ended our friendship Data Pipelines Explained Simply (and How to Build Them with Python) The Hidden Cost of AI Systems Nobody Talks About. undefined vs undeclared, and how typeof behaves Switching from file-based jobs to NATS/Kafka in Rust without changing code io_uring Adventures: Rust Servers That Love Syscalls Why Agentic AI is Killing the Traditional Database The POUR principles of web accessibility for developers and designers Quantum Neural Network 3D — A Deep Dive into Interactive WebGL Visualization How To Install Caveman In Codex On macOS And Windows Automation Pipeline Reliability: Why Your Workflow Breaks When Nobody Is Watching I Built an 'Open World' AI Coding Agent — It Works From ANY Folder From Freelancing to Product: A Tech Service Company's SaaS Transformation China's AI Giants: Adding Tencent Hunyuan & ByteDance Doubao to AI University (74 Providers) On the Vibe Coders and Their Lies clerk: Auto-Summarize Your Claude Code Sessions AI Weekly — 2026/04/10–04/17 | The Model Lockdown Is Here, but the Toolchain Is the Real Battleground AI 週報 — 2026/04/10–2026/04/17 模型封鎖潮來了,但工具鏈才是真戰場 Maybe this is how Open-Source apps are born... 🚀 Fine-Tune LLMs with LoRA and QLoRA: 2026 Guide tRPC v11 + Next.js App Router: End-to-End Type Safety Without the Boilerplate ShadCN UI in 2026: Why I Stopped Installing Component Libraries and Started Owning My Components SaaS Billing in React Server Components: Stripe + Supabase Without a Single `useEffect` Join our DEV Weekend Challenge — $1,000 in Prizes Across TEN winners! Submissions Due April 20 at 6:59 AM UTC. Implementing FSRS Spaced Repetition in Flutter + Supabase — Adding Memory Science to an AI Learning App "I Texted My Localhost From the Train — Claude Code Fixed the Bug Before I Got Home" I Built a Sales Prep AI and It Went Deeper Than Expected Design to Code #2: One JSON, Eleven Outputs Solving the 100M-Row Problem: A Summary Table Pattern for High-Volume Push Notification Logs Flutter Web With Wasm: What Actually Changes For Developers I Built 50 Royalty-Free Soundtracks for My Side Project in a Weekend Using AI Music Generation The Vibe Coding Security Checklist: 7 Things to Check Before You Ship Stop Letting Googlebot Guess Fix Your React App's SEO Right Desconstruindo o Streaming do LinkedIn: Como Criar um Engine de Extração de Vídeo de Alta Performance com HLS e FFmpeg (EDA Part-1) EDA (Exploratory Data Analysis) Explained With Real Life — Why Looking at Your Data Is the Most Important Step in Machine Learning Brand Relationship Management at Scale: Our 4-Touch Outreach System for 200+ Brands Why String.fromEnvironment() Might Return an Empty String in Dart JGuardrails 1.0.0 — Hardening Java LLM Apps Against Jailbreaks, Toxicity, and Prompt Injection Plan and Schedule a Full Week of Threads Content From One Claude Conversation Coding Cat Oran Ep3, Five Tables Changed Everything Updated: BFF Pattern I'm done watching freelancers get buried by 200 proposals. So I'm building the alternative. This is my first post BFS Algorithm in Java Step by Step Tutorial with Examples Tracking LLM Pricing Monthly: An Open Dataset for 22 AI Models How We Measure Content ROI on a Comparison Site: Revenue Attribution Without Perfect Data Introducing Nova AI Ops: The AI-Native Operating System for SRE Teams I built a free desktop video downloader for Windows — Grabbit How Talkie OCR Helps Vision-Impaired & Dyslexic Users Read the World Around Them VRCFaceTracking安装和iPhone面捕配置教程,有bug Even CrowdStrike Can't See Your Agents The Automation Gold Rush: What n8n Workflows and Claude Are Opening Up for Developers Right Now
A2A Protocol: cómo conectar agentes de IA sin confundirlo con MCP
Khavel · 2026-06-15 · via DEV Community

A2A Protocol no es otro nombre para MCP. Es una capa para que agentes independientes se descubran, negocien tareas y colaboren sin exponer sus herramientas internas.

A2A Protocol, o Agent2Agent Protocol, es un estándar abierto para que agentes de IA independientes se descubran, se autentiquen, intercambien mensajes y gestionen tareas largas. La keyword principal es A2A Protocol; la intención de búsqueda en español es entender qué es, en qué se diferencia de MCP y cómo implementarlo sin abrir una superficie de seguridad absurda.

TL;DR

La definición citable: A2A conecta agentes con otros agentes; MCP conecta agentes con herramientas y recursos. Si tu problema es invocar una función, consulta una base de datos o llamar a una API, piensa en MCP. Si tu problema es delegar trabajo a otro sistema agentic que tiene estado, criterio y herramientas propias, piensa en A2A.

Mi postura: A2A merece atención porque ya no es solo una propuesta de Google. Está bajo Linux Foundation, tiene especificación 1.0 y adopción empresarial, pero no deberías desplegarlo como federación abierta de agentes hasta tener identidad, firmas de Agent Card, límites de datos, auditoría y threat modeling.

Qué es A2A Protocol y por qué importa ahora

La especificación oficial define A2A como un estándar abierto para comunicación e interoperabilidad entre sistemas agentic independientes y potencialmente opacos. Esa palabra, opacos, es clave: el cliente no necesita saber si el agente remoto usa Claude, Gemini, LangGraph, herramientas internas, memoria propia o un humano en el bucle. Necesita saber qué capacidades ofrece, cómo autenticarse y cómo seguir el estado de una tarea.

El momento importa porque A2A ya no vive solo como anuncio de producto. Google transfirió el proyecto a Linux Foundation para darle gobernanza neutral y la fundación comunicó en abril de 2026 que más de 150 organizaciones apoyaban el estándar, con integraciones en grandes nubes y despliegues empresariales. Eso no garantiza éxito, pero sí cambia el riesgo: ignorarlo puede dejarte fuera de una capa de interoperabilidad que tus proveedores empiecen a asumir.

Para DevAI Semanal, la lectura práctica es esta: A2A es interesante si estás diseñando un ecosistema de agentes, no si solo quieres que un asistente llame a tus tools. La frontera técnica evita muchas arquitecturas infladas.

A2A vs MCP: la diferencia que evita malas arquitecturas

La documentación oficial lo explica con una separación bastante limpia. MCP estandariza cómo un agente usa herramientas, APIs, bases de datos y recursos con entradas y salidas estructuradas. A2A estandariza cómo agentes autónomos colaboran entre sí, descubren capacidades, negocian interacción, mantienen contexto y gestionan tareas más largas.

Ejemplo: si un agente de soporte necesita consultar get_invoice(customer_id), eso es MCP o una tool function. Si ese mismo agente necesita delegar una investigación completa a un agente de facturación que conversa, valida políticas, puede pedir más datos y devuelve un resultado auditable, eso encaja mejor con A2A.

La arquitectura sana combina ambos. Un agente puede hablar A2A con otro agente y, por dentro, ese segundo agente puede usar MCP para llamar a sus herramientas. Dicho en una frase: A2A es coordinación entre agentes; MCP es acceso a capacidades.

Los bloques técnicos: Agent Card, Message, Task, Part y Artifact

El primer concepto es la Agent Card. Es un documento JSON que describe identidad del agente, endpoint de servicio, capacidades A2A, requisitos de autenticación y lista de skills. Es la tarjeta de presentación técnica que un cliente analiza antes de decidir si puede interactuar con ese agente.

Después vienen los elementos de comunicación. Message representa un turno entre cliente y agente. Part es el contenedor de contenido dentro de mensajes y artefactos: texto, datos estructurados, bytes inline o referencia por URL. Artifact es una salida tangible de una tarea, como un documento, datos estructurados o un archivo generado.

La unidad operativa importante es Task: trabajo con estado, ID único y ciclo de vida propio. Eso permite operaciones largas, multiturno, streaming, polling y notificaciones. Si tu caso no necesita estado ni lifecycle, probablemente estás intentando usar A2A donde bastaba una tool.

Cómo viaja una petición A2A

En su forma práctica, un cliente descubre o recibe una Agent Card, valida si el agente remoto soporta la capacidad que necesita, se autentica con el esquema declarado y envía una petición. La versión 1.0 formaliza bindings equivalentes para JSON-RPC, gRPC y HTTP+JSON; la ruta simple puede empezar con una petición HTTP, pero el diseño soporta polling, streaming y webhooks.

Lo que conviene comprobar

En JSON-RPC, los métodos core incluyen enviar mensaje, enviar mensaje con streaming, obtener tarea, listar tareas, cancelar tarea, suscribirse a una tarea y gestionar configuración de push notifications. Eso ya te dice qué tipo de sistema espera A2A: no una llamada stateless de 200 milisegundos, sino colaboración con progreso, cancelación, reintentos y seguimiento.

La implicación para backend es clara: A2A no se añade como un endpoint fino encima de un prompt. Necesitas persistencia de tareas, IDs, estados, logs, control de permisos, timeouts, límites de concurrencia y una historia razonable para errores.

Un endpoint mínimo que no me daría vergüenza revisar

Empieza por un único agente remoto con una skill estrecha. No publiques veinte skills genéricas como do_work. Publica algo auditable: review_openapi_contract, triage_ci_failure o summarize_security_finding. Cada skill debe tener descripción, input esperado, outputs, límites y requisitos de autenticación.

La Agent Card pública debe contener lo mínimo para discovery: nombre, versión, endpoint, capacidades, protocolos soportados, auth y skills no sensibles. Si necesitas exponer detalles internos, usa extended Agent Card autenticada. La especificación contempla tarjetas extendidas para devolver información adicional según el nivel de autenticación.

Para la implementación, crea una tabla agent_tasks con task_id, client_id, skill_id, state, created_at, updated_at, expires_at, input_hash, artifact_refs y audit_log_ref. Si no puedes responder qué pasó con una tarea hace dos días, todavía no tienes un servidor A2A serio.

Checklist de implementación

Define una sola skill inicial y su contrato de entrada/salida.

Publica una Agent Card mínima y versionada.

Valida schema de Agent Card, Message, Task, Part y Artifact.

Exige autenticación antes de aceptar trabajo con datos sensibles.

Implementa estados de tarea, cancelación y timeouts.

Separa artifacts de logs y aplica retención explícita.

Añade streaming solo si aporta valor real al usuario.

Firma o verifica Agent Cards cuando dependas de agentes externos.

Registra quién delegó qué tarea, a qué agente y con qué permisos.

Prueba fallos: agente lento, tarea duplicada, payload inválido y credencial revocada.

Seguridad: la Agent Card también puede ser entrada hostil

El error ingenuo es tratar la Agent Card como documentación inocua. En realidad, un agente o directorio externo puede publicar descripciones, tags, ejemplos o metadatos diseñados para influir en otro agente. La investigación sobre seguridad A2A menciona riesgos como spoofing de Agent Card, task replay, escalada de privilegios, prompt injection y flujos de datos no autorizados.

A2A v1.0 mejora la base con verificación de firmas de Agent Card mediante JWS y canonicalización JSON, declaraciones de seguridad más ricas, soporte de mutual TLS, flujos OAuth modernos, PKCE y paginación. Eso no te salva si tu implementación acepta cualquier tarjeta, mezcla datos de tenants o deja que una descripción remota entre directa al prompt del agente principal.

Trata Agent Cards y Artifacts como input externo: valida schema, sanitiza texto antes de meterlo en prompts, limita tamaño, verifica origen, registra versión, aplica allowlists de dominios y separa permisos por skill. Un agente federado no debe heredar automáticamente tus tools internas.

Cuándo usar A2A y cuándo no

Sí usaría A2A para marketplaces internos de agentes, coordinación entre departamentos, agentes especializados de proveedores, flujos de backoffice largos, atención al cliente con handoff entre dominios o sistemas donde un agente necesita delegar a otro sin conocer su implementación interna.

No lo usaría para wrappers simples de API, funciones deterministas, scripts internos, consultas de base de datos, retrieval de documentos o automatizaciones que no necesitan estado propio. En esos casos MCP, OpenAPI, colas normales o llamadas HTTP bien diseñadas suelen ser más simples y más auditables.

La pregunta de decisión es: ¿el otro lado razona, mantiene estado y puede producir artefactos a lo largo de una tarea? Si la respuesta es no, A2A probablemente es sobrearquitectura.

Observabilidad y gobernanza

Un despliegue A2A sano necesita más que trazas HTTP. Debes poder responder: qué agente pidió la tarea, qué Agent Card se usó, qué versión de skill aceptó el trabajo, qué datos cruzaron la frontera, qué artifacts se generaron, qué permisos estaban activos y quién aprobó el resultado si hubo acción sensible.

Mide tasa de tareas completadas, canceladas, expiradas y fallidas por skill; latencia p50/p95; bytes de artifacts; refusals o bloqueos de política; llamadas a herramientas internas hechas por el agente remoto; y revisiones humanas requeridas. Si solo mides número de delegaciones, puedes estar celebrando trabajo que nadie revisa.

Gobernanza pragmática: directorio de agentes aprobados, owner por Agent Card, expiración de credenciales, revisión periódica de skills, límites por tenant y kill switch por proveedor. A2A facilita interoperabilidad; no decide por ti qué agentes merecen confianza.

Errores comunes

  • El primer error es llamar A2A a cualquier webhook. Si no hay Agent Card, tareas, autenticación, estado y contrato de interacción, probablemente solo tienes una API.
  • El segundo error es publicar skills demasiado amplias. general_coding_agent suena potente y revisa fatal. Una skill amplia hace más difícil limitar datos, permisos y expectativas.
  • El tercer error es confundir discovery con confianza. Encontrar una Agent Card no significa que el agente sea legítimo, actualizado o autorizado para tu tenant.
  • El cuarto error es olvidar retención. Los artifacts y mensajes pueden contener datos sensibles; define cuánto viven, quién los puede leer y cómo se borran.

Conclusión

A2A Protocol es una pieza seria si estás construyendo sistemas multiagente entre equipos, proveedores o plataformas. Su valor no está en reemplazar MCP, sino en cubrir una capa distinta: colaboración stateful entre agentes que no quieren o no pueden exponer sus herramientas internas.

Lo que conviene comprobar

Mi recomendación es empezar pequeño: un agente, una skill, una Agent Card mínima, auth fuerte, tasks persistidas, logs útiles y revisión humana en acciones sensibles. Si eso aporta valor, escala. Si no, vuelve a MCP o a una API normal. La madurez técnica está en elegir la capa más simple que preserve seguridad y trazabilidad.

Preguntas frecuentes

¿Qué es A2A Protocol?

A2A Protocol es un estándar abierto para que agentes de IA independientes se descubran, se comuniquen y colaboren en tareas con estado.

¿A2A Protocol reemplaza a MCP?

No. A2A y MCP son complementarios: A2A sirve para colaboración entre agentes; MCP sirve para que un agente use herramientas y recursos.

¿Qué es una Agent Card en A2A?

Una Agent Card es un documento JSON que describe identidad, endpoint, capacidades, skills y requisitos de autenticación de un agente.

¿A2A usa JSON-RPC?

Sí. La especificación 1.0 define bindings para JSON-RPC, gRPC y HTTP+JSON, con equivalencia funcional entre ellos.

¿Cuándo debería usar A2A?

Úsalo cuando delegas trabajo a otro agente autónomo con estado, capacidades propias y artefactos; no para una llamada simple a una función.

¿Qué riesgos de seguridad tiene A2A?

Los riesgos principales son Agent Card spoofing, prompt injection en metadatos, replay de tareas, permisos demasiado amplios, fuga de artifacts y confianza automática en agentes externos.

Fuentes y referencias


📬 Suscríbete gratis a DevAI Semanal — cada semana, herramientas de IA para devs (agentes, MCP, seguridad) en un email de 5 minutos. En español y sin ruido.


Publicado originalmente en devaisemanal.com.