1. 引言：背景與三協議概覽

隨著大模型（LLM）從單一問答工具逐步演進到具備自主決策能力的Agent，開發者面臨三大痛點：

• 外部資源集成困難（M×N 適配挑戰）
• 多 Agent 協作通信缺乏統一標準
• 前端 UI 與后端 Agent 交互混亂多樣

為了解決上述問題，業界先后推出了三套開放協議：

• MCP：模型 ? 工具/資源 的統一“USB-C”接口
• A2A：Agent ? Agent 的“網絡協議”
• AG-UI：Agent ? 用戶界面 的“翻譯官”

2. MCP（Model Context Protocol）

起源與動因

• M×N 集成難題：不同模型（M）要接入不同工具或數據源（N），往往需要自己實現 M×N 套適配。
• 解決方案：Anthropic 于 2024 年 11 月開源 MCP，將各種工具/數據源封裝成符合協議的 Server，模型端只需一套 Client 即可接入所有資源。

架構與規范要點

• 客戶端–服務器模式

  • MCP Client：嵌入到 LLM 應用中，負責發起請求。
  • MCP Server：將工具、數據庫或 API 封裝成輕量服務，暴露統一接口。

• 協議標準化內容

  • 傳輸層：JSON-RPC / HTTP / SSE
  • 消息格式：請求／響應、批量處理、工具注解等
  • 安全與授權：API Key、OAuth2 等

開發實踐

1. 編寫 MCP Server

   • 使用官方 SDK（Python/JS/Go/Java）或直接按照規范實現 HTTP 接口。
   • 定義工具元數據（名稱、輸入輸出 schema、權限要求）。

2. 在 LLM 應用中調用

   • 引入 MCP Client，加載各 Server 的“描述文件”（類似 USB-C 的 PD 協商）。
   • 發起工具調用請求，處理返回結果。

3. 最佳實踐

   • 批量模式：合并多次調用減少網絡延遲
   • Streamable HTTP：實時返回流式輸出
   • 工具注解：豐富命令與參數說明，提高調用準確度

---

3. A2A（Agent-to-Agent Protocol）

起源與動因

• 多 Agent 協作：在復雜業務場景中，往往需要不同智能體互相分工、串聯工作。
• 信息孤島：缺乏統一協議時，不同廠商或框架的 Agent“各說各話”，難以互通。
• 發布：Google 在 2025 年 4 月 Cloud Next 大會上開放 A2A，目標打造 AI Agent 的“TCP/IP”。

架構與規范要點

• Agent Card：每個 Agent 對外的“名片”，包含名稱、版本、端點 URL、可用技能、認證方式。

• 雙向客戶端–服務端角色：

  • 發起方 Agent 扮演 Client
  • 接收方 Agent 扮演 Server
  • 同一個 Agent 可動態切換角色

• 任務模型與流程：

  1. submitted → 2. working → （可能 input-required）→ 3. completed 或 failed
  • 支持異步通知、回調、狀態查詢

• 交換內容：

  • 消息：文本、文件、結構化數據
  • 工件：最終結果對象

開發實踐

1. 實現 A2A Server

   • 準備 Agent Card 文檔（JSON 格式），托管在可訪問的端點。
   • 實現標準接口：接收任務、查詢狀態、推送回調。

2. 調用其他 Agent

   • 發現并下載目標 Agent’s Card
   • 發起 HTTP 請求到其任務接口
   • 處理異步通知或輪詢結果

3. 工具與框架

   • 官方 SDK：Python/JS/Go/Java
   • Demo 項目：配置式開啟 A2A 支持

4. AG-UI（Agent-User Interaction Protocol）

起源與動因

• UI 適配紛繁：聊天面板、助手插件、Web 應用，各自接口和消息格式不一致，開發成本高，用戶體驗差。
• 發布：CopilotKit 團隊 2025 年 5 月開源 AG-UI，將前后端交互抽象為事件流。

架構與規范要點

• 事件驅動：定義標準事件類型（文本消息、工具調用、狀態更新、用戶輸入等），前后端通過流式通道（WebSocket/SSE）收發事件。

• 雙向協作：

  • Agent 發出事件，前端渲染 UI
  • 用戶動作產生事件，后端 Agent 響應

• 靈活傳輸：不綁定具體協議，保證事件格式一致即可。

開發實踐

1. 接入 SDK

   • Python 或 TS/JS SDK，封裝底層事件通道。
   • CopilotKit：快速集成示例，內置常用組件。

2. 前端構建

   • 訂閱事件流，按事件類型渲染消息、控件、進度等。
   • 發送用戶操作事件（點擊、輸入、選擇）。

3. 優化建議

   • 事件分組：將相關事件打包發送，減少頻繁交互
   • 重試機制：連接斷開時自動重連
   • UI 組件庫：統一樣式與行為

5. 對比與組合使用建議

協議	解決場景	典型用法	推薦組合
MCP	模型接入工具／數據源	URL+API Key 嵌入 LLM 應用	與 A2A 聯動：自動調用工具后再交給其他 Agent
A2A	多 Agent 間協作	Agent Card + 異步任務流程	與 AG-UI 聯動：前端觸發多 Agent 協作
AG-UI	Agent 與用戶界面實時、結構化交互	事件流通道 + UI 組件	同時接入 MCP：用戶觸發工具調用

6. 如何落地

1. 評估需求：先確定項目是單模型調用外部資源（MCP）、多 Agent 協作（A2A）還是復雜前端交互（AG-UI）。
2. 分步實施：建議先引入 MCP，完成資源接入；再逐步拆分多 Agent 邏輯，用 A2A 構建微服務式智能體；最后以 AG-UI 打通人機交互環節。
3. 選用框架／SDK：優先使用官方 SDK 或成熟開源項目，如 LangGraph、Google ADK、CopilotKit，減少底層實現成本。
4. 測試與監控：設計完整的端到端測試用例，監控協議調用延遲、消息丟失、錯誤恢復等指標。