一、導讀

2025 年 4 月 9 日，Google 正式發布了 Agent2Agent（A2A）協議。

A2A 協議致力于打破智能體之間的隔閡，讓它們能夠跨越框架和供應商的限制，以一種標準化、開放的方式進行溝通與協作

截止到現在，代碼倉庫已經4.5k星

https://github.com/google/A2A

接下來，本文將深入剖析 A2A 協議的核心概念與架構，通過具體案例展示其在實際應用中的功能，

最后總結 A2A 協議對人工智能領域未來發展的重要意義。

二、A2A協議介紹

官方文檔：https://google.github.io/A2A/#/documentation

本節為摘要，需要深度了解的可以自行查看

1、A2A與MCP協議的關系

• MCP是專注模型的工具或數據的調用

• A2A 更多是專注智能體的合作，跟MCP并不矛盾，是一個互補關系

2、以應用場景分析

想象一下，我們有下面一個協作流程

1. 用戶請求：

   • 用戶向系統提出生成銷售分析報告的需求。

2. 售前洞察代理工作：

   • 售前洞察代理分析銷售數據，識別關鍵的銷售趨勢和客戶行為模式。
   • 它確定報告中需要包含的關鍵指標，如銷售額、產品類別、地區分布等。

3. 數據可視化代理工作：

   • 數據可視化代理接收售前洞察代理提供的分析結果和關鍵指標。
   • 它利用MCP協議使用工具層提供的數據和API生成相應的圖表和圖形。

4. A2A 協作：

   • 數據可視化代理通過A2A協議將生成的圖表發送給售前洞察代理。
   • 售前洞察代理接收圖表，并將其整合到銷售分析報告中。

5. 報告生成：

   • 售前洞察代理完成報告的編寫，包括對圖表的解釋和對銷售策略的建議。
   • 報告突出顯示業績增長點和潛在問題，為用戶制定本季度的銷售策略提供支持。

6. 報告交付：

   • 售前洞察代理將完整的銷售分析報告交付給用戶。

這些組件都來自不同的生態圈，但是遵從相同協議，使得他們可以向搭積木一樣，由用戶的"問題" 自我調度生態圈的積木，產生了一個解決用戶問題的的智能體。

3、A2A概念&功能

A2A協議的核心概念包括：

1. 功能發現：智能體可以使用JSON格式的智能體卡（類似智能體的名片）來公布其功能與驗證方式，從而讓客戶端智能體能夠確定可以執行任務的最佳智能體，并利用A2A與遠端智能體進行通信。
2. 任務管理：A2A協議定義了一個“任務”對象，客戶端和遠程Agent之間的所有溝通都是圍繞著完成任務來進行的。這個“任務”對象有自己的生命周期（比如：待處理、進行中、已完成、失敗等）。
3. 協作：智能體可以相互發送消息，以傳達上下文、回復、交付物或用戶說明。
4. 用戶體驗協商機制：每條消息均包含若干“內容單元”，每個單元均標注特定內容類型，使客戶端與遠端智能體能夠協商確定所需格式，并特別涵蓋UI能力的協調。

A2A協議的功能包括：

• 允許智能體之間相互通信，安全地交換信息，并在各種企業平臺或應用程序上協調行動。
• 支持企業級身份驗證與授權，其認證方案在發布時即與OpenAPI標準保持同步。
• 支持包括音視頻流在內的多種交互模態，并采用靈活設計，既能高效處理即時任務，也能支持需要數小時甚至數天（含人工介入環節）的深度研究任務。

通過A2A協議開發的智能體，可以通過https://domain/.well-known/agent.json被開放式的發現，下面的案例會單獨將

A2A比較重要的是一個 智能體的卡片（Card）https://google.github.io/A2A/#/documentation?id=agent-card-1

三、案例

克隆這個項目

https://github.com/google/A2A

git clone https://github.com/google/A2A

我們將啟動2個Agent以及web界面，依賴與python3.13版本，并且安裝使用uv

pip install uv

在此之前，會用到google的 Gemini Api key，自行注冊一個

https://aistudio.google.com/apikey

1、CrewAI

本示例演示了一個使用 CrewAI 構建并通過 A2A 協議暴露的簡單圖像生成代理。
詳情關于這個內容請閱讀：
https://github.com/google/A2A/tree/main/samples/python/agents/crewai
白話文【畫圖的Agent】

啟動服務

cd samples/python/agents/crewai
echo "GOOGLE_API_KEY=your_api_key_here" > .env 或者 set GOOGLE_API_KEY=你的key

這個命令將自動安裝包跟運行服務

uv run .

默認為10001端口

現在我們來看看這個智能體的卡片信息
http://localhost:10001/.well-known/agent.json

我將描述的信息翻譯如下

1. 基本信息：

   • name：智能體的名稱，這里是“Image Generator Agent”。
   • description：對智能體功能的簡要描述，說明它可以按需生成高質量圖像，并利用強大的編輯功能來修改、增強或完全轉換視覺內容。
   • url：智能體的服務地址，這里是 http://localhost:10001/，表示智能體在本地服務器上運行。
   • version：智能體的版本號，這里是 1.0.0。

2. 能力（capabilities）：

   • streaming：是否支持流式傳輸，這里是 false。
   • pushNotifications：是否支持推送通知，這里是 false。
   • stateTransitionHistory：是否支持狀態轉換歷史，這里是 false。

3. 輸入和輸出模式（Input and Output Modes）：

   • defaultInputModes：智能體默認接受的輸入模式，包括文本（text）、純文本（text/plain）和PNG圖像（image/png）。
   • defaultOutputModes：智能體默認提供的輸出模式，同樣包括文本（text）、純文本（text/plain）和PNG圖像（image/png）。

4. 技能（skills）：

   • 包含一個或多個技能，每個技能都有其ID、名稱、描述、標簽和示例。
   • 在這個例子中，有一個技能 image_generator：
     • id：技能的唯一標識符，這里是 image_generator。
     • name：技能的名稱，這里是“Image Generator”。
     • description：技能的詳細描述，與智能體的描述相同。
     • tags：與技能相關的標簽，這里包括 generate image 和 edit image。
     • examples：技能的使用示例，這里是一個示例“Generate a photorealistic image of raspberry lemonade”。

2、LangGraph

本示例演示了一個使用 LangGraph 構建并通過 A2A 協議公開的貨幣轉換代理。它展示了支持多輪對話和流式響應的會話交互。
詳情關于這個內容請閱讀：
https://github.com/google/A2A/blob/main/samples/python/agents/langgraph/README.md
白話文【貨幣匯率計算的】

啟動服務

cd samples/python/agents/langgraph
echo "GOOGLE_API_KEY=your_api_key_here" > .env 或者 set GOOGLE_API_KEY=你的key

這個命令將自動安裝包跟運行服務

uv run .

同樣的你也可以訪問這個智能體卡片信息
http://localhost:10000/.well-known/agent.json

3、在頁面進行測試

cd demo/ui
echo "GOOGLE_API_KEY=your_api_key_here" > .env 或者 set GOOGLE_API_KEY=你的key

這個命令將自動安裝包跟運行服務

uv run main.py

你將看到下面內容

訪問頁面
http://localhost:12000/

將剛剛2個Agent全部注冊上去

隨后就可以體驗對話了

你可以問，剩下的你自己的體驗吧！

• 美元換算 （LangGraph）
• 幫我畫一直小鳥（CrewAI）

四、結論

• 制定標準

  我總覺得google正在搶占標準，掌控生態，國內起始早就有人在搞了
  https://www.showapi.com/news/article/67da437d4ddd791c0e00a39f
  誰能制定標準，那么后續在Agent生態圈中一定會有主導權，或許就是 “安卓” “IOS” “小米” 生態圈了

• MCP會持續發展
  講真的 MCP就是將數據跟API等，能夠實現一個插座調用，A2A有點像是過度設計
  一個Agent，即可以看成工具，也可以說是Agent，這種狀態說不清的，各位看官自有見解

下面是A2A官方的一幅圖，對應的文檔地址可以自己看看

https://google.github.io/A2A/#/topics/a2a_and_mcp