15.3 A2A：Agent 之间的通信协议

MCP 管的是”AI 连工具”。还有一个问题没解决：Agent 之间怎么互相派活？

2025 年 4 月，Google 宣布了 A2A（智能体间通信协议）¹。它解决的问题是：让不同公司做的 Agent 能互相通信、互相派任务。

打个比方：MCP 是 USB-C（管硬件连接），A2A 是电子邮件协议（管信息互通）。你可以用 USB-C 把设备连起来，但两台电脑之间怎么发邮件——那是另一个层面的标准。

15.3.1 Agent Card：Agent 的”名片”

A2A 的核心概念是 Agent Card——一个 JSON 文件，描述 Agent 的身份和能力。每个 Agent 公开一个 Agent Card，其他 Agent 通过读取它来了解：

• 身份：Agent 的名称、描述、版本
• 能力：它能做什么（搜索、写作、翻译、编程……）
• 接口：怎么调用它（URL、认证方式、支持的输入输出格式）
• 限制：速率限制、最大输入长度、支持的语言

{
  "name": "SearchAgent",
  "description": "专业的网页搜索 Agent，支持中英文",
  "url": "https://search-agent.example.com",
  "capabilities": ["web_search", "news_search", "image_search"],
  "rateLimit": "100 requests/minute"
}

15.3.2 Task 生命周期

A2A 中的任务有明确的生命周期：

提交任务 → 排队 → 处理中 → 完成/失败/取消

• 提交：Agent A 向 Agent B 提交一个任务，附带任务描述和输入数据
• 排队：Agent B 确认收到任务，加入队列
• 处理中：Agent B 开始处理，可以发送进度更新（如”已处理 60%”）
• 完成：Agent B 返回结果给 Agent A
• 失败：如果出错，Agent B 返回错误信息
• 取消：Agent A 可以随时取消尚未完成的任务

15.3.3 消息流

A2A 支持多种消息模式：

• 请求-响应：A 派活给 B，B 完成后返回结果（最常见的模式）
• 流式推送：B 边处理边推送中间结果（类似 ChatGPT 的打字效果）
• 广播：A 同时向多个 Agent 派活，收集所有结果后汇总

有了 A2A：

• 一个负责搜索的 Agent 可以把搜到的资料发给一个负责写作的 Agent
• 一个负责代码审查的 Agent 可以把问题清单发给一个负责修改的 Agent
• 这些 Agent 可以是不同公司做的、运行在不同服务器上

15.3.4 MCP 与 A2A 怎么分工

两个协议解决不同层面的问题，互补而非竞争：

graph TD
    Agent[AI Agent] --> MCP[MCP 协议 连接工具]
    Agent --> A2A[A2A 协议 连接Agent]
    MCP --> Tools[外部工具 API/数据库/文件]
    A2A --> OtherAgent[其他 Agent]

一个典型的协作场景：主 Agent 通过 MCP 调用搜索工具获取资料，分析后决定需要专业写作协助，于是通过 A2A 把写作任务委派给写作 Agent。写作 Agent 自己也可能通过 MCP 调用语法检查工具。两个协议各司其职，协同工作。

想深入了解两个协议的配合方式，看 MCP+A2A 双协议生态 和 对比-MCPvsA2A。

← 上一节：15.2 MCP：AI 连接工具的通用接口 ｜ 下一节：15.6 和传统 API 调用的区别 →