背景与意义

• 单个 AI Agent 在处理复杂、多方面问题时存在局限。
• Agent-to-Agent (A2A) 协议 提供开放、标准化的通信方式，使不同框架（如 Google ADK、LangGraph、CrewAI）构建的 Agent 能够互操作。
• 目标：实现 无缝协作、任务委派、信息交换，降低集成成本，促进模块化和可扩展的多 Agent 系统。
  

A2A 协议核心概念

1. 核心参与者

• 用户：发起请求。
• A2A 客户端（客户端 Agent）：代表用户发出请求。
• A2A 服务器（远程 Agent）：通过 HTTP 端点处理请求并返回结果，客户端无需了解其内部实现。

2. Agent 卡片（Agent Card）

• Agent 的数字身份（JSON 文件）。
• 包含：名称、描述、端点 URL、版本、功能（流式传输、推送通知）、技能、输入/输出模式、认证方式。
• 作用：支持 自动发现、交互与安全声明。

3. Agent 发现机制

• 知名 URI：如 /.well-known/agent.json。
• 策展注册表：集中目录，适合企业环境。
• 直接配置：适用于私有或紧密耦合系统。
• 安全措施：访问控制、mTLS、网络限制。

4. 通信与任务

• 任务（Task）：异步、长时间运行的基本工作单元，具备唯一 ID 和状态流转（提交 → 工作中 → 完成）。
• 消息（Message）：包含属性（元数据）和部分（内容，如文本、JSON、文件）。
• 工件（Artifact）：任务输出，可流式传输。
• 协议：基于 HTTP(S)，使用 JSON-RPC 2.0，有 contextId 保持上下文。

5. 交互机制

• 同步请求/响应：适合快速操作。
• 异步轮询：适合长任务，客户端定期查询状态。
• 流式更新（SSE）：实时推送增量结果。
• Webhook 推送通知：适合超长任务，服务器主动回调客户端。
• 多模态支持：不仅限于文本，还可用于音频、视频。

6. 安全性

• 双向 TLS：加密与认证。
• 审计日志：记录所有通信，便于追踪。
• 身份验证：在 Agent 卡片中声明，常用 OAuth2.0 或 API Key。
• 凭据保护：通过 HTTP 头传递，避免泄露。

A2A 与 MCP 的关系

• MCP（模型上下文协议）：专注于 Agent 与外部数据/工具的交互。
• A2A：专注于 Agent 间的协调与任务委派。
• 二者互补，共同支持复杂多 Agent 系统。

实际应用场景

1. 多框架协作：不同框架的 Agent（ADK、LangChain、CrewAI）协同工作。
2. 自动化工作流编排：任务分解与委派（如数据收集 → 分析 → 报告生成）。
3. 动态信息检索：主 Agent 调用专门的数据获取 Agent 获取实时数据。

概览与经验法则

• 是什么：解决不同框架 Agent 隔离问题的开放协议。
• 为什么：降低集成成本，促进模块化、可扩展的多 Agent 系统。
• 何时使用：当需要跨框架、多 Agent 协作时，尤其是复杂工作流或动态任务发现。

关键要点

• A2A 是 开放、基于 HTTP 的标准，支持多框架互操作。
• AgentCard 是核心，定义 Agent 身份与能力。
• 提供 同步、异步、流式、推送 等多种交互模式。
• 支持 多模态通信（文本、音频、视频）。
• 内置 安全机制（mTLS、OAuth、审计日志）。
• 与 MCP 协议互补，分别解决 Agent-外部交互 与 Agent-间交互。
• 得到 Google、Microsoft、SAP、Salesforce 等大厂支持。

结论

A2A 协议是 多 Agent 协作生态的基石。
它通过标准化的通信方式，打破框架隔离，实现 模块化、可扩展、安全 的多 Agent 系统。
未来，A2A 将成为构建复杂智能体网络和企业级 AI 应用的核心协议。