Google 刚发了个东西叫 A2UI——让 AI 能画界面。

什么意思？我举个例子。

假如豆包用了 A2UI，你说"帮我叫个车去机场"，它直接弹出一张地图——你在地图上点一下确认上车点，再选个时间和车型，下单。

全在对话里完成。

MCP、Skills 都搞不定的事，它能搞定——让 AI 不光会说，还会画界面。

如果你用 Claude，这事儿跟你有关——

Anthropic 下一步要干嘛，可能就藏在你天天用的 Artifacts 里。

纯数据流：MCP/Skills 的局限

你可能想：MCP 和 Skills 不是够用了吗？

不够。

因为它们都是纯数据流——

MCP 让 Agent 能调工具，但结果只能用文字告诉你。

Skills 让 Agent 有专业能力，但也只能用文字告诉你。

对话 vs UI：不是偏好，是大脑决定的

举个例子：选航班。

用对话选？你得打字说"我选14点那个850块的"。

用界面？点一下就行。

有些事，对话压根做不到：

想看酒店实拍？对话只能说"房间很大"，界面能直接甩图

想选上车地点？对话得打字"东门左边50米"，界面点一下就行

纯数据流的问题，就在这。

A2UI：交互补上的一环

回到开头豆包的例子——你说"帮我叫车"，它弹出地图让你点。

背后咋回事？

1.Agent 输出一段 JSON，描述要显示什么组件、怎么排列

2.这段数据发给渲染器

3.渲染器有一套组件库（地图、按钮、日历…），从库里找到对应的，画出来

4.你点了确认，渲染器把结果告诉 Agent

5.Agent 收到，继续干活

对Agent的改变

以前：Agent 返回 “请问几点？” → 你打字回答

现在：Agent 返回 { 日历组件 } → 你点一下

等等，你可能会问：既然能画界面，为啥不直接让 Agent 写代码？

为什么不直接写代码？

代码能干的事太多了——能读文件、能发请求、能删东西。

让 Agent 写代码 = 把你的电脑交给它。

A2UI 的做法：给 Agent 一套受限的组件库。

能用：日历选择器、地图选点、表单输入、列表选择、确认按钮、图片展示

不能：读写文件、执行代码、发送请求、访问系统

就像给小孩一盒乐高——能拼出各种形状，但不会伤到人。

A2UI 干的事：Agent 不光会"说"，还能"画"——而且画得安全。

三大产品特性

安全 → Agent 只能画你允许的组件，不会执行恶意代码

实时 → 界面边生成边显示，不用等 AI 想完

跨端 → 手机/网页/桌面都能用，体验一致

一句话：A2UI = 数据安全 + 界面丰富。

三层生态：更大的图景

A2UI 只是拼图的一块。

Agent 要真正好用，得有三层基础设施：

上下文层 Skills → Agent 有什么能力

工具层 MCP + A2A → Agent 怎么调工具、怎么协作

交互层 A2UI → Agent 怎么和人类交互

Skills 定义能力，MCP+A2A 连接工具和 Agent，A2UI 连接人类。

三层生态齐了，Agent 世界才完整。

Artifacts 2.0：Anthropic 的下一步

说完三层生态，回到开头的问题：这跟 Claude 用户有啥关系？

为啥我觉得 Anthropic 会往这走？

Artifacts 已经是动态内容的雏形了。

用户习惯了这个形态。

只差一步——加上交互能力。

Artifacts 1.0（现在）
↓ 能跑代码、能预览，但你点了啥 Agent 不知道

Artifacts 2.0（预判）
↓ 你点了啥，Agent 能收到，还能接着帮你干活

对你意味着啥？

想象一下：你在 Claude 里说"帮我对比这三个方案"，它直接弹出一个表格，你边看边勾选，选完它继续帮你分析。

对话中直接弹出交互界面。

不用离开 Claude 就能完成复杂操作。

Claude 从"对话工具"变成"对话式操作系统"。

最后说两句

A2UI 本质就一件事：给纯数据流补上交互层。

它的价值 = 要比好几个选项的时候，不用靠脑子记了。

读完记住这四个词：

纯数据流 → MCP/Skills 的局限

A2UI → 交互补上的一环

三层生态 → 上下文 + 工具 + 交互

Artifacts 2.0 → Anthropic 的下一步

Agent 交互的下一步，已经在路上了。

原文：https://developers.googleblog.com/introducing-a2ui-an-open-project-for-agent-driven-interfaces/