MCP之后又来A2A！谷歌开源全新智能体通信协议Agent2Agent|agent|mcp|应用程序|服务器|谷歌开源|通信协议

为了最大化代理AI的价值，关键在于它们能在动态的多代理生态中高效协作，打破孤立的数据系统与应用程序壁垒。实现代理间的互操作性，即使它们来自不同厂商或构建于不同框架，也能显著提升自主性与生产力，同时降低长期运维成本。

谷歌推出了开放协议—Agent2Agent（A2A），旨在让AI代理之间能够通信、共享信息，并在多种企业平台中协同操作。A2A补充了Anthropic的模型上下文协议（MCP），参考了Google在构建大规模代理系统中的经验，专为解决企业部署多代理系统面临的挑战而设计。它使开发者能创建可与任何支持A2A的代理互联的系统，并为企业带来标准化的代理管理方法，助力实现协作AI的巨大潜力。（链接在文章底部）

01 技术原理

A2A 实现客户端代理与远程代理之间的任务通信：前者负责发起任务，后者负责执行任务。核心能力包括：

能力发现：通过 JSON 格式的“代理卡片”公开功能，便于选择合适的代理协作。
任务管理：围绕任务对象协作，支持即时或长时间运行任务，输出结果称为“工件”。
协作通信：代理可交换上下文、回复、工件及用户指令等信息。
体验协商：消息由多个“部分”组成，支持多种内容类型，便于适配用户界面能力。

MCP（模型上下文协议）用于工具和资源连接：通过结构化输入/输出来连接代理与工具、API 和资源。A2A（代理间通信协议）用于代理协作：支持不同代理间的动态、多模态通信，无需共享记忆、资源或工具。

A2A 协议通过一套清晰的机制实现代理之间的协作。代理的能力通过公开的 Agent Card（位于/.well-known/agent.json）供客户端发现合适代理。A2A Server 是实现协议的代理端，负责接收任务请求并执行；A2A Client 则是发起任务请求的应用或代理，通过如tasks/send接口提交 Task（任务）。任务具有唯一 ID，并在 submitted、working、completed 等状态间流转，期间通过 Message（消息）进行交互，消息由多个 Part（内容片段）组成，如文本、文件或结构化数据。

代理在任务过程中生成的输出称为 Artifact（工件），也由 Parts 构成。对于长时间任务，服务器可使用流式传输（Streaming）通过 SSE 向客户端推送实时更新，或通过推送通知（Push Notifications）主动将更新发送至客户端配置的 webhook 接口。

通过 A2A 协作，招聘软件工程师的流程可大大简化。在像 Agentspace 这样统一的界面中，用户（如招聘经理）可以指派自己的代理，根据职位描述、地点和技能要求寻找候选人。该代理会与其他专业代理协作，获取合适人选。用户收到推荐后，可进一步指示代理安排面试，从而简化人才筛选流程。面试结束后，还可调用其他代理完成背景调查。这只是 AI 代理跨系统协作以招聘合格候选人的一个典型例子。