当前位置：首页 > news >正文

Agent2Agent

news 来源：原创 2025/6/21 9:47:41

rag系列文章目录

文章目录

rag系列文章目录
前言
一、协议设计原则与技术基础
二、通信机制与消息格式
三、身份验证与安全设计
四、能力发现与任务协作
总结

前言

谷歌于2025年4月推出了A2A（Agent2Agent）协议，旨在解决当前AI智能体生态中的互操作性瓶颈。随着企业越来越多地部署专用智能体来自动化日常任务，不同厂商和平台之间缺乏统一的通信标准，使跨系统协作变得复杂且成本高昂。

A2A作为一个开放协议，由50多家技术合作伙伴（如Atlassian、Salesforce、SAP、PayPal等）支持和贡献，将使不同框架或供应商构建的智能体能够相互通信、安全交换信息并协调任务。通过这一标准化方法，企业的智能体能够跨越各类应用系统和云环境协作，从而提高自动化效率、降低长期成本，并释放协作式智能体的潜能。

一、协议设计原则与技术基础

A2A协议遵循一系列设计原则，以便于在现有架构中部署：

基于现有标准：协议构建于主流技术之上，包括HTTP、服务器发送事件（SSE）和JSON-RPC等。这种设计使开发者能更容易地将A2A集成到已有的IT栈中。

默认安全：A2A支持企业级身份验证和授权方案，初始版本兼容OpenAPI中的认证机制。这意味着可以利用OAuth2、API密钥等常见方法对智能体进行鉴权，并通过TLS等加密通道保护通信安全。

支持长时任务：协议灵活设计，可处理从几秒钟的快速任务到需要人机交互的多小时乃至多天的深度研究场景。在长任务过程中，A2A允许实时反馈、通知和状态更新，使用户随时了解任务进展。

模态无关：不仅限于文本交互，A2A也支持包括音频、视频流在内的多种数据模态。这种多模态设计让智能体在需要时可传输音视频、交互表单等内容，扩展了应用场景的灵活性。

二、通信机制与消息格式

在A2A模型中，每个智能体既可作为客户端（发起任务）也可作为远程服务端（执行任务）。协议规范定义了智能体间通信的结构和方法：客户端智能体通过HTTP向远程智能体的A2A服务器端点发送JSON格式请求（例如调用 tasks/send 方法），携带任务描述和用户指令。请求和响应均采用JSON-RPC样式的消息格式，使得智能体之间的调用简洁标准。对于长任务，服务器可以使用SSE（服务端发送事件）向客户端推送状态更新和结果片段，实现流式通信。此外，一些智能体服务端还支持Webhook推送，通过 tasks/pushNotification/set 设置后，可主动将任务进度发送到客户端指定的URL。
在这里插入图片描述

A2A 协议支持客户端和远程智能体之间的安全协作，实现任务管理、用户体验协商和能力发现等功能。在这一流程中，“任务”是通信的核心单元：客户端发起任务请求，指定任务ID和内容；远程智能体按照任务定义执行操作，并可持续反馈状态或请求更多输入。每个任务最终产出一个或多个“产物”（artifact），即由智能体生成的结果数据（如文件或结构化信息）。消息交换则通过多种“部件”（parts）来实现：一条消息中可以包含多种内容部件（如文本、图像、文件或表单数据）。这些部件各具内容类型，客户端和远程智能体可协商最合适的格式和用户界面呈现方式（例如选择纯文本、富文本表单或嵌入式网页等）。如上图所示，A2A 协议使不同智能体能够在安全的前提下互相发现能力、协调任务并交换内容，实现跨系统的协作。

三、身份验证与安全设计

A2A在设计时即考虑到企业级安全需求，协议默认要求身份验证和授权。按照开放API的标准做法，智能体在通信前需要经过认证（例如使用OAuth2令牌或API密钥等），并在调用时携带凭据以验证其身份。此外，A2A通常运行在加密通道（如HTTPS）之上，以保障消息传输的机密性和完整性。这样设计让企业可以利用已有的安全基础设施，确保智能体之间的交互符合合规和隐私要求。

四、能力发现与任务协作

A2A协议支持智能体自动发现和组合：每个智能体通过一个称为“智能体卡”（Agent Card）的JSON文件公开自身信息和能力。智能体卡通常位于服务端的.well-known/agent.json位置，包含该智能体提供的功能描述、技能标签、服务端点URL和认证要求等元数据。客户端智能体检索远程智能体的智能体卡后，即可判断其是否具备执行某项任务的条件，并选择最合适的智能体进行交互。

在具体协作过程中，客户端智能体会发送一个包含任务详情的请求启动任务。协议定义了任务（Task）对象，包含唯一ID和当前状态（如“submitted”、“working”、“input-required”、“completed” 等）。远程智能体收到任务后，会执行相应操作并生成中间或最终的结果产物（Artifact）。客户端与远程智能体可以通过后续消息保持同步，比如在需要用户进一步输入时相互交互。整个任务流程允许智能体相互发送上下文信息、回复内容、产物或者指令等。最终任务完成后，远程智能体将结果封装为产物返回给客户端。

总结

谷歌的 Agent2Agent（A2A）协议为 AI 代理之间的协作提供了一个开放、标准化的通信框架，而 Anthropic 的 Model Context Protocol（MCP）则为 AI 模型与外部工具和数据源的交互提供了统一的接口。两者在设计理念和应用场景上有所不同，但可以互补，共同推动 AI 系统的协同能力和集成能力的提升。