A2A（Agent-to-Agent）协议：Agent 之间的下一个标准
支持，包括 Google、Microsoft、AWS、Salesforce、SAP、ServiceNow、IBM 等，Google ADK、LangGraph、CrewAI、LlamaIndex、Semantic Kernel 均已原生集成。A2A（Agent-to-Agent Protocol）是 Agent 之间的 HTTP——一个标准化的通信协议，让任何框架、任何模型构建的 Agent 都能
"MCP 解决了 Agent 和工具之间的通信，但 Agent 和 Agent 之间呢？"
一个真实的问题
你用 Claude 写了一个财务分析 Agent，同事用 Gemini 写了一个数据采集 Agent。财务分析 Agent 需要数据采集 Agent 提供最新的市场数据。
怎么对接？
最直觉的做法：开一个 REST API，财务 Agent 调采集 Agent 的接口。但问题来了——
-
接口要自己定义：你俩得坐下来商量请求/响应格式，写一份接口文档
-
状态要自己管：数据采集是个长任务（可能要跑 5 分钟），你得自己实现轮询或回调
-
能力发现要自己做：财务 Agent 怎么知道采集 Agent 能做什么？硬编码？
-
换一个 Agent 要重来：明天采集 Agent 从 Gemini 换成 Llama，所有对接代码全改
这就是 2024 年多 Agent 系统的现状：每一对 Agent 之间的对接，都是一次定制开发。
如果你的系统里有 5 个 Agent，两两互通需要 C(5,2) = 10 条定制管道。有 20 个 Agent 呢？190 条。这个 N² 爆炸问题，和微服务早期没有 gRPC / OpenAPI 时一模一样。
A2A 是什么：一句话版本
A2A（Agent-to-Agent Protocol）是 Agent 之间的 HTTP——一个标准化的通信协议，让任何框架、任何模型构建的 Agent 都能互相发现、互相委托任务、互相交换结果。
据 Linux Foundation 2026 年 4 月公告，A2A 发布一年内已有 150+ 组织支持，包括 Google、Microsoft、AWS、Salesforce、SAP、ServiceNow、IBM 等，Google ADK、LangGraph、CrewAI、LlamaIndex、Semantic Kernel 均已原生集成。
它的时间线：
|
时间 |
事件 |
|---|---|
|
2025 年 4 月 |
Google 发布 A2A 协议 |
|
2025 年 6 月 |
捐献给 Linux Foundation，成为厂商中立标准 |
|
2026 年初 |
v1.0 正式发布，进入生产可用阶段 |
|
2026 年 3 月 |
v1.2 发布，新增签名 Agent Card、公开 RFC 流程 |
|
2026 年 4 月 |
150+ 组织支持，多个行业进入生产部署 |
先搞清楚：A2A 和 MCP 不是竞争关系
这是最常被问的问题，答案很简单——它们在不同的层。
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line┌──────────────────────────────────────────┐│ 多 Agent 系统 ││ ││ Agent A ◄──── A2A ────► Agent B │ ← Agent 之间：用 A2A│ │ │ ││ MCP MCP │ ← Agent 到工具：用 MCP│ │ │ ││ 数据库 API 文件 搜索引擎 │└──────────────────────────────────────────┘|
维度 |
MCP |
A2A |
|---|---|---|
| 解决什么 |
Agent 怎么调工具 |
Agent 怎么委托另一个 Agent |
| 类比 |
USB 接口（连接外设） |
HTTP 协议（服务之间通信） |
| 交互模式 |
无状态请求/响应 |
有状态长任务（submitted → working → completed） |
| 是否知道对方 |
MCP Server 对 Agent 透明 |
Agent 有自己的"想法"，是黑盒 |
| 规范维护 |
Anthropic |
Linux Foundation |
一句话：MCP 让 Agent 有工具可用，A2A 让 Agent 有同事可用。 生产系统两个都需要。
据 Augment Code 2026 年分析，2026 年的主流多 Agent 架构已经形成 MCP + A2A 双层模型：单 Agent 用 MCP 访问工具和数据，多 Agent 协作用 A2A 做任务委托和结果交换。
A2A 的三个核心概念
1. Agent Card：Agent 的"简历"
每个支持 A2A 的 Agent 都在 /.well-known/agent-card.json 发布一份 JSON 描述符（据 A2A 官方规范 v1.2），告诉世界"我是谁、我能做什么、怎么跟我说话"。
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line{ "name": "market-data-collector", "description": "实时采集全球主要交易所的市场数据", "version": "2.1.0", "url": "https://agents.example.com/market-data", "capabilities": { "streaming": true, "pushNotifications": true }, "skills": [ { "id": "fetch-realtime-quotes", "name": "实时行情采集", "description": "获取指定交易对的最新价格、成交量、深度", "inputModes": ["text"], "outputModes": ["text", "application/json"] }, { "id": "historical-klines", "name": "历史K线数据", "description": "获取指定时间范围的OHLCV K线数据", "inputModes": ["text"], "outputModes": ["application/json"] } ], "authentication": { "schemes": ["Bearer"] }}这和微服务的 OpenAPI Spec 是一个思路——先发现，再调用。客户端 Agent 读取 Agent Card 后，就知道对方有哪些 skill、接受什么输入格式、返回什么输出。不需要任何硬编码。
一个常见问题：Client Agent 怎么知道去哪里找 Agent Card？
A2A 规范本身只定义了路径格式（/.well-known/agent-card.json），不规定你如何初次发现对方的域名——这和 HTTP 不规定"你怎么知道服务器 IP"是同一个设计哲学。据 A2A 官方 Agent Discovery 文档，有三种实际做法：
|
发现方式 |
机制 |
适用场景 |
|---|---|---|
| Well-Known URI |
已知对方域名，直接 GET |
公开部署、有独立域名的 Agent |
| 注册表（Registry） |
Agent 启动时把自己的 Card 注册到中心注册表，调用方按 skill 查询 |
内部系统有几十个 Agent，需要动态发现 |
| 直接配置 |
把 Agent Card URL 写进环境变量 / 配置文件 |
开发调试、已知合作方、数量少 |
注意：A2A 规范没有标准化 Registry API，注册表的查询接口由各平台自己定义。目前有社区项目在做（如 a2a-registry.dev），尚未成为标准的一部分。
实际工程中最常见的路径是：开发期用直接配置，生产系统 Agent 多了再引入 Registry。
2. Task：有状态的工作单元
A2A 里的核心交互单元是 Task，不是简单的 request/response。因为 Agent 之间的工作往往是长时间的——数据采集要跑 5 分钟，代码审查要跑 3 分钟，你不能干等着。
Task 有一个标准状态机（据 A2A 规范）：
ounter(lineounter(lineounter(lineounter(lineounter(linesubmitted → working → completed → failed → canceled ↕ input-required ← Agent 需要更多信息时回到这个状态这个设计很关键：input-required 状态让 Agent 之间可以"对话"，而不只是单向发指令。比如数据采集 Agent 发现你要的交易对不存在，它可以把任务设为 input-required，附上"请确认交易对名称"的消息。调用方看到后补充信息，任务继续执行。
3. JSON-RPC 2.0：传输层
A2A 在传输层选择了 HTTP + JSON-RPC 2.0。这个选择很务实——几乎所有语言和平台都支持 HTTP 和 JSON，没有额外的依赖。
三种交互方式：
|
方式 |
方法 |
适用场景 |
|---|---|---|
| 同步 | message/send |
快速任务（< 30s） |
| 流式 | message/stream |
需要实时进度反馈 |
| 推送 |
Push Notification |
超长任务，客户端不想保持连接 |
跑一个完整的例子
下面用 Python 实现一个最小的 A2A 交互：一个"翻译 Agent"作为 A2A Server，一个"调用方"作为 A2A Client。
ounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(lineounter(line"""A2A 协议最小完整示例
演示 Agent Card 发布 → Agent 发现 → Task 发送 → 结果接收的完整流程。
运行前提： pip install a2a-python uvicorn httpx"""import asyncioimport jsonimport httpxfrom dataclasses import dataclass, field, asdictfrom typing import Optional
# ============================================================# 第一部分：A2A Server（翻译 Agent）# ============================================================
AGENT_CARD = { "name": "translator-agent", "description": "将任意文本翻译为目标语言", "version": "1.0.0", "url": "http://localhost:8000", "capabilities": {"streaming": False, "pushNotifications": False}, "skills": [ { "id": "translate", "name": "文本翻译", "description": "将输入文本翻译为指定的目标语言", "inputModes": ["text"], "outputModes": ["text"], } ],}
@dataclassclass Task: id: str status: str = "submitted" artifacts: list = field(default_factory=list) messages: list = field(default_factory=list)
tasks: dict[str, Task] = {}
def handle_jsonrpc(request: dict) -> dict: """处理 JSON-RPC 2.0 请求""" method = request.get("method") params = request.get("params", {}) req_id = request.get("id")
if method == "message/send": task_id = params.get("message", {}).get("taskId", f"task-{len(tasks)+1}") user_text = "" for part in params.get("message", {}).get("parts", []): if part.get("kind") == "text": user_text = part["text"]
task = Task(id=task_id, status="working") tasks[task_id] = task
# 模拟翻译（生产环境调用 LLM） translated = f"[Translated] {user_text}"
task.status = "completed" task.artifacts = [ {"parts": [{"kind": "text", "text": translated}]} ]
return { "jsonrpc": "2.0", "id": req_id, "result": asdict(task), }
return { "jsonrpc": "2.0", "id": req_id, "error": {"code": -32601, "message": f"Method not found: {method}"}, }
# ============================================================# 第二部分：A2A Client（调用方）# ============================================================
async def discover_agent(base_url: str) -> dict: """第一步：读取 Agent Card，了解对方能做什么""" async with httpx.AsyncClient() as client: resp = await client.get(f"{base_url}/.well-known/agent-card.json") return resp.json()
async def send_task(base_url: str, text: str) -> dict: """第二步：发送 JSON-RPC 请求，委托翻译任务""" payload = { "jsonrpc": "2.0", "id": 1, "method": "message/send", "params": { "message": { "role": "user", "parts": [{"kind": "text", "text": text}], } }, } async with httpx.AsyncClient() as client: resp = await client.post(base_url, json=payload) return resp.json()
async def demo_client(): """完整客户端流程：发现 → 委托 → 获取结果""" base_url = "http://localhost:8000"
# Step 1: 发现 card = await discover_agent(base_url) print(f"发现 Agent: {card['name']}") print(f" 技能: {[s['name'] for s in card['skills']]}")
# Step 2: 委托任务 result = await send_task(base_url, "今天天气真好，适合写代码") task = result.get("result", {}) print(f" 任务状态: {task['status']}") print(f" 翻译结果: {task['artifacts'][0]['parts'][0]['text']}")
# ============================================================# 第三部分：用 uvicorn 启动 Server（简易版）# ============================================================
if __name__ == "__main__": import uvicorn from starlette.applications import Starlette from starlette.requests import Request from starlette.responses import JSONResponse from starlette.routing import Route
async def agent_card_endpoint(request: Request): return JSONResponse(AGENT_CARD)
async def jsonrpc_endpoint(request: Request): body = await request.json() return JSONResponse(handle_jsonrpc(body))
app = Starlette(routes=[ Route("/.well-known/agent-card.json", agent_card_endpoint), Route("/", jsonrpc_endpoint, methods=["POST"]), ])
print("A2A Server 启动: http://localhost:8000") print("Agent Card: http://localhost:8000/.well-known/agent-card.json") print("\n另开终端运行客户端: python -c 'import asyncio; from a2a_demo import demo_client; asyncio.run(demo_client())'") uvicorn.run(app, host="0.0.0.0", port=8000)运行后你会看到：
ounter(lineounter(lineounter(lineounter(line发现 Agent: translator-agent 技能: ['文本翻译'] 任务状态: completed 翻译结果: [Translated] 今天天气真好，适合写代码整个流程的关键点：Client 不需要知道 Server 内部用的是什么模型、什么框架。它只需要读 Agent Card、发 JSON-RPC 请求、等 Task 完成。明天 Server 从 Claude 换成 Gemini，Client 代码一行不用改。
生产环境的四个工程要点
1. 签名 Agent Card：防止冒充
v1.2 引入了签名 Agent Card（据 A2A 规范 v1.2），用加密签名做域名验证。生产环境必须启用——否则任何人都可以伪造一个 Agent Card，声称自己是你的"财务分析 Agent"。
2. Task 超时和重试
Agent 任务不像 API 调用那样快速返回。数据采集可能要跑 10 分钟，代码审查可能要跑 5 分钟。你需要：
-
设定合理的超时阈值（建议按 skill 粒度配置）
-
用
task/get轮询状态，或用message/stream获取实时进度 -
处理
failed状态的重试逻辑
3. 认证和授权
Agent Card 的 authentication 字段声明了支持的认证方式。生产环境至少用 Bearer Token，企业内网可以用 mTLS。关键原则：Agent 之间的信任不应该比微服务之间更低。
4. 多 Agent 编排
当系统有超过 3 个 Agent 时，建议引入一个编排 Agent（Orchestrator），负责：
-
维护所有 Agent Card 的注册表
-
根据任务描述匹配最合适的 Agent
-
管理 Task 的依赖关系和执行顺序
-
处理失败 Agent 的降级策略
这和微服务架构里的 API Gateway / Service Mesh 是同一个思路。
哪些场景该用 A2A，哪些不该
|
场景 |
用 A2A？ |
理由 |
|---|---|---|
|
两个不同团队的 Agent 需要协作 |
用 |
跨团队 = 接口标准化 = A2A 的核心价值 |
|
一个 Agent 调外部搜索引擎 |
不用，用 MCP |
搜索引擎是工具，不是 Agent |
|
Agent 需要长时间执行并报告进度 |
用 |
Task 状态机 + 流式反馈 |
|
同一个进程内的两个 Agent 函数 |
不用 |
直接函数调用，加协议只是增加延迟 |
|
跨公司的 Agent 互操作 |
用 |
A2A 是厂商中立标准，双方不需要用同一框架 |
|
Agent 读写数据库 |
不用，用 MCP |
数据库是资源，不是自主决策的 Agent |
判断标准很简单：对方有没有自己的"想法"？ 有自己的推理能力、能自主决策的用 A2A；只是被动执行指令的用 MCP。
工程结论
-
A2A 解决了多 Agent 系统的 N² 互联问题——标准协议让 N 个 Agent 只需要 N 次适配，而不是 N(N-1)/2 次定制对接。这和 HTTP 之于 Web、gRPC 之于微服务的意义完全一样。
-
A2A 和 MCP 是互补关系，不是替代关系——MCP 是 Agent 到工具的"USB 接口"，A2A 是 Agent 到 Agent 的"HTTP 协议"。2026 年的主流多 Agent 架构已经形成 MCP + A2A 双层标准模型。
-
协议已经生产可用——据 Linux Foundation 2026 年 4 月数据，150+ 组织支持 A2A，Google ADK、LangGraph、CrewAI 等主流框架均已原生集成，金融、供应链、IT 运维等行业已有生产部署案例。v1.2 引入的签名 Agent Card 解决了生产环境的身份验证问题。
-
现在就该学——A2A 的核心概念只有三个（Agent Card、Task、JSON-RPC），比学 Kubernetes 简单一个数量级。等你需要跨团队、跨公司的 Agent 协作时再学，就晚了。
——新书推荐——
Agent 垂直技术社区，欢迎活跃、内容共建。
更多推荐
17
0- 0
已为社区贡献1条内容
所有评论(0)