从MCP到A2A：Agent间通信协议栈的分层演进与选型之争

当AI Agent从“单机推理”走向“多机协同”，通信协议栈的分层逻辑正在被重写。MCP负责向下对接工具，A2A负责横向连接Agent，而2026年7月28日MCP的无状态化重构和A2A的150+生产部署，让这场分层演进成为业界焦点。

引言：协议为何突然变得重要？

“当你需要让一个Agent打电话给另一个Agent时，协议就不再是基础设施，而是架构本身。”

2026年7月，Agent通信协议迎来密集爆发。7月28日，MCP发布了自诞生以来最大规模的架构重构——取消协议层Session，改为每次请求携带完整处理信息，让MCP Server终于能在Kubernetes上正常扩缩容。同一周，A2A协议庆祝一周年并宣布150+组织生产部署，包括Microsoft、AWS、Salesforce、SAP和ServiceNow。中国发布GB/Z 185-2026《智能体互联互通》，29国在上海签署WAICO创始文件。

这一周被称为Agent协议层的“Kubernetes时刻”。协议从学术讨论走入生产战场，架构师必须回答：MCP和A2A是什么关系？如何分层？如何选型？

一、本质区别：两个方向，不是竞争

1.1 MCP：给Agent装上“手”

MCP（Model Context Protocol）解决的是Agent如何连接工具、数据和API的问题。它向下垂直延伸，让Agent能够调用数据库、操作文件系统、访问外部服务。

核心抽象：

• Tools：Agent可调用的函数（如执行代码、查询API）
• Resources：Agent可读取的结构化数据
• Prompts：可复用的提示词模板

2026年7月28日最大变化：移除Session，改为无状态请求。旧版MCP要求客户端与服务器维持长连接会话，导致Pod重启会丢失会话、负载均衡被迫做粘性路由、Kubernetes水平扩缩容形同虚设。新版让每个请求自带完整处理信息，任何实例都能接单，加机器就能解决并发问题。

1.2 A2A：给Agent配上“同事”

A2A（Agent-to-Agent）解决的是Agent之间如何发现、委托和协作的问题。它横向延伸，让Agent能够委派任务、协商能力、共享工件。

核心抽象：

• Agent Card：JSON格式的“身份名片”，描述Agent能力、端点、认证方式
• Task：工作单元，有完整生命周期（submitted→working→completed/failed）
• Artifact：任务完成后的产出物（文档、代码、图片等）

关键差异：A2A要求Agent之间互不信任，每个Agent不暴露内部状态或工具，只通过合约沟通。

1.3 一句话总结

维度	MCP	A2A
方向	垂直向下	水平横向
另一端	被动的工具/数据	自主的Agent
核心抽象	Tool, Resource, Prompt	Agent Card, Task, Artifact
交互形态	请求-响应工具调用	长周期、有状态的任务委托

MCP给你的Agent装上手，A2A给它配上同事。

二、架构对比：学术研究的实证结论

一篇发表于arXiv 2026年7月的学术论文，对MCP和A2A在多Agent协调场景中进行了实现层面的实证对比。

2.1 核心发现

MCP可以支持Agent间协调，但协调关注点（如会话状态管理、任务生命周期处理）必须在应用层显式实现。A2A通过协议级任务和生命周期管理抽象，为有状态的多轮协调提供了更丰富的原生支持，但这伴随着更大的实现和协调复杂性。

研究结论：

• MCP方案：实现模型更轻量，协调复杂度较低，适合受约束的LLM系统
• A2A方案：原生支持有状态、多轮协调，但实现和协调复杂度显著更高

2.2 分层职责

InfoQ的一篇深度文章提出了清晰的分层架构策略：

• A2A层：作为“通信总线”，让编排器能发现并找到合适的专家Agent，无需硬编码连接
• MCP层：作为“通用功能语言”，确保Agent被委派后，无论底层实现如何，都能发现和使用必要的工具

三、代码示例：协议实战

3.1 MCP Server（Python）

以下代码使用FastMCP库构建一个暴露模型验证和部署工具的MCP服务器：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP("mlops-server")

@mcp.tool()
def fetch_model(model_version: str) -> dict:
    """从模型注册表获取模型元数据"""
    return {"model_id": "churn_v2.1", "accuracy": 0.94, "path": "s3://models/churn/"}

@mcp.tool()
def validate_model(validation_config: dict) -> dict:
    """验证模型性能"""
    return {"status": "passed", "metrics": {"f1": 0.91, "auc": 0.96}}

@mcp.tool()
def deploy_model(deployment_config: dict) -> dict:
    """部署模型到指定环境"""
    return {"status": "success", "endpoint": "https://api.example.com/v1/churn"}

if __name__ == "__main__":
    mcp.run(transport="streamable-http")

关键点：函数的docstring会被模型读取用于决定是否调用该工具，这既是文档也是安全边界。

3.2 A2A Agent Card（JSON）

A2A的Agent Card是发布在/.well-known/agent-card.json的JSON文档：

{
  "protocolVersion": "1.0",
  "name": "deployment-validator",
  "description": "验证并部署模型到生产环境",
  "url": "https://agent.internal/a2a",
  "skills": [
    {
      "id": "validate_model",
      "name": "模型验证",
      "description": "验证模型是否符合上线标准",
      "inputModes": ["application/json"],
      "outputModes": ["application/json"]
    }
  ],
  "securitySchemes": {
    "oauth2": {
      "type": "oauth2",
      "flows": { "clientCredentials": { "tokenUrl": "https://idp/token" } }
    }
  },
  "capabilities": { "streaming": true }
}

Agent Card让其他Agent发现该Agent提供的能力、如何调用、使用什么认证方式，从而无需硬编码就能实现动态协作。

四、选型指南：什么时候用什么？

4.1 决策框架

场景	协议	理由
LLM需要调用数据库、API、本地工具	MCP	开箱即用的工具集成
多个专业Agent互相委派任务	A2A	原生支持任务生命周期和异步通信
复杂多Agent系统	两者都用	A2A做编排层，MCP做工具层

4.2 建议路径

DigitalOcean的教程给出了明确建议：大多数团队应从MCP开始，只有当不同团队或供应商拥有的Agent真正需要互相委派工作时，才添加A2A。

反模式：试图用MCP做Agent间协调，或用A2A做工具集成。两者解决不同问题，不应混淆。

五、行业趋势：为什么现在是关注协议的时候？

1. 无状态化开启规模化：MCP取消Session后，Agent服务终于能像普通微服务一样水平扩展
2. 统一治理框架出现：AGTP（Agent Transport Protocol）作为传输层，让MCP和A2A可以在同一基础设施上运行，基础设施组件不再需要解析不同的协议载荷
3. 中国标准入局：GB/Z 185-2026《智能体互联互通》出台，标志着Agent通信协议正式进入标准化轨道

六、总结：分层演进，各司其职

MCP和A2A不是对手，是同一协议栈的不同层级。MCP负责Agent与工具的对接，A2A负责Agent与Agent的协作。2026年，两者都在各自方向上完成了关键跃迁——MCP无状态化让它能规模化扩展，A2A的150+生产部署证明它已走出实验室。

选型建议：先用MCP让Agent拥有“手”，当Agent数量增长到需要互相委派工作时，再加上A2A——两条腿走路，Agent才能跑起来。

---

参考文献：

1. Predoaia, I. et al., A Comparative Study of MCP and A2A for Inter-Agent Coordination in LLM-Based Systems, arXiv:2607.23884, 2026
2. Kapoor, S. et al., 构建代理式MLOps：一种基于A2A和MCP的分层协议策略, InfoQ.cn, 2026-02
3. A2A vs MCP - How These AI Agent Protocols Actually Differ, DigitalOcean, 2026-03
4. MCP取消Session，也把状态这门生意让给了云厂商, IT168, 2026-08
5. AI协作的四大支柱：协议详解与应用场景全解析, 阿里云开发者社区, 2025-08
6. A2A vs MCP, Agent Communication Protocols for DevOps, KodeKloud, 2026-07