谷歌给Agent造了个“微信”，和MCP功能互补，多智能体协作更顺畅了

智能体的时代正在加速到来。就在今天，谷歌云Next大会上，官方正式发布了一个相当重要的东西——Agent2Agent（A2A）开放协议。简单来说，这个协议就是为了打通不同智能体之间的“语言障碍”，让它们能顺畅地沟通与协作。哪怕是不同开发者发布的智能体，也能通过A2A有效对话。

举个招聘场景的例子。如果有一个多智能体系统，主智能体理解你的招聘需求后，就可以通过A2A协议，精准地与其他专业智能体（比如负责背景调查、技能评估的智能体）互动，最终给你列出合适的人选建议。整个流程中，你还能随时参与进来，比如直接指示某个智能体安排下一轮面试。

01

A2A协议相当于给每个智能体配了一张“名片”，让不同智能体一上来就能知道彼此能干什么。不仅如此，它还规定了智能体之间沟通的固定“话术”，允许它们互相发送消息，传递上下文、回复内容、最终成果，甚至用户的具体指令。

这个协议的核心价值在于，帮助智能体跨越原本孤立的数据系统和应用程序，真正协同工作。短期来看，它能提升智能体的自主性和生产力；长期而言，有望显著降低多智能体系统的使用成本。目前，包括PayPal、SAP、ServiceNow，以及埃森哲、德勤、毕马威等在内的50多家企业和技术组织，已经表示了对A2A协议的支持和贡献。

这里需要特别说明一个关键点：A2A与Anthropic的MCP（模型上下文协议）并非竞争关系，而是互补的。简单区分一下：A2A解决的是智能体与智能体之间的通信问题，而MCP解决的是智能体如何连接数据、资源和工具，让它更好地与现实世界交互。

02

为了把A2A和MCP的关系讲得更明白，谷歌给了一个很生动的案例——一家汽车修理厂。

想象一下，这家修理厂雇佣了一群特别能干的员工，他们用千斤顶、万用表和套筒扳手来诊断和修车。更关键的是，他们经常要面对从前没见过的问题，得一边跟客户沟通，一边查资料，还要跟零件供应商打交道。

在这个场景里，每个员工就是一个智能体。MCP协议相当于员工手里的工具箱，负责调度“把汽车抬升50cm”、“把扳手往右拧4mm”这类具体操作。而A2A协议，则是员工与员工之间、员工与客户（可以理解为AI用户）之间的沟通协作语言。

具体来说，在修理厂里，MCP让员工能正确使用工具，完成一个个具体动作。而A2A协议则允许员工主动问客户：“给我发一张左侧轮胎的照片”，或者“我注意到有液体泄漏，这种情况持续多久了？”甚至可以让自己的员工与外部零件供应商的员工直接对接。

整个交互过程的核心，是“客户端”智能体和“远端”智能体之间的协作。客户端智能体负责制定任务、传达需求，远端智能体则负责执行，提供信息或采取动作。这个过程涉及几个关键功能：

智能体可以用JSON格式的“智能体卡”——就像它的名片一样——发布自己会什么、怎么验证。客户端智能体看到这些名片后，就能判断找谁干活最合适。

客户端和远端智能体之间的所有通信都以完成任务为最终目标。协议定义了一个带完整生命周期的“任务”对象，简单任务可以快速完成，复杂任务则需要双方持续同步执行状态。任务最终产出的结果，叫做“交付物”。

智能体之间能互相发送消息，传递上下文、回复内容、交付物，或者用户的具体指令。

每条消息都包含若干“内容单元”，比如生成的图片、视频等。每个单元都标注了内容类型，这样客户端和远端智能体就能商量好最终的呈现格式。更厉害的是，它还考虑了UI能力的协调，比如嵌入式框架、视频、网页表单等交互元素怎么适配。

谷歌和它的合作伙伴在构建A2A时，选择了HTTP、SSE、JSON-RPC这些已经被广泛使用的现有标准。这意味着它天生就能跟企业日常用的IT基础设施集成。此外，它还支持企业级的身份验证与授权，发布时认证方案就跟OpenAPI标准保持同步。

A2A协议还支持多种交互模态，包括音视频流。它的设计很灵活，既能高效处理即时任务，也能支持那种需要几小时甚至几天、中间可能还需要人工介入的深度研究任务。在整个过程中，它会持续向用户提供实时反馈、通知和状态更新。

03

结语：采用率未达临界点，将继续拓展用例和场景

在接受科技媒体VentureBeat采访时，谷歌云业务应用平台副总裁兼总经理Rao Surapaneni坦言，目前虽然有50多家合作伙伴采用，但远没到采用率的“临界点”。未来A2A能不能成为一项易用通行的协议，很大程度上取决于企业的采用率。Surapaneni表示，谷歌会为A2A寻找更广阔的用例和场景，推动它持续增长。