背景：

2025年4月9日，Google 正式发布了 Agent2Agent Protocol（以下简称 “A2A”）。A2A协议的发布是为了促进不同 AI Agent之间的互操作性，允许AI Agent在各种企业平台或应用程序之上相互通信、安全地交换信息并协调行动。无论它们是否是通过相同的供应商建立的，还是使用不同的技术框架。

举个例子，一家大型电商公司使用了多种企业平台和服务。Atlassian 用于团队项目管理，Box 用于文件存储和共享，Salesforce 用于客户关系管理，Workday 用于人力资源管理。

以前这些平台上的Agent无法自由通信。现在通过A2A协议，这些企业平台可以安全、自由地自动化交互数据。

因此，这项协议的出现将会成为Agent生态基础设施中的重要一环，有力推动Agent生态系统 的完善与发展。

A2A 的工作原理

A2A的工作原理是通过促进客户端Agent和远程Agent之间的通信来实现的。客户端Agent负责制定和传达任务，而远程Agent则根据这些任务采取行动，以提供正确的信息或执行相应的操作。在这个过程中，A2A协议有以下几个关键能力。

· 

安全协作(Secure Collaboration)：通过引入认证/授权机制，保证 Agent 之间的身份互信。

任务状态管理(Task and state mgmt)：实现了 Agent 之间互操作任务以及任务状态的可管理性。

用户体验协商(UX negotiation)：不同的 Agent 通过协商的方式，对用户提供无缝的体验。

功能发现(Capability discovery)：提供了 Agent 之间相互发现各自能力的机制。

A2A

Anthropic的模型上下文协议 (MCP) 是否也可以实现 Agent 之间的互相调用？

可以的！

那如果这样，为什么还要有 A2A 呢？

MCP的定位：提供一个规范的方式，向LLMs/Agent提供上下文。MCP强调的是LLMs/Agent为主体，MCPServer为附属的模式。而A2A强调的是Agent和Agent之间的相互操作，协议双端是对等的。

官方认为，A2A 是 MCP 的一个补充，相当于对子领域的一个增强。比喻的话就是一个是电话簿（A2A），一个是工具说明书（MCP）。

下面两个官方的图示，可以帮助大家理解A2A和MCP 在工程领域的定位问题。

Agent-To-Agent

Agent-To-MCP-To-Agent

A2A vs MCP 功能对比【4】：

当AI成为生产力核心，你的系统还在‘单机作战’？

想要提升你的人工智能认知和能力吗？这样一套课程会适合你。

【课程概述】

本课程旨在深入探讨生成式人工智能（AIGC）的概念和技术体系，以及如何通过提示工程和LangChain框架提高大语言模型（LLM）的应用效率和输出质量。课程内容涵盖AIGC的基础知识、LLM技术原理、生态体系、开源大模型（含DeepSeek R1）。此外，课程还将教授如何构建和优化提示、实现AIGC开发环境、以及LangChain的基本概念和开发环境准备。

【培训内容】

1.生成式人工智能（AICG）

2.Transformer算法

3.大语言模型（LLM）

4.LLM生态体系

5.OpenAI及相关模型介绍

6.使用LangChain开发AIGC应用

7.提示工程与AICG常用工具

8.实操：基于大模型的客服Chatbot智能体开发

9.实操：基于大模型的知识库问答系统开发

10.实操：基于DeepSeek安装与使用

【课程对象】

AI技术爱好者：对人工智能特别是生成式AI感兴趣的个人，希望了解最新的技术发展。

数据科学家和机器学习工程师：需要使用LLM进行数据分析、模型训练和应用开发的专业人士。

软件开发者：希望构建或集成AIGC解决方案的软件开发者，特别是对LangChain框架感兴趣的开发者。

产品经理和业务分析师：希望了解如何将AIGC技术应用于产品开发和业务流程优化的专业人士。

教育工作者和研究人员：在学术或教育领域探索AIGC技术潜力的教育工作者和研究人员。

通过本课程，学员将能够深入理解AIGC的潜力，并掌握如何有效利用LLM和LangChain框架来解决实际问题。

【培训证书】

完成课程内容学习及实操，由工业和信息化部教育与考试中心颁发“人工智能工程师（中级）”职业技术证书，纳入“工业和信息化人才培养工程”行业人才队伍建设指标，个人信息录入工业和信息化人才数据库，可在线查询。

证书具有官方权威性，用于个人AI技术技能证明、职级晋升、单位资质升级等。

【课程咨询】

更多课程详情，扫描咨询 周老师

【课程优势】

权威认证：由工业和信息化部教育与考试中心颁发的证书，具有较高的权威性和认可度，有助于提升个人职业资质。

系统课程设计：课程内容全面，涵盖人工智能基础知识、大模型技术原理、应用开发等多个层面，有助于学习者构建完整的知识体系。

实践导向：课程注重实践操作，通过课堂讨论、案例分析、平台实验等方式，提高学习者的动手能力和解决实际问题的能力。

行业前沿：紧跟AI人工智能技术发展的最新趋势，特别是大模型技术的应用，帮助学习者掌握行业前沿知识。

专家授课：由行业内的专家和资深工程师授课，确保课程内容的专业性和实用性。

资源配套：提供丰富的AI学习资源，教材、实验环境等，方便学习者随时随地学习。

职业发展：课程内容与职业需求紧密结合，有助于学习者提升职业技能，增加就业竞争力。

【课程目标】

理解AIGC和LLM的基础知识：学员将掌握AIGC的概念、LLM的工作原理以及生态体系。

掌握提示工程：学员将学习如何构建和优化提示，以改善LLM的输出质量。

构建开发环境：学员将学会获取和管理Open API Key，搭建LLM开发环境，并实现离线应用开发。

深入LangChain框架：学员将理解LangChain的核心组件，学习如何准备开发环境，并快速构建LangChain项目。

应用LangChain构建解决方案：学员将学习如何使用LangChain的Tool和Toolkit，实现检索增强生成（RAG）、数据库查询、异步通讯机制、角色扮演和头脑风暴活动，以及自主搜索和自动策略制定。

【课程详细安排】

【考试信息】

考试时长：60分钟

考试地点：线下/线上考试

考试形式：闭卷考试

考试题型：单选题

考题数量：50题

通过分数：满分为100分，通过分数线为70分。考生必须至少答对35题 （即70%的正确率）才能通过考试。

参考资料：

[1] https://google.github.io/A2A/#/

[2] https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/

[3] https://modelcontextprotocol.io/introduction

[4] https://blog.csdn.net/2401_84494441/article/details/147195047