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