多Agents 圈的 MCP：谷歌全新Agent2Agent 协议开源！

最新推荐文章于 2025-07-24 15:44:35 发布
最新推荐文章于 2025-07-24 15:44:35 发布
阅读量456 收藏 7
点赞数 5
CC 4.0 BY-SA版权
文章标签： 人工智能 机器学习 大数据
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。
本文链接：https://blog.youkuaiyun.com/AIBigModel/article/details/147160380

今天，谷歌推出并开源 Agent2Agent (A2A) 全新开放协议，A2A 协议将允许 AI Agents相互通信、安全地交换信息，并在各种企业平台或应用程序上协调操作，很快冲到2.6k star。

图片

  • Agent2Agent协议（A2A）：允许 AI Agents连接到其他Agents（多Agents圈的MCP）；

  • 模型上下文协议（MCP）：允许 AI Agents连接到工具/API；

  • 两者均为开源协议，互不竞争！

图片

更多信息：《动手设计AI Agents：CrewAI版》、《高级RAG之36技》、新技术实战：Manus+MCP/GRPO+Agent/Lazy-GraphRAG、大模型日报/月报、最新技术热点追踪（GPT4-o/数字人/MCP/Gemini 2.5 Pro）

图片

A2A是对 Anthropic 模型上下文协议 (MCP) 的补充，MCP 为Agent提供了实用的工具和上下文。A2A 使开发者能够构建能够与使用该协议构建的任何其他代理连接的代理，并为用户提供了灵活地组合来自不同提供商的代理的灵活性。至关重要的是，企业可以从一种标准化的方法中受益，用于跨不同平台和云环境管理其代理。

图片

A2A 的工作原理

A2A 促进“客户端”Agent与“远程”Agent之间的通信。客户端Agent负责制定和传达任务，而远程Agent负责执行这些任务，以提供正确的信息或采取正确的行动。这种交互涉及以下几个关键功能：

an illustrated flow chart showing the flow of data between the remote agent and the client agent to produce secure collaboration, task and state management, user experience negotiation, and capability discovery

  • 能力发现：Agent可以使用 JSON 格式的“代理卡”来宣传其能力，从而允许客户端代理识别能够执行任务的最佳代理并利用 A2A 与远程代理进行通信。

  • 任务管理：客户端与远程代理之间的通信以任务完成为导向，代理负责执行最终用户的请求。此“任务”对象由协议定义，并具有生命周期。它可以立即完成，或者，对于长时间运行的任务，每个代理可以进行通信，以彼此保持同步，了解任务的最新完成状态。任务的输出称为“工件”。

  • 协作：Agent可以互相发送消息来传达上下文、回复、工件或用户指令。

  • 用户体验协商：每条消息包含“部分”，即完整形成的内容片段，例如生成的图像。每个部分都有指定的内容类型，允许客户端和远程代理协商所需的正确格式，并明确包含对用户 UI 功能（例如 iframe、视频、Web 表单等）的协商。

A2A设计原则

作为开放协议，A2A遵循拥抱Agent能力、基于现有标准、默认安全、支持长时间运行任务和与模态无关的五项关键原则，实现灵活、安全、跨框架的Agent协作。

A2A真实案例：候选人寻源

A2A协作通过统一界面（如Agentspace）简化招聘软件工程师流程：Agents按要求寻找候选人，互动推荐，协助面试和背景调查，实现跨系统高效协作。

，时长01:22

https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/https://github.com/google/A2A

来源 | PaperAgent

AIBigModel
关注
从零到多智能体：Google Agent开发套件（ADK）入门指南
独立开发，substack顶级编辑
04-22 902
ADK促进自定义工具生产的能力是其优势之一。本质上，工具只是一个带有描述性文档字符串的Python函数。
使用 Google 的 A2A（Agent2Agent）协议、ADK 和 MCP 构建多智能体 AI 应用
iCloudEnd的博客
04-20 461
A2A（Agent-to-Agent）协议是Google开发的用于跨组织或技术边界的代理之间通信的开放协议。使用 A2A，代理无需共享记忆、想法或工具即可为最终用户完成任务。相反，代理以其原生模式交换上下文、状态、指令和数据。简单：重复使用现有标准企业就绪：身份验证、安全、隐私、跟踪、监控异步优先：（非常）长时间运行的任务和人机交互与模态无关：文本、音频/视频、表单、iframe 等。不透明的执行：代理不必分享想法、计划或工具。
谷歌革命性突破！Agent2Agent协议开源，多Agents协作进入新纪元！
m0_63171455的博客
04-11 805
今天，谷歌推出并开源 Agent2Agent (A2A) 全新开放协议，A2A 协议将允许 AI Agents相互通信、安全地交换信息，并在各种企业平台或应用程序上协调操作，很快冲到2.6k star。Agent2Agent协议（A2A）：允许 AI Agents连接到其他Agents（多Agents圈的MCP）；模型上下文协议（MCP）：允许 AI Agents连接到工具/API；两者均为开源协议，互不竞争！
读懂 MCP 协议：AI Agent 开发者的必备通信语言
热门推荐
鄙人kunzhi96，感恩遇见！
06-18 1万+
AI Agent通信协议MCP：多智能体协同的通用语言 摘要（146字）： 随着多智能体系统成为AI发展的关键方向，MCP协议应运而生，为智能体间通信提供了标准化解决方案。该协议借鉴FIPA ACL规范，通过结构化消息格式（包含发送方、行为语义、内容、元数据等核心字段）实现智能体的高效协作。MCP支持请求/响应、通知、协商等多种交互模式，并内置消息追踪机制。目前已被AutoGen、OpenDevin等主流框架采用，其价值在于统一通信标准、支持复杂任务分解、提升系统可解释性。协议设计兼顾扩展性与大模型适配性，
Agent开源工具：mcp快速接入，mcp-use上手指南
kakaZhui的博客
04-29 1215
MCP（Modular Component Protocol）是一种模块化组件协议，旨在为LLM（大语言模型）提供标准化的工具调用接口。通过MCP协议，任何LLM都可以无缝接入浏览器操作、文件系统、3D建模等数百种工具能力。
Strands Agents：AWS开源Agent框架的技术与应用全景
攻城狮7号的博客
05-22 1791
Strands Agents以其模型驱动、极简开发、生产级可用、开放生态的独特优势，成为AI Agent开发领域的创新引擎。它不仅极大降低了Agent开发门槛，更为企业级AI应用的规模化落地提供了坚实基础。在AI Agent浪潮席卷全球的今天，Strands Agents为开发者和企业提供了一条从原型到生产、从单体到多Agent协作、从本地到云端的全流程解决方案。无论你是AI开发新手，还是企业IT架构师，Strands Agents都值得深入学习与实践。
深入解析Agent世界：5000字长文，彻底搞懂A2A与MCP协议！
2401_85375151的博客
04-11 1160
正如我们希望国家间少打贸易战、多订规则，AI领域我们也乐见各家少搞闭关锁国，多推行兼容协议。A2A和MCP的崛起，意味着AI产业已经在朝着。
什么是MCP协议？AI Agent时代如何选择MCP协议？
猫头虎技术团队：授渔优于赠鱼，兴趣引领智慧，探索之乐尤显珍贵。商务合作+：Libin9iOak ，万粉变现+：优快云WF，猫头虎承诺每年免费为100名C站创作者做账号流量诊断服务！全网搜：猫头虎技术团队，点击文章底部名片或直接私信我一切皆可谈，快找虎哥！
03-07 1万+
什么是MCP协议？AI Agent时代如何选择MCP协议？ 摘要 在人工智能（AI）迅猛发展的今天，如何让大型语言模型（LLM）充分利用外部数据和工具已成为关键问题。MCP 协议（Model Context Protocol，模型上下文协议）作为一种开放标准，正以其统一、灵活且安全的设计，为解决数据孤岛和碎片化集成问题提供了一条全新的路径。本文将详细解析 MCP 协议的原理、架构、优势及在 AI Agent 时代下的应用前景，同时探讨如何从开放性、生态支持、安全性、易用性和性能等多个维度选择适合自身场景的
Agent2Agent (A2A)：Google出台Mcp互补协议
寒冰屋的专栏
05-22 84
Agent2Agent (A2A)：Google出台Mcp互补协议
多智能体时代来袭：5个开源Agent框架开发者必备！
surfirst的博客
03-20 1568
本文探讨了人工智能领域的五个新兴开源智能体框架，包括 Motia、Agno、AWS Multi-Agent Orchestrator、Pydantic AI 和 AutoAgent。这些框架在自动化工作流、多模态处理及类型安全等方面提供了灵活、高效的解决方案，为开发者带来全新选择与应用前景。
AI大模型多智能体技术极简教程: Function Call、MCP Server、Agent2Agent、MultiAgent系统架构等
AI天才研究院
04-16 652
大模型（如GPT-4、Llama 3）虽具备强大的语言理解能力，但原生缺乏“调用外部工具”和“多角色协作”的能力。MCP ServerMultiAgent系统：让大模型“能调用工具”（如API、数据库）；：让智能体“能互相对话”（如客服Agent与数据分析Agent协作）；MCP Server：让多智能体“能高效协调”（任务分配、冲突解决）；MultiAgent系统：让整体“能完成复杂任务”（如电商全链路服务）。
Agent Network Protocol技术白皮书：一个对标Anthropic MCP的智能体通信协议
常高伟的专栏
12-06 1583
Anthropic MCP让人们看到智能体通过API或协议与外部数据对接的巨大潜力。我们在几个月之前就发布了Agent Network Protocol技术白皮书，一个和MCP类似的协议，致力于解决智能体通信中的挑战。中间迭代了几个版本，这是我们最新的版本。在这个版本中，我们提出了给更具有实施性的去中心化身份验证方案did:wba，加入了元协议，加入了智能体服务发现与描述设计。我们已经开发了一个开源实现，目前迭代到了0.2.0，未来几周我们会陆续完善协议细节和代码。
时间序列预测Python机器学习应用
木头大左的博客
07-23 1042
时间依赖性：当前值受过去值的影响。趋势性：数据可能呈现长期上升或下降的趋势。季节性：数据在固定周期内重复出现的模式。噪声：随机波动，无明显规律。
腾讯内测的 AI 编程 IDE，上手表现如何？（含实测）
非著名程序员
07-22 1163
通过截图，我们可以看到，点击小火箭图标，也就是「部署」按钮之后，开始执行命令，先是创建 sandbox ，然后上传代码，安装部署环境和各种依赖，最后启动服务。另外，最后，我不得不夸一句，腾讯的产品力不仅体现在功能和人性化上，在产品设计上也是非常好，这个 IDE 的界面语言，是我目前见过的 AI 编程工具当中最好的。让你的需求变成真正可用的应用。虽然是基于开源的 VS Code IDE 衍化而来，但是，从整体的界面的细腻程度，真的做到了简洁大方，非常好看，给你一看就是一款有质感，有追求的 IDE。
论文笔记：EDITING MODELS WITH TASK ARITHMETIC
qq_40206371的博客
07-21 852
2023 ICLR。
大模型开发
2302_81352523的博客
07-23 752
AI（人工智能）是使机器具备类人思考和解决问题能力的技术，其核心是Transformer神经网络模型（如GPT）。大模型应用结合传统编程实现记忆等复杂功能，应用开发技术包括Prompt问答、微调、Agent调用和RAG（外挂知识库），适用于客服、医疗、办公自动化等场景。AI通过数据训练掌握语言规律，处理模糊性问题，与传统程序互补形成强大应用。
统计与大数据分析与数学金融方向课程差异有哪些？如何提升职场竞争力？
LRQ2025的博客
07-23 863
统计与大数据分析和数学金融专业存在显著课程重叠（概率统计、编程、优化等），但主攻方向不同。统计侧重机器学习、大数据处理及广泛领域应用；数学金融则深入金融建模、衍生品定价等专业领域。建议新生结合兴趣（数据算法vs金融建模）与职业规划（数据科学家vs量化分析师），利用大一大二共同基础课程进行体验后选择。两个专业基础课高度相似，扎实掌握数学与编程核心能力是关键。
动手学深度学习2.0-李沐Pytorch版
最新发布
qq_43361801的博客
07-24 212
教材的pdf我已经上传到资源啦！动手学深度学习在线课程。
Mamba（SSM、S4、S4）
BigGod139的博客
07-23 730
状态空间模型SSM，20世纪60年代有卡尔曼等研究者提出，概念很在提出。连续SSM一般形式如下：State Equation：x′(t)=Ax(t)+Bu(t)x'(t) = Ax(t) + Bu(t)x′(t)=Ax(t)+Bu(t) 其中：Output Equation：y(t)=Cx(t)+Du(t)y(t) = Cx(t) + Du(t)y(t)=Cx(t)+Du(t) 或 y(t)=Cx(t)y(t) = Cx(t)y(t)=Cx(t) 其中：离散SSM一般形式如下：与连续SSM相比，x,t,u,
为MCP量身定制的Agent开发框架
06-18
### MCP 定制 Agent 开发框架 Model Context Protocol (MCP) 是一种标准化的通信与上下文交换协议，旨在为 AI Agent 提供高效的外部工具访问能力[^2]。为了支持 MCP 的实现和应用，一些开发框架应运而生，这些框架提供了对 MCP 的原生支持或扩展支持，使得开发者能够更轻松地构建基于 MCP 的智能体。 以下是一些为 MCP 定制的 Agent 开发框架： #### 1. **Agently** Agently 是一个支持 MCP 的开源框架，专注于简化 Agent 的开发过程[^4]。它允许开发者通过简单的配置快速创建和管理多个 Agent 实例，并且支持多种大语言模型（LLM）作为后端推理引擎。Agently 提供了丰富的 API 和工具集，帮助开发者集成外部工具和服务。 - **特点**: - 支持动态调整 Agent 的决策深度。 - 提供灵活的设置项，例如模型选择、API 密钥管理和 URL 配置。 - 内置对 MCP 的支持，便于与外部工具进行交互。 - **代码示例**: ```python from agently import Agently, OAIClient # 创建 Agent 工厂实例 agent_factory = ( Agently.AgentFactory() .set_settings("current_model", "OAIClient") .set_settings("model.OAIClient.auth", {"api_key": "your_api_key"}) .set_settings("model.OAIClient.url", "http://example.com/v1") .set_settings("model.OAIClient.options", {"model": "deepseek-v3"}) ) # 创建 Agent 实例 agent = agent_factory.create_agent() # 执行任务 response = agent.run_task("What is the capital of France?") print(response) ``` #### 2. **LangChain** LangChain 是一个流行的 Agent 开发框架，支持多种协议和工具集成，包括 MCP[^1]。它提供了一个模块化的架构，使得开发者可以轻松地组合不同的组件来构建复杂的 Agent 系统。 - **特点**: - 支持混合架构，可以根据任务复杂度动态调整推理深度。 - 提供丰富的工具库，方便与外部系统集成。 - 内置对 MCP 的支持，简化了上下文交换和通信的过程。 - **代码示例**: ```python from langchain.agents import initialize_agent, Tool from langchain.tools import BaseTool from langchain.llms import OpenAI class MCPTool(BaseTool): name = "mcp_tool" description = "A tool that uses MCP for external data access." def _run(self, query: str): # 模拟 MCP 数据访问 return f"Data accessed via MCP for query: {query}" llm = OpenAI(temperature=0) tools = [MCPTool()] agent = initialize_agent(tools, llm, agent="zero-shot-react-description") result = agent.run("What is the weather like today?") print(result) ``` #### 3. **AutoGen** AutoGen 是另一个支持 MCP 的框架，专注于自动化生成和执行复杂任务[^1]。它通过规则引擎和符号逻辑驱动 Agent 的决策过程，适合处理需要深层次推理的任务。 - **特点**: - 提供强大的规则引擎，支持复杂的符号逻辑推理。 - 支持动态任务分解和分配。 - 内置对 MCP 的支持，便于与外部工具和服务集成。 - **代码示例**: ```python from autogen import AssistantAgent, UserProxyAgent assistant = AssistantAgent( name="assistant", llm_config={"request_timeout": 600, "seed": 42}, system_message="You are a helpful assistant.", ) user_proxy = UserProxyAgent( name="user_proxy", human_input_mode="TERMINATE", max_consecutive_auto_reply=10, is_termination_msg=lambda x: x.get("content", "").rstrip().endswith("Goodbye!"), ) user_proxy.initiate_chat( assistant, message="What is the current stock price of Apple?", ) ``` ###
评论
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值