从隔离到合作：发现的作用 -- 三条 AI 协作之路：MCP 的工具箱、A2A 的探索能力与 Prompits 的团队协作

随着人工智能不断进步，它也越来越“社交”。

过去我们依赖单一模型完成所有任务，而现在的 AI 更强调“多智能体协作”——不仅是人与 AI 的合作，更是 AI 与 AI 之间的协作。

但要开始协作，第一步就是回答这个问题：

“还有谁在？他们会什么？”

这正是 智能体发现（Agent Discovery） 要解决的问题。

⸻

🤔 为什么“发现”很重要？

想象你走进一家大公司，里面有各种专家：写作、翻译、编程、设计应有尽有。但你不知道谁是谁，也无法联系他们。

就算每个人都很优秀，没有发现机制，就组不成团队。

在多智能体系统中，“发现”机制帮助 AI：
• 找到合适的协作伙伴
• 理解彼此的能力
• 动态组成任务团队

这是智能协作的起点。

⸻

🧰 路线一：MCP — 单模型的工具箱

先说 MCP（Model Context Protocol），这是 Anthropic 提出的协议。

MCP 并不是一个多智能体系统，而是让 单个大模型（如 Claude） 可以访问外部的工具、API 或记忆体。

你可以把它理解为给 AI 一个多功能工具箱：
• 计算器 ✔
• 搜索接口 ✔
• 数据库访问 ✔

关键是：
MCP 并不包含任何“发现”机制，因为它就是一个 AI 自己使用工具的系统。

🧭 发现机制： ❌ 无
🤝 协作方式： 单模型 + 工具

⸻

🔄 路线二：A2A — 广播式发现机制

Google 的 A2A（Agent-to-Agent） 协议是真正面向多智能体协作的系统，并把“发现”作为核心设计。

每个 A2A 智能体都会提供一张 Agent Card（代理卡），内容包括：
• 智能体能做什么
• 如何调用它
• 支持的输入输出

这张卡片通常放在标准路径（如 /.well-known/agent.json），其他智能体可以随时读取它的信息。

可以把 A2A 想象成 AI 的通讯录或 LinkedIn ——方便查找，跨平台互联。

🧭 发现机制： ✅ 通过 Agent Card (JSON)
🤝 协作方式： 灵活的智能体对智能体

⸻

🏛️ 路线三：Prompits — 注册式协作网络

Prompits 是另一个开源多智能体系统，它聚焦在 多步骤流程执行 和 结构化团队协作。

在 Prompits 中，智能体不是广播自己，而是通过一个共享的注册表 Plaza（广场） 来发布：
• 它的技能（Practice）
• 当前是否可用
• 接口与联系方式

任务执行流程称为 Pathway，系统会根据 Pathway 需要，从 Plaza 中挑选合适的智能体组成团队。

Prompits 更像是一个 AI 项目指挥中心，所有任务都被拆解、分工、协同执行。

🧭 发现机制： ✅ 通过 Plaza（注册机制）
🤝 协作方式： 多步骤流程中的结构化协作

Prompits 也支持多个 Plaza，可以根据不同领域（如医疗、法律、翻译等）划分专属广场，互联互通。

⸻

🔍 已知 vs 未知智能体：两种协作模式

在智能体协作中，常见有两种模式：
• 已知智能体：就像你组一个熟悉的老团队，每个人固定分工。这种方式稳定但不灵活。
• 未知智能体：根据任务实时发现并调度合适的智能体。这种模式更灵活、可扩展、抗故障，还能引入竞争机制（多智能体争抢同一任务）。

Prompits 同时支持这两种方式；你可以绑定熟悉的代理，也可以从 Plaza 动态发现新智能体。

A2A 更倾向于开放探索，而 MCP 则完全不涉及多智能体协作。

⸻

📊 三者横向比较

⸻

🧠 “发现”将决定 AI 的未来

“发现”机制虽然常被忽略，但却是 AI 合作能否落地的关键。
• 没有发现机制，智能体无法互相连接
• 没有连接，就没有协作
• 没有协作，AI 就永远只能“单打独斗”

不论你使用的是 MCP 的单体系统、A2A 的开放探索，还是 Prompits 的结构化多智能体框架，AI 的未来一定属于那些 知道如何彼此合作 的系统。

⸻

👉 想试试吗？
欢迎访问 Prompits 开源项目 GitHub，搭建属于你自己的多智能体协作系统。