深入理解GenAI Works框架：整合MCP服务器、A2A、GenAI与工作流智能体

在AI技术快速迭代的当下，智能体（Agent）系统已从单一功能模块向复杂协同架构演进。此前我们介绍的智能体AI演示系统仅包含基础交互功能，而GenAI Works框架（开源仓库见GitHub）凭借端到端的设计思路，实现了智能体全流程管理与多组件协同，成为企业级智能体开发的重要参考。本文将从框架结构解析、部署实操及多组件整合三个维度，带您全面掌握这一工具的核心能力。

一、GenAI Works框架核心结构：从前端到后端的协同逻辑

GenAI Works的核心优势在于覆盖智能体AI的完整技术链路，不仅提供可视化交互界面，更通过多协议、多服务的设计，实现智能体注册、消息路由、任务执行与数据存储的闭环。其整体架构可拆解为前端交互层、后端服务层、消息路由层、智能体执行层与数据存储层五大模块，各模块通过Docker容器独立运行，兼顾扩展性与灵活性。

1. 核心技术协议：不止MCP与A2A，新增GenAI智能体协议

框架通过多协议管理智能体通信，除了常见的MCP（多智能体通信协议）与A2A（智能体间通信协议），还引入了2025年5月发布的GenAI Agent Protocol，其中GenAISession对象是关键协调者。根据PyPI官方定义，GenAISession是“注册智能体并管理事件生命周期的中央控制器”，但官方文档较为简略。结合实际代码分析，其核心作用包括：

• 通过WebSocket连接中央路由服务（Router），实现消息与事件的分发；

• 处理文件上传/下载，确保数据在智能体间高效流转；

• 维护每条消息的上下文信息，保障多轮交互的连贯性。

2. 前后端交互：HTTP与WebSocket的分工协作

• 前端层

  ：基于React开发，提供三大核心功能——智能体聊天交互、MCP/A2A端点配置、工作流智能体设计，用户可通过可视化界面完成全流程操作。

• 后端层

  ：基于FastAPI构建，作为前端与路由服务的“桥梁”，通过两种方式与前端通信：

  • HTTP端点

    （定义于backend/routes/xxx/routes.py）：负责数据存储与用户管理，如将聊天记录、智能体注册信息存入PostgreSQL，用Redis实现缓存加速，同时处理用户认证与个人资料维护；