我对Agen2Agent以及MCP的浅显理解

最近MCP比较火，谷歌也出了A2A 协议。其实我很早就想过这个问题。今天来快速的记一下。

why-- 为什么要出这些个协议？

首先，要聊下背景。

本质矛盾是因为当前的虚拟助理（大模型等）不能满足人类复杂的任务需求。

要想满足人类复杂的任务需求，它得是个“超人”，既要能得到各种感知，还要能分析，能回顾历史，能决策，能执行，能交互，等等。当前，大模型最核心的能力，就是解决了历史上最难的问题：能相对全面的分析并给出建议（决策），能根据各种具体情况去分析，而不是走人工设计的套路。换句话说，具备了人类一定的分析判断能力，相当于大脑。

所以，之前就有个经典的Agent设计结构， 大模型作为决策中心，给它装上 感知器，给它安上记忆，让它可以查找资料，最后让它可以操控 其他 软件或者硬件，经过思维链技术，一步步推理、执行、返回、再执行，直到最后完成任务。

现在的技术路线发展，其实就是按照这个大致的脉络来走的。理解了这个需求和实现的策略，就不难理解当前技术的各种“风口”。

what-- 这些个协议干嘛的？

简单来讲，这些协议就是让 大模型和其他 大模型、智能体、工具（接口）、硬件（驱动程序） 进行交互的。 大模型是大脑的能力，但是它需要和其他的感知、执行、次级大脑进行交互，才能灵活的完成复杂任务。怎么交互呢？它们之间的语言是什么？现在设定的这些协议，就是它们之间的语言规范。

当然，除了语言规范，还得有 “交互约定”，即面对什么事情，我要告诉你什么，你要告诉我什么，等等。

好，我觉得，MCP协议，是语言规范；而A2A，是交互约定。

用比喻来说，MCP，是咒语；A2A是魔法师们沟通的约定，毕竟不同的魔法师擅长的不一样，他们之间需要交流。比如，我要发一个大火球，我需要念动火球术，这就是我和底层魔法规则沟通的媒介，就是MCP；比如我是火系魔法师，我需要临时增强我的力量、幸运值，我找到一个祝福系法师，也就是另一个Agent，通过它身上的标签找到它，直到它有这个能力，于是我给它发出任务请求，它就采取一系列独特的咒语(MCP)，综合调动不同类型的力量，对我加持了大祝福术，这就是agent2agent。

这个比喻很好，还能解释更多。比如，同样是问位置，我可以调用谷歌的接口（MCP），假设也可以调用 百度的接口，两者的咒语不同，但是能实现类似的功能，就好比 我用一个咒语来召唤出火球，用另一个咒语来召唤出 火弹，大体差不多，但是咒语不同。同样的，我可以找观音菩萨给我祝福，也可以找上帝，Ta们施展的各种咒语组合、原理可能不尽相同，那就是不同的Agent的能力，我只需要按照Ta告诉我的能力和召唤方法，召唤出来即可，比如我去跪拜观音菩萨的佛像，或者找个教堂去忏悔，这是Ta的约定，这就是A2A。

当然，MCP和A2A在某个意义上 又是相同的东西。都是在尝试调用对方的能力，只是呢，MCP控制的是底层能力；而A2A则是尝试调用高阶、复杂的能力。而所谓“高阶、复杂”，是相对的。

How-- 大模型怎么做到的呢？

MCP应该是通过Function calling的方式来做到的，需要接口按照MCP协议的要求去注册，让大模型知道，然后大模型按照MCP组织数据去调用，得到返回。

A2A，则更加灵活，应该不需要MCP协议那样”死板“的接口格式去发送数据，我猜测，当前用自然语言交互可能是最合适的（人也能看懂，从而可以设计、调整）。A2A协议，目前来看，更有可能是类似于“个人介绍”这种东西，即一个Agent在自己身上贴标签，告诉别的Agent它能做什么。

使用A2A协议做任务的步骤大概是，你的主Agent根据你的任务命令，结合它对其他Agent的理解，拆分任务项目步骤和顺序，把子项目外包给其他Agent，它最后再进行组合。这里边的关键，除了它能否拆解任务外，就是它要知道别的Agent能干啥。

谈到这里，我觉得这里会有一个难点，未来一定会遇到，并成为超级智能执行体构成的阻碍：谁去描述Agent能干啥？描述的是否合理？Agent的描述和别的Agent对这个描述的理解，是否一致？肯定不会完全一致，人人之间交流会有这个问题，Agent之前如果靠描述来互相了解，一样会遇到问题。或许，未来，抛弃所谓A2A协议，用人类看不懂的 三体人 沟通方式，可能更适合Agent之间的交互。

所以，我认为，A2A只是个阶段性产物，有长远意识的人，应该已经在想如何让Agent之间更加准确高效的交流了，比如，让它们互相读对方源码，存储为它们自己理解的“记忆”？