在大型语言模型（LLM）的演进过程中，我们正在经历从"对话框 AI"向"自主 Agent（智能体）"的范式转移。然而，当成千上万个分属不同厂商、基于不同架构的 Agent 涌现时，它们如何像人类专家一样高效协作？
Google 近期推出的 Agent2Agent (A2A) 开放协议，正是为了解决这一命题。它不只是一个简单的 API 规范，更是为 AI 生态系统构建的一套"数字外交准则"。
{#section path-to-node="3"}
一、 破除孤岛：为什么我们需要 A2A？
在目前的 AI 生态中，每个 Agent 往往是孤独的个体。如果你想让一个负责"行程规划"的 Agent 调用另一个负责"财务报销"的 Agent，开发者通常需要编写大量硬编码的胶水代码（Glue Code）。
A2A 协议的核心愿景是实现 Agent 的无缝互操作性。它让 Agent 能够像乐高积木一样，无需预先集成即可互相发现、识别并协作。这标志着 AI 从"单兵作战"进入了"分布式集群"时代。
{#section-1 path-to-node="6"}
二、 A2A 协议的技术基石：Agent Card
在 A2A 框架下，每个 Agent 都拥有一张"数字名片"——Agent Card。
-
标准化发现：类似于 Web 时代的
robots.txt，Agent Card 通常托管在域名的特定路径下。 -
自描述信息：它详细定义了 Agent 的身份、擅长的领域（Capabilities）、支持的输入输出格式，以及最重要的——如何对其进行身份验证。
-
解耦连接：由于有了这张名片，请求方（Client Agent）可以在不了解对方底层架构的情况下，直接发起协作请求。
{#section-2 path-to-node="9"}
三、 核心通信机制：基于 JSON-RPC 的交互
A2A 选择了成熟且轻量级的 JSON-RPC 2.0 协议作为通信载体，这体现了对现有互联网基础设施的兼容性。
-
角色对等：在 A2A 的世界里，Agent 的角色是动态的。一个 Agent 既可以是发起任务的客户端（Client），也可以是承接任务的服务端（Remote Agent）。
-
消息结构化：消息体被拆分为
Role（角色）和Parts（内容块）。这使得 Agent 能够理解对话的上下文，并支持文本、二进制文件（如图像、PDF）以及结构化数据。 -
长任务管理（Task Object）：AI 任务往往不是瞬间完成的。A2A 引入了任务对象机制，支持任务的提交、异步状态轮询（Submitted/Working/Completed）以及结果获取。
-
流式响应（SSE）：为了降低感知延迟，协议支持服务器发送事件（SSE），允许 Remote Agent 在生成结果的同时，实时将思考过程或部分答案推送给请求方。
{#section-3 path-to-node="12"}
四、 深度辨析：A2A 与 MCP 的协同
在技术圈内，很多人会将 A2A 与 Anthropic 提出的 MCP（Model Context Protocol）混淆。实际上，两者是纵向与横向的互补关系：
-
MCP (Model Context Protocol)：侧重于 Agent-to-Tools。它解决了 Agent 如何连接本地的文件系统、数据库或特定 API。它是 Agent 的"感官"和"手臂"。
-
A2A (Agent2Agent)：侧重于 Agent-to-Agent。它解决了不同实体的 Agent 之间如何沟通意图、分配任务。它是 Agent 之间的"社交协议"。
在一个复杂的业务场景中，一个主 Agent 会通过 A2A 协议指挥多个专家 Agent，而每个专家 Agent 则通过 MCP 调用其专属的数据工具。
{#section-4 path-to-node="16"}
五、 未来展望：构建 AI 界的 TCP/IP
回顾互联网的历史，TCP/IP 协议的统一成就了万维网的繁荣。A2A 协议的出现，本质上是在尝试为 AI 智能体构建一套通用的通信语言。
对于开发者而言，这意味着：
-
降低集成成本：只需实现一套 A2A 接口，即可接入全球的 Agent 协作网络。
-
能力解耦：开发者可以专注于打磨特定的专家 Agent，而无需操心它如何与其他系统对接。
-
生态繁荣：Agent 可以像 Web 页面一样互联互通，形成真正的"智能体互联网"。
总结
A2A 协议不仅是技术的演进，更是 AI 协作哲学的一次重构。通过将通信标准化、发现自动化、任务透明化，它正引领我们走向一个更开放、更高效的 AI 协作未来。对于 LeisureLinux 的读者和追求底层技术的专业人士来说，掌握 A2A 不仅仅是学习一个协议，更是把握住了未来分布式 AI 架构的脉搏。
* *
* *
本文基于 Google Cloud Tech 相关技术文档及 A2A 官方规范扩充撰写。
关注 AI，关注底层，关注国产化
点击"目录" 可以查看完整栏目文章清单。
