返回全部文章AI 与智能体

MCP、A2A,以及 AI 智能体之间如何对话

早期的 AI 智能体彼此孤立:每个都有自己的硬接线工具,只能在自己的系统内工作。这一点正在迅速改变。新的开放协议不断涌现,让智能体能够发现工具、连接数据、并与其他智能体协作,而不管它们是谁造的。有两个名字反复出现:MCP 和 A2A。下面讲清它们是什么、为什么重要。

为什么智能体需要协议

没有标准,每一条连接都得手工打造。想让智能体 A 使用工具 B,就得有人为这一对写定制代码。把规模扩大到几十个智能体、几百个工具,就变得无法管理。

协议通过定义一种共同语言来解决这个问题。按标准打造的工具,能与任何“说”这种语言的智能体协作。智能体可以发现有哪些工具可用,而不必为每一个预先编程。这和让 Web 运转起来的思路一样:共享协议让截然不同的系统能够互操作。

MCP:把智能体连接到工具和数据

MCP(Model Context Protocol,模型上下文协议)标准化了应用向 AI 模型提供上下文和工具的方式。可以把它理解为一种通用连接器。

开发者不必为每个数据源写定制集成,而是通过 MCP 暴露一种能力——文件系统、数据库、搜索服务、业务 API 等等。任何兼容 MCP 的智能体随后都能发现并使用它。

这在实际中带来什么:

  • 智能体可以询问连接的系统提供哪些能力。
  • 它能以一致、结构化的方式调用这些能力。
  • 开发者只写一次集成,就能在多个智能体平台上通用。

有用的心智模型是“AI 工具的 USB-C”:一个标准插头,取代一抽屉各家的专有线缆。

A2A:智能体与智能体对话

A2A(Agent2Agent 协议)解决的是另一个问题:独立的智能体之间如何协调。当一个智能体需要另一个帮忙——比如来自不同厂商的专业智能体——A2A 定义了它们如何:

  • 发现彼此的能力。
  • 协商任务如何交接。
  • 以结构化方式交换消息和结果。
  • 跟踪长时间运行任务的状态。

MCP 关注的是智能体使用工具,A2A 关注的是智能体与其他智能体协作。两者是互补关系,而非竞争关系。

一张简单的图景

想象一个旅行规划智能体,需要订机票并查天气。

  • 通过 MCP,它连接到一个机票搜索服务和日历,发现各自能做什么。
  • 通过 A2A,它把一份详细的行程任务交给别人开发的专业行程智能体,然后接收结果。

这两条连接它都不需要定制代码。它说的是共享协议。

为什么标准对每个人都重要

你不必自己在造智能体,才会关心这个。标准影响:

  • 选择。 开放协议减少锁定。你可以更换工具或智能体,而不必推倒重来。
  • 能力。 连接成本低时,智能体能触达的工具多得多。
  • 安全。 通用格式让定义权限、记录行动、审计智能体行为更容易。
  • 成本。 可复用的集成意味着每种组合都少写定制代码。

对企业来说,实际效果是智能体系统更容易组装,也更不容易把你困在单一厂商的生态里。

需要注意的地方

协议前景看好,但还年轻。有几点现实需要记在心里:

  • 标准仍在演进,细节可能变化。
  • 支持某个协议,并不保证集成就是安全、实现良好的。
  • 把智能体连接到强大的工具,会放大它能做的事——也包括它能做错的事。权限和监督依然重要。
  • 互操作性只有在底层智能体可靠时才有意义。协议修不好糟糕的推理。

结论

MCP 和 A2A 试图给智能体世界一套共同语言:一个负责把智能体连到工具和数据,另一个负责把智能体彼此相连。如果它们获得广泛采用,智能体系统会变得能力更强、更可替换、也更容易治理。对任何关注 AI 领域的人来说,这些协议都值得理解——它们是基础设施,不是一阵风潮。

下载 Ball — Ball

下载 Ball

正在阅读英文?可在菜单中切换语言。