谷歌发布Agent2Agent开源协议，旨在打破AI智能体壁垒，实现跨平台协作，但OpenAI系缺席或影响其成为行业通用标准。
原文标题：谷歌开始抢占智能体地盘！发布 A2A 开源协议打破企业间 Agent壁垒，OpenAI 系缺席标准之战
原文作者：AI前线
冷月清谈：
怜星夜思：
2、OpenAI和Anthropic等头部AI公司的缺席，会对A2A协议的未来发展产生什么影响？是否存在替代方案或合作的可能性？
3、从企业应用的角度来看，A2A协议能解决哪些实际痛点？未来企业如何利用A2A构建更高效的智能协作系统？
原文内容
谷歌今日推出了一种名为 Agent2Agent（简称 A2A）的新型互操作协议，或将成为人工智能智能体从孤立系统迈向开放协作生态的重要信号。
Agent2Agent 协议旨在实现不同平台和生态中的 AI 智能体之间的安全、标准化协作，无论它们基于何种框架或由哪家公司构建。协议的核心目标是打通智能体间的互操作性，支持跨平台、多模态的协同工作。通过 A2A，智能体可以彼此通信、发现对方能力、协商任务分配，并协作完成复杂的企业级流程，即便它们来自不同的技术体系。
这一特性使得构建由多个专职智能体组成的企业级智能系统成为可能。例如，在企业级流程中，某个智能体可以负责候选人筛选，另一个安排面试时间，还有一个负责背景调查，而这一切都可以在统一的 agentic 接口中完成。
Agent2Agent 协议是开源的，并正在与 Atlassian、Box、Cohere、Intuit、LangChain、MongoDB、Salesforce、SAP、ServiceNow、UKG 和 Workday 等 50 多家公司共同开发，旨在成为智能体和 AI 应用程序的互操作性语言。
值得注意的是，这里没有 OpenAI 或 Anthropic 的支持。
GitHub 地址：https://github.com/google/A2A
Google Cloud 商业应用平台副总裁兼总经理 Rao Surapaneni 在接受媒体采访时表示，A2A 让不同专业和数据节点的智能体更容易获得所需的上下文。
Surapaneni 表示：“每个系统或平台都有其专长，因为它们可能掌握着某个数据节点或逻辑节点，或者其用户群本身就集中在特定任务上。因此可以预期，这些框架会沿着高度专业化的方向持续演进。而作为客户，如果我同时在部署多个平台和框架，我并不希望频繁在它们之间来回切换。”
他还表示，谷歌之所以与 50 多家合作伙伴和客户共同推进 A2A 的建设，正是希望打造出一个“具备企业级就绪、安全可信的互操作能力”的协议。
A2A 协议促进了谷歌所称的客户端智能体与远程智能体之间的通信。客户端智能体负责从最终用户获取任务并传递，而远程智能体则执行该任务。
在另一篇博客文章中，谷歌表示，A2A 协议依赖于几个关键能力，这些能力是基于该协议构建的。
-
能力发现：智能体可以通过 JSON 格式的“Agent Card”来“展示其能力”，以便客户端智能体能够选择最佳的远程智能体来完成任务。
-
任务管理：确保智能体之间的通信仅限于完成请求，并定义任务的生命周期。
-
协作：在任务的上下文回复、产物（任务输出）或指令之间发送消息。
-
用户体验协商：指定智能体能够读取的内容类型和格式。
Surapaneni 表示，谷歌将 A2A 设计为一种开放协议，这意味着开源社区可以为 A2A 项目做出贡献并提出代码更新建议。
“我们将其作为一项由社区驱动的、真正开源的项目开放，”他说。“虽然它有一个治理委员会，但我们确实希望它真正开放，并由社区驱动。”
在开发 A2A 的过程中，谷歌专注于让智能体能够“以自然、非结构化的模式工作，即使它们不共享内存、工具和上下文”。该协议还建立在 HTTP 和 JSON 等现有标准之上，因此更容易与现有技术栈集成。
这不仅仅是一次升级，它为智能体提供了一个全新的协调层。
A2A 也并非市场上唯一的互操作性协议。在过去的几个月里，至少出现了两种智能体互操作性标准： Anthropic 的 模型上下文协议 (MCP) 和 由 思科 牵头的集体制定的 AGNTCY。
AGNTCY 由思科、LangChain、Galileo、LlamaIndex 和 Glean 联合开发，旨在创建代理之间的标准通信方式。LangChain 也是 Agent2Agent 的合作伙伴，它开发了 Agent Protocol。微软更新了其 AutoGen 框架，以帮助 创建可互操作的智能体。
另一方面，包括微软、OpenAI 在内的许多公司都已经接受了 MCP。甚至谷歌也通过其新的智能体开发工具包（Agent Development Kit）增加了对 MCP 的支持。Surapanenin 保证 A2A 将与 MCP 并行运行。
“我们认为 MCP 和 A2A 是互补的功能，”Surapaneni 说道。“我们看待 Agent2Agent 的方式是将其置于更高的抽象层，以使应用程序和智能体能够相互通信。因此，可以将其视为一个分层堆栈，其中 MCP 与 LLM 协同工作，处理工具和数据。”
比如在下图中，A2A 主要聚焦于智能体之间的通信，而 MCP 则有助于连接工具和资源。
也有网友解释说，这在与 MCP 的关系上属于“拥抱并扩展”的范畴：“如果你为一个项目实现了 A2A，我认为你就不需要再实现 MCP 了。也就是说，如果你有一个 MCP 服务器，你可以添加一个薄层来实现 A2A 兼容。”
他认为可以将 A2A 视为 MCP 的合理超集，建议对于正在构建 MCP 服务器的开发者，应该参考 A2A 规范，了解诸如身份验证和带外数据交付等关键功能的实现路线图。对于考虑构建 MCP 服务器的开发者，该评论者建议审慎考虑，因为 A2A 规范在定义上更为完善。即使 A2A 未能得到广泛应用，MCP 也可能通过增加对关键痛点的支持来迎头赶上，届时迁移的难度也将相对较低。
Surapaneni 并未拒绝与其他致力于智能体互操作性协议的联盟合作。他表示，A2A 始终欢迎新成员加入，并且该协议将是一个动态代码，会根据社区的建议和需求不断更新。 “我们将研究如何与所有协议保持一致，”Surapanenin 说。“总会有一些协议包含好的想法，我们想弄清楚如何将这些好的想法都纳入进来。”
各大机构和 AI 公司普遍认同，未来的世界将不会由某一个单一的 AI 模型主导，而是由多个模型共同驱动。因此，智能体基于不同语言和框架构建，也是一种顺理成章的趋势。
然而，要实现真正成熟的智能体生态系统，关键在于智能体能够与来自其他公司的智能体进行通信与协作。但这一目标远非易事。行业标准的建立通常需要较长时间才能普及，并且依赖大量企业的广泛支持与参与。
如果 A2A、MCP 或 AGNTCY 等协议希望成为连接所有 AI 智能体的标准方式——无论它们由谁构建、基于何种框架——就必须实现大规模的落地应用与生态采纳。Surapaneni 表示，尽管已有超过 50 家合作伙伴参与 A2A 的共建工作，但目前的采用程度仍未达到临界点。
“所有这些协议都将持续演进，特别是在 AI 发展速度如此之快的背景下，我们将不断发现新的使用场景和应用需求，这也将推动协议持续发展。”他说道。
参考链接：
https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
https://venturebeat.com/ai/googles-agent2agent-interoperability-protocol-aims-to-standardize-agentic-communication/
声明：本文为 AI 前线整理，不代表平台观点，未经许可禁止转载。
