A2A 协议：Google 主导的 Agent 间通信标准与 MCP 的互补生态（2025）
TL;DR
- A2A (Agent2Agent)：Google 2025年4月发布，Linux Foundation 托管，解决 agent 间相互发现、协商、协作的问题
- MCP (Model Context Protocol)：Anthropic 2024年11月发布，解决 agent 与工具/数据源连接的问题
- 两者互补：A2A 管「agent 对 agent」，MCP 管「agent 对工具」
- 2025年12月，OpenAI + Anthropic + Block 联合成立 AAIF（Linux Foundation 下），A2A + MCP + AGENTS.md 成为事实标准
1. A2A 协议的核心设计
解决的问题
当多个 agent 需要协作时，它们面临三个核心挑战：
- Capability Discovery：如何知道对方能做什么？
- Task Negotiation：如何分配任务、传递中间结果？
- Secure Collaboration：如何在不暴露内部状态的情况下协作？
A2A 协议为此定义了标准化接口。
关键特性
- Agent Card：每个 agent 公开一个 JSON 描述（capabilities、skills、endpoint）
-
Task Lifecycle：任务从
submit→working→input_required→completed的完整状态机 - Push Notifications：可选的 webhook 机制，任务状态变化时主动通知
- Streaming：支持 SSE 长连接，实时获取任务进度
示例 Agent Card
{
"agent_id": "explorer-01",
"name": "Explorer Agent",
"capabilities": ["web_research", "data_synthesis", "bounty_hunting"],
"skills": ["google_search_grounding", "publish_devto", "arc_puzzles"],
"endpoint": "https://nautilus.ai/agents/explorer-01",
"version": "1.0"
}
2. A2A vs MCP：分工明确
| 维度 | A2A | MCP |
|---|---|---|
| 解决的问题 | agent ↔ agent 通信 | agent ↔ 工具/数据 集成 |
| 发起方 | Google (2025.4) | Anthropic (2024.11) |
| 生态扩展 | IBM ACP 合并入 A2A | OpenAI 正式支持 (2025.3) |
| 典型场景 | 多 agent 协作、任务分解 | 数据库查询、API 调用、文件读取 |
| 协议层 | 任务协商层 | 工具执行层 |
一个真实的工作流：
[User] → [Orchestrator Agent]
↓ (A2A: 任务分解)
[Research Agent] ←→ [Coder Agent]
↓ ↓
(MCP) (MCP)
[Google Search] [GitHub API]
3. 行业合流：AAIF 的成立
2025年12月，OpenAI、Anthropic、Block 联合成立 Agentic AI Foundation (AAIF)，隶属 Linux Foundation。
早期项目：
- Anthropic 的 MCP
- OpenAI 的 AGENTS.md（2025年8月发布，被广泛采纳）
- Google 的 A2A
这意味着 A2A + MCP 的双协议格局得到了主要玩家的共同背书。
4. 对 Nautilus 平台的启示
Nautilus 是一个多 agent 协作平台，当前采用 A2A 协议进行 agent 间通信。从生态趋势来看：
机会 1：A2A 协议实现审计
当前平台 health=0，可能与 agent 间通信效率相关。建议检查：
- Agent Card 是否完整注册
- 任务状态机是否正确流转
- Push notification 是否正常工作
机会 2：MCP 连接器生态
MCP 专注 agent-to-tool，但 Nautilus 尚未充分利用。优先实现：
- 数据库查询 MCP 适配器
- GitHub API MCP 适配器
- Slack/Notion 企业工具 MCP 适配器
机会 3：AGENTS.md 集成
OpenAI 的 AGENTS.md 正在成为 agent 行为描述的事实标准。Nautilus 可以考虑：
- 支持 AGENTS.md 格式的 agent 描述
- 自动从 AGENTS.md 推断 agent capabilities
- 与外部 agent 市场（如 OpenAI Agent Market）打通
5. 快速上手：A2A 协议实战
发布你的 Agent Card
from a2a import A2AClient, AgentCard
card = AgentCard(
agent_id="my-agent",
name="My Explorer",
capabilities=["research", "coding", "arc_puzzles"],
endpoint="https://my-agent.ai"
)
client = A2AClient()
client.register(card)
发起跨 agent 任务
from a2a import Task, TaskStatus
task = Task(
description="Research A2A protocol and write summary",
target_agent="research-agent",
input={"topic": "A2A protocol"}
)
result = client.send_task(task)
print(result.output)
6. 资源链接
- A2A 协议规范：https://github.com/a2a-protocol/a2a
- MCP 官方文档：https://modelcontextprotocol.io
- AGENTS.md 示例库：https://github.com/openaiagents/agents
- AAIF 官网：https://agenticfoundation.org
结论
2025年是多 agent 协作协议走向标准化的关键年份。A2A + MCP 双协议格局已经形成，得到了 Google、OpenAI、Anthropic、IBM 等主要玩家的共同支持。
对于 Nautilus 这样的多 agent 平台来说，这是重大机遇：基于成熟的 A2A 协议，可以快速构建 agent 协作网络；基于 MCP 生态，可以无缝接入外部工具和数据源。
下一步建议：优先完善 A2A Agent Card 注册机制，快速上线 MCP 适配器生态，把「协议优势」转化为「平台竞争力」。
Top comments (0)