Apa itu Agent2Agent (A2A)? Protokol Terbuka untuk Komunikasi Agen AI

Sebagian besar sistem AI saat ini masih berupa agen tunggal: satu model, satu loop prompt, dan satu set alat. Pola ini cukup sampai pekerjaan menjadi terlalu besar untuk satu agen, atau sampai Anda perlu menyerahkan sebagian tugas ke agen lain yang dibuat oleh tim berbeda. Masalahnya: belum tentu ada cara standar bagi dua agen independen untuk saling menemukan, bertukar pekerjaan, dan melaporkan hasil. Agent2Agent atau A2A dibuat untuk mengisi celah itu.

Coba Apidog hari ini

Panduan ini membahas apa itu A2A, masalah yang diselesaikannya, cara kerjanya, perbedaannya dengan MCP, dan langkah praktis untuk mulai menguji agen A2A. Jika Anda ingin langsung mencoba debugging setelah memahami konsepnya, lanjutkan ke panduan Apidog A2A Debugger.

Apa itu Agent2Agent atau A2A?

Agent2Agent atau A2A adalah protokol terbuka untuk komunikasi antar agen AI. Protokol ini mendefinisikan cara sebuah agen:

• mengiklankan kemampuannya,
• ditemukan oleh agen lain,
• menerima pesan dan file,
• membuat dan melacak tugas,
• mengembalikan status serta hasil pekerjaan.

Kata kuncinya adalah antar agen. A2A bukan untuk menambahkan lebih banyak tool ke satu agen. A2A dipakai ketika beberapa agen terpisah, sering kali dibuat dengan framework berbeda oleh tim berbeda, harus bekerja sama tanpa saling mengetahui implementasi internal masing-masing.

Analogi sederhananya: A2A berperan seperti HTTP untuk lalu lintas agen. HTTP memungkinkan browser berbicara dengan server web apa pun tanpa peduli server itu ditulis dengan bahasa apa. A2A memungkinkan agen LangGraph berbicara dengan agen CrewAI, AutoGen, atau agen kustom selama semuanya mengikuti kontrak protokol yang sama.

Google memperkenalkan A2A pada tahun 2025, lalu memindahkannya ke Linux Foundation sebagai proyek netral vendor. Spesifikasi tersedia di repositori GitHub A2A, dan implementasi referensi dipublikasikan di situs proyek A2A.

Masalah yang Dipecahkan A2A

Sebelum A2A, menghubungkan dua agen biasanya berarti menulis integrasi khusus. Misalnya agen Anda perlu memanggil agen riset milik tim lain. Anda harus menentukan sendiri:

• endpoint,
• format payload,
• skema autentikasi,
• format respons,
• cara menangani error,
• cara melacak status pekerjaan.

Setiap pasangan agen menjadi integrasi khusus. Ketika agen ketiga masuk, prosesnya diulang lagi.

Masalah yang sering muncul:

• Tidak ada discovery standar. Agen tidak punya cara umum untuk bertanya, “apa kemampuan Anda?”
• Tidak ada model tugas bersama. Satu agen mengembalikan string, agen lain mengembalikan JSON kustom, agen lain lagi melakukan streaming token.
• Tidak ada pola autentikasi umum. Setiap integrasi membuat header dan kredensial sendiri.
• Interoperabilitas rendah. Agen yang dibuat dengan framework berbeda sulit saling menggantikan, meskipun fungsinya sama.

A2A memperbaiki ini dengan menyediakan kontrak bersama. Jika dua agen sama-sama kompatibel dengan A2A, keduanya dapat berbicara melalui struktur yang sama: Agent Card, Task, Message, dan Artifact.

Cara Kerja A2A

A2A memiliki empat konsep utama:

1. Agent Card
2. Task
3. Message dan Artifact
4. Streaming dan pembaruan status

1. Agent Card

Agent Card adalah dokumen JSON yang diterbitkan oleh agen untuk menjelaskan dirinya sendiri. Ini adalah titik awal discovery.

Biasanya Agent Card tersedia di URL seperti:

https://your-agent.example.com/.well-known/agent.json

Agen pemanggil mengambil file ini terlebih dahulu sebelum mengirim tugas.

Contoh bentuk sederhana Agent Card:

{
  "name": "Research Agent",
  "description": "Agen untuk mencari dan merangkum informasi.",
  "version": "1.0.0",
  "protocolVersion": "0.2.0",
  "url": "https://research-agent.example.com",
  "capabilities": {
    "streaming": true
  },
  "skills": [
    {
      "id": "web-research",
      "name": "Web Research",
      "description": "Mencari sumber dan membuat ringkasan."
    }
  ]
}

Dalam praktiknya, Agent Card membantu pemanggil menjawab pertanyaan seperti:

• agen ini bisa melakukan apa?
• input apa yang didukung?
• output apa yang dikembalikan?
• apakah mendukung streaming?
• autentikasi apa yang dibutuhkan?

Anda bisa mengeceknya dengan curl:

curl https://your-agent.example.com/.well-known/agent.json

Jika responsnya valid, agen lain bisa mulai menentukan apakah agen tersebut cocok untuk sub-tugas yang akan dikirim.

2. Task

Task adalah unit pekerjaan di A2A. Ketika satu agen meminta agen lain melakukan sesuatu, permintaan itu dibuat sebagai task dengan ID dan status sendiri.

Status task dapat bergerak melalui kondisi seperti:

• submitted
• working
• input-required
• completed

Dengan model ini, pemanggil tidak perlu tahu detail implementasi agen penerima. Pemanggil cukup memantau status task dan membaca hasil akhirnya.

Contoh alur task:

submitted -> working -> completed

Atau jika agen membutuhkan input tambahan:

submitted -> working -> input-required -> working -> completed

Inilah yang membuat agen A2A lebih mudah ditukar. Selama status dan respons mengikuti protokol, pemanggil dapat menangani agen berbeda dengan pola yang sama.

3. Message dan Artifact

Message membawa konten yang dikirim antar agen. Konten dapat berupa:

• teks,
• file,
• data terstruktur,
• kombinasi beberapa bagian.

Contoh payload konseptual:

{
  "message": {
    "role": "user",
    "parts": [
      {
        "kind": "text",
        "text": "Cari 5 sumber tentang A2A dan buat ringkasan teknis."
      }
    ]
  }
}

Ketika pekerjaan selesai, agen mengembalikan Artifact. Artifact adalah output terstruktur dari task, misalnya:

• ringkasan,
• dokumen,
• tabel data,
• referensi file,
• hasil analisis.

Karena message dan artifact sama-sama disusun dari bagian-bagian, format pertukaran tetap konsisten di kedua arah.

4. Streaming dan Pembaruan Status

Task yang berjalan lama tidak harus memblokir pemanggil. A2A mendukung server-sent events untuk mengirim pembaruan status dan hasil parsial.

Contoh kasus:

working: mencari sumber
working: menemukan 3 sumber
working: menyusun ringkasan
completed: laporan siap

Dengan streaming, UI atau agen pemanggil dapat menampilkan progress alih-alih hanya menunggu respons akhir.

Alur Implementasi A2A Secara Praktis

Pertukaran A2A umum terlihat seperti ini:

1. Agen A mengambil Agent Card milik Agen B.
2. Agen A membaca kemampuan dan skill Agen B.
3. Agen A membuat task dengan message awal.
4. Agen B memproses task.
5. Agen B mengirim pembaruan status, jika streaming aktif.
6. Agen B mengembalikan artifact saat task selesai.
7. Agen A membaca artifact dan melanjutkan workflow.

Secara teknis, percakapannya adalah JSON melalui HTTP. Tidak ada mekanisme eksotis yang perlu dipahami di luar kontrak protokol.

Contoh checklist saat menghubungkan agen:

[ ] Agent Card dapat diakses
[ ] Field wajib Agent Card valid
[ ] Skill yang dibutuhkan tersedia
[ ] Autentikasi berhasil
[ ] Task dapat dibuat
[ ] Status task berubah sesuai siklus hidup
[ ] Artifact akhir dapat dibaca
[ ] Error dan input-required ditangani

A2A vs MCP

A2A dan Model Context Protocol atau MCP sering tertukar karena keduanya berhubungan dengan agen AI dan sama-sama protokol terbuka. Namun, masalah yang diselesaikan berbeda.

	A2A	MCP
Menghubungkan	Agen ke agen	Agen ke alat dan data
Pertanyaan utama	“Bisakah agen lain melakukan langkah ini untuk saya?”	“Tool dan resource apa yang bisa dijangkau agen ini?”
Penggunaan umum	Workflow multi-agen antar tim	Satu agen memanggil database, filesystem, atau API
Unit pertukaran	Task, message, artifact	Tool call, resource, prompt

MCP adalah cara agen menjangkau ke dalam sistem eksternal. A2A adalah cara agen menjangkau ke agen lain.

Dalam sistem produksi, keduanya bisa dipakai bersamaan:

User
  -> Orchestrator Agent
      -> MCP: query database
      -> MCP: baca file
      -> A2A: delegasi riset ke Research Agent
      -> A2A: delegasi review ke Review Agent

Untuk pembahasan lebih detail, lihat perbandingan server MCP vs A2A. Jika Anda ingin melihat sisi MCP dalam praktik, baca juga debugger klien MCP Apidog.

Kolaborasi Multi-Agen di Dunia Nyata

A2A adalah salah satu cara membuat agen berkolaborasi, tetapi bukan satu-satunya. Beberapa sistem memakai orkestrasi langsung: satu agen merencanakan pekerjaan dan secara eksplisit memanggil agen lain.

Contoh sumber terbuka yang jelas adalah Codex-Claude-Collab. Skill ini mengoordinasikan workflow real-time antara OpenAI Codex dan Claude Code. Codex merencanakan tugas, mendelegasikan implementasi ke Claude Code, lalu meninjau perbedaan dan memverifikasi hasil sebelum menjawab pengguna.

Pola itu adalah orkestrasi terprogram. Satu pihak tahu persis siapa pihak lainnya.

A2A menggeneralisasi pola tersebut. Alih-alih pemanggil mengetahui agen spesifik yang harus dipanggil, pemanggil membaca Agent Card dan bekerja dengan agen yang sesuai berdasarkan kemampuan yang dideklarasikan.

Gunakan pendekatan berikut sebagai aturan praktis:

• Gunakan orkestrasi langsung jika Anda mengontrol semua agen dalam satu sistem.
• Gunakan A2A jika agen dimiliki tim berbeda, harus dapat ditukar, atau perlu ditemukan melalui kontrak standar.
• Gunakan MCP jika agen perlu memanggil tool, database, file, atau API eksternal.

Sistem yang matang sering memakai ketiganya: orkestrasi di dalam tim, MCP untuk akses tool, dan A2A untuk kolaborasi lintas batas agen.

Cara Menguji Agen A2A

Setelah Anda membangun atau menggunakan agen A2A, langkah berikutnya adalah melihat lalu lintas aktualnya. Log konsol sering menyembunyikan detail payload, sementara skrip pengujian kustom cepat usang saat skema berubah.

Di sinilah debugger A2A visual membantu.

Apidog menyertakan A2A Debugger di klien standarnya. Alurnya:

1. Tempel URL Agent Card.
2. Klik connect.
3. Apidog membaca Agent Card.
4. Periksa nama, kemampuan, dan skill agen.
5. Kirim message pengujian.
6. Tambahkan file atau metadata jika dibutuhkan.
7. Baca respons dalam beberapa tampilan:
   • preview yang mudah dibaca,
   • konten mentah,
   • payload JSON-RPC lengkap.

Apidog juga menangani Bearer Token, Basic Auth, dan API key tanpa harus menulis ulang perintah curl.

Tujuan utamanya adalah isolasi masalah. Ketika agen gagal, Anda perlu tahu apakah masalahnya ada di:

• transport,
• autentikasi,
• format message,
• status task,
• atau logika internal agen.

Melihat payload yang benar-benar dikirim dan diterima biasanya mempercepat diagnosis.

Lihat panduan Apidog A2A Debugger untuk alur lengkap connect, send, dan inspect. Prinsip yang sama juga dibahas dalam konteks lebih luas di menguji agen AI yang memanggil API Anda.

Memulai dengan A2A

Jika Anda ingin mulai membangun atau menghubungkan agen A2A, gunakan jalur berikut.

1. Baca spesifikasi

Mulai dari spesifikasi A2A. Fokus pada bagian:

• struktur Agent Card,
• lifecycle task,
• message,
• artifact,
• autentikasi,
• streaming.

Tujuannya bukan menghafal seluruh spesifikasi, tetapi memahami kontrak yang harus dipatuhi agen Anda.

2. Jalankan agen referensi

Jalankan salah satu agen sampel referensi secara lokal. Pastikan agen tersebut mengekspos Agent Card yang dapat diakses.

Tes paling sederhana:

curl http://localhost:PORT/.well-known/agent.json

Jika Agent Card muncul, lanjutkan ke pengiriman message.

3. Kirim message sederhana

Mulai dari prompt pendek, misalnya:

Halo, jelaskan kemampuan Anda dalam satu paragraf.

Jangan langsung menguji file upload, streaming, atau autentikasi kompleks sebelum jalur teks biasa berhasil.

4. Validasi status task

Pastikan task bergerak sesuai lifecycle yang diharapkan:

submitted -> working -> completed

Jika status berhenti di input-required, pastikan pemanggil Anda menangani kebutuhan input tambahan.

5. Validasi artifact

Periksa apakah output akhir dikembalikan sebagai artifact yang dapat diproses oleh agen pemanggil. Jangan hanya memeriksa apakah respons “terlihat benar” di UI; pastikan struktur payload bisa dibaca program.

6. Tambahkan autentikasi

Setelah jalur dasar berhasil, tambahkan autentikasi sesuai kebutuhan:

• Bearer Token,
• Basic Auth,
• API key.

Uji error case juga:

[ ] token kosong
[ ] token salah
[ ] token expired
[ ] permission tidak cukup

7. Tambahkan file dan streaming

Baru setelah teks dan autentikasi stabil, lanjutkan ke:

• lampiran file,
• metadata,
• streaming status,
• hasil parsial.

Pendekatan bertahap ini membuat sumber error lebih mudah ditemukan.

Checklist Debugging A2A

Gunakan checklist ini saat integrasi gagal:

[ ] URL Agent Card benar
[ ] Agent Card valid JSON
[ ] protocolVersion cocok
[ ] skill yang dipanggil tersedia
[ ] endpoint task dapat dijangkau
[ ] header autentikasi benar
[ ] message parts sesuai format
[ ] file attachment sesuai tipe yang didukung
[ ] taskId dikembalikan
[ ] status task berubah
[ ] artifact tersedia saat completed
[ ] error payload dibaca dan dicatat

Jika memakai debugger visual, selalu bandingkan tiga hal:

1. request yang dikirim,
2. respons mentah yang diterima,
3. interpretasi UI atau agen pemanggil.

Jika request dan respons sudah benar, bug kemungkinan ada di logika agen. Jika request salah, perbaiki client atau orchestrator terlebih dahulu.

Kenapa A2A Penting untuk Developer

A2A masih muda, tetapi arahnya jelas: agen AI mulai menjadi konsumen dan penyedia layanan. Ketika agen dibuat oleh tim berbeda, framework berbeda, dan vendor berbeda, integrasi ad-hoc akan sulit dipelihara.

Dengan memperlakukan lalu lintas agen sebagai protokol kelas satu, Anda mengurangi kebutuhan menulis glue code khusus untuk setiap pasangan agen.

Untuk konteks lebih luas, baca agen AI adalah konsumen API baru dan merancang API untuk agen AI.

Pertanyaan Umum

Apakah A2A dibuat oleh Google?

Google memperkenalkan A2A pada tahun 2025, lalu menyumbangkannya ke Linux Foundation sebagai proyek terbuka yang netral vendor. Spesifikasinya dikembangkan secara terbuka, dan vendor mana pun dapat mengimplementasikannya.

Apakah saya memerlukan A2A jika hanya punya satu agen?

Tidak. A2A menyelesaikan komunikasi antar agen. Jika hanya ada satu agen yang memanggil tool atau data source, MCP lebih relevan. Anda mulai membutuhkan A2A ketika ada agen kedua yang perlu diajak berkolaborasi.

Framework apa yang mendukung A2A?

A2A dirancang agnostik terhadap framework. Agen mana pun yang menerbitkan Agent Card valid dan berbicara mengikuti protokol dapat berpartisipasi. Itu berarti agen berbasis LangGraph, CrewAI, AutoGen, atau implementasi kustom dapat bekerja selama kontraknya sesuai.

Apakah A2A sama dengan MCP?

Tidak. MCP menghubungkan agen ke tool dan sumber data. A2A menghubungkan agen ke agen lain. Keduanya saling melengkapi dan bisa berjalan dalam sistem yang sama.

Bagaimana cara men-debug integrasi A2A?

Gunakan debugger A2A visual seperti Apidog A2A Debugger. Tempel URL Agent Card, kirim message pengujian, lalu periksa request dan response mentah untuk membedakan bug transport dari bug logika agen.

Apakah A2A mendukung task yang berjalan lama?

Ya. Model task memiliki status eksplisit, dan protokol mendukung server-sent events untuk mengalirkan hasil parsial serta pembaruan progress. Dengan begitu, pekerjaan panjang tidak harus memblokir pemanggil.