文章转载自「量子位」。
谷歌推出A2A协议，即Agent2Agent，能让AI Agent在不同生态系统间安全协作，而无需考虑框架或供应商。
不同平台构建的AI Agent之间可以进行通信、发现彼此的能力、协商任务并开展协作，企业可通过专业Agent团队处理复杂工作流。
重点：开源的。
话不多说，先来看一个展示。
借助A2A协议，招聘这件事儿还能这么玩：
在谷歌Agentspace统一界面中，招聘经理可以向自己的Agent下达任务，让其寻找与职位描述、工作地点和技能要求相匹配的候选人。
然后，该Agent立马与其它专业Agent展开交互，寻找潜在候选人。
用户会收到推荐人选，之后可指示自己的Agent安排进一步的面试，面试环节结束后，还可以启用另一个Agent来协助进行背调。
总结来说，A2A遵循五大设计原则：
**1）发挥Agent的能力：**专注于让Agent以自然非结构化的模式进行协作，即使它们之间没有共享内存/工具/上下文信息，致力于实现真正的Agent多场景，不会将某个Agent局限为一种"工具"。
**2）基于现有标准构建：**该协议是在包括HTTP、SSE、JSON-RPC等现有常用标准基础上构建的，更容易与企业日常使用的现有信息技术堆栈相集成。
**3）默认安全：**支持企业级身份验证和授权，在推出时其安全性符合OpenAPI级别的认证标准。
**4）支持长时间运行的任务：**各种场景A2A都能应对，包括从快速完成的任务，到那些可能需数小时甚至数天才能完成的深入研究任务。整个过程中，A2A可为用户提供实时反馈、通知以及状态更新。
**5）模态无关：**支持包括音频、视频等在内的各种模态。
据了解，A2A已经得到了包括Atlassian、Box、Cohere、Intuit、Langchain、埃森哲、BCG、Capgemini、Cognizant等在内的50多家技术合作伙伴和服务提供商的支持。
Founder Park 正在搭建开发者社群，邀请积极尝试、测试新模型、新技术的开发者、创业者们加入，请扫码详细填写你的产品/项目信息，通过审核后工作人员会拉你入群～
进群之后，你有机会得到：
-
高浓度的主流模型（如 DeepSeek 等）开发交流；
-
资源对接，与 API、云厂商、模型厂商直接交流反馈的机会；
-
好用、有趣的产品/案例，Founder Park 会主动做宣传。
01
拥有四大能力
一张图来看A2A如何工作。
"客户端"Agent与"远程"Agent之间进行通信，客户端Agent负责制定和传达任务，远程Agent则负责执行这些任务，或是提供正确信息，或是采取正确行动。
这种交互涉及到几个关键能力。
首先是能力发现 ，Agent可以使用JSON格式的"Agent Card"来展示自身的能力。因此，客户端Agent能够识别出最适合执行某项任务的Agent，利用A2A协议与远程Agent进行通信。
其次是任务管理 ，客户端Agent与远程Agent之间的通信以任务完成为导向，Agent协同工作满足终端用户的请求。
此"任务"对象由协议定义，并且具有一个生命周期。它可以立即完成，或者对于长时间运行的任务，每个Agent可以相互通信，对任务完成的最新状态保持同步。任务的输出称为"artifact_（工件）_"。
另外是协作，Agent之间可以相互发送消息，交流上下文信息、回复内容、artifacts或用户指令。
最后是用户体验协商，每条消息都包含"部分"，这是一个完整的内容片段，如生成的图像。每个部分都有指定的内容类型，允许客户端Agent和远程Agent协商所需的正确格式，并明确包括对用户UI功能的协商，例如iframe、视频、网页表单等等。
除此之外，谷歌还解释道，A2A是MCP的补充。
MCP为Agent提供了实用的工具和上下文背景信息，A2A协议解决客户部署大规模多Agent系统时所发现的问题。
关键是，企业能从一种标准化的方法中受益，管理他们在各种平台和云环境中的Agent。这种通用互操作性对于充分发挥协作型AI Agent的潜力至关重要。
A2A发布后网友们也将其与MCP进行了比较，看下面这张图就更明了了：
MCP有助于连接各种工具和资源，A2A则有助于Agent之间进行通信。
值得一提的是，谷歌DeepMind联合创始人兼CEO哈萨比斯还专门发了一条推文称：
MCP是一个出色的协议，并且它正迅速成为AI Agent时代的一项开放标准。我们非常高兴地宣布，我们将为自家的 Gemini模型和SDK提供对该协议的支持。期待能与MCP团队以及行业内的其他各方进一步共同开发完善该协议。
02
One More Thing
就在昨天，在阿里云AI势能大会上，阿里云宣布百炼上线全生命周期MCP服务。
百炼平台集成了阿里云函数计算、200多款业界领先大模型、50多款主流MCP服务，Agent开发所需的算力资源、大模型资源和应用工具链等全都包揽，用户可根据需求选择大模型和MCP服务。
仅需简单的配置工作，无需用户管理资源、开发部署、工程运维，5分钟，一个专属MCP Agent就水灵灵地搭建好了。
从各大厂最近动作来看，芜湖，不愧是Agent元年。