解构 Google 的 A2A 协议及其和 MCP 的关系

Google 在 2025 年 4 月 9 日发布了的一个重磅项目------Agent2Agent (A2A) 协议。这个协议旨在解决当前 AI Agent 生态中的一个核心痛点：不同厂商、不同框架下的智能体如何有效沟通与协作？先上一张官网的图：

让我们深入 A2A 的 GitHub 仓库，从代码和文档中一探究竟，并看看它与另一个备受关注的协议 MCP 有何异同。

GitHub 地址： github.com/google/A2A

首先，我们看看项目的代码结构（如下图所示）：

项目中有一个值得关注的文件：llms.txt。这是一种新兴的规范，我们先从它说起。

`llms.txt` - 让大模型读懂你的项目

根据 llmstxt.org 的定义，llms.txt 文件是一种标准化的文本文件，旨在帮助大型语言模型（LLM）在推理时更好地理解和使用网站或项目的信息。它提供了一种机器可读且易于维护 的方式，来声明服务的能力、接口规范、元数据等关键信息，有点像专为 LLM 设计的 sitemap.xml，但内容更丰富、更聚焦。

在 Google A2A 项目中，llms.txt 文件扮演了以下角色：

能力声明与接口说明书：详细描述了 A2A 协议的目标、核心功能、支持的接口、数据结构（如 AgentCard, Task, Message, Artifact）和交互方式。为开发者和自动化工具提供了权威、结构化的参考。
示例与文档索引：指向项目中的规范文件（JSON specification）、示例实现、文档和演示应用，帮助开发者快速上手。
元数据与发现：为其他系统或开发者提供关于 A2A 协议的元信息，支持自动发现和能力适配。

主要讲了：

项目简介、目标和核心设计理念。
支持的协议与接口（如 JSON-RPC 2.0、SSE 等）。
关键数据结构（如 AgentCard、Task、Message、Artifact 等）的详细说明。
支持的 API 方法及其参数、返回值、错误码。
认证与安全机制说明。
示例代码、演示应用和相关文档的索引。
贡献和社区参与方式。

A2A 协议要解决的核心问题

那么，A2A 协议本身究竟是为了解决什么问题而诞生的呢？核心目标非常明确：让不同厂商、不同框架、不同技术实现的 AI 智能体（Agent）能够互相发现、通信与协作。

具体来说，A2A 旨在解决：

异构智能体互操作难题：不同框架（如 LangGraph, CrewAI, Google ADK, Genkit 等）开发的 Agent 接口各异，难以协作。A2A 提供统一的「语言」，实现互操作。
能力发现与动态适配：如何知道一个 Agent 能做什么、需要什么输入、如何认证？A2A 的 AgentCard 机制标准化了能力描述，支持自动发现。
任务管理与多轮对话标准化：A2A 定义了标准的任务生命周期（submitted, working, input-required, completed 等）和多轮对话交互模式。
多模态内容与产物交换：通过 Part/Artifact 机制，支持文本、文件、结构化数据等多种内容类型的灵活传递。
流式与推送更新机制：对于长任务，支持 SSE 流式更新和 Webhook 推送，提升体验和集成能力。
安全与认证的标准化：统一认证描述，便于安全集成。

总结一下：A2A 协议的本质，是为日益复杂的多智能体系统提供一个开放、标准、可扩展的通信和协作基础，打破技术壁垒，实现真正的「智能体互联互通」。

A2A 的核心技术组件与机制

为了实现上述目标，A2A 协议依赖以下核心技术组件和机制：

AgentCard (能力发现) ：一个标准的 JSON 文件（通常在 /.well-known/agent.json），描述 Agent 能力、技能、端点、认证等，供客户端发现。
标准消息与任务结构 (JSON-RPC 2.0) ：所有通信基于 JSON-RPC 2.0，定义了 Task (核心单元)、Message (交互)、Part (内容单元)、Artifact (产物) 等标准结构。
多内容类型支持 ：通过 TextPart, FilePart, DataPart 支持文本、文件、结构化 JSON 等多种内容。
流式通信 (SSE) ：通过 tasks/sendSubscribe 和 tasks/resubscribe 实现 Server-Sent Events，实时推送任务状态和产物。
推送通知 (Webhook) ：通过 tasks/pushNotification/set 配置，Agent 可主动将更新推送到客户端指定的 URL。
统一的任务管理与生命周期：定义了清晰的任务状态（TaskState）流转。
认证与安全机制 ：支持在 AgentCard 和推送配置中声明认证需求。
通用库与示例实现 ：提供了 Python 和 JS/TS 的通用库及多种框架（ADK, CrewAI, LangGraph, Genkit, LlamaIndex, Marvin, Semantic Kernel）的集成示例。

这些机制共同保证了协议的互操作性、灵活性和实际落地能力。

示例：`common` 目录的通用能力 (Python 版)

在 A2A 的 Python 示例代码中，samples/python/common 目录实现了 A2A 协议的通用基础功能，为构建 A2A 客户端和服务端提供了可复用的核心组件：

types.py ：定义了所有 A2A 核心数据结构。
server/ ：包含 A2AServer (基于 Starlette 的服务端入口) 和 TaskManager (任务管理抽象)。
client/ ：包含 A2AClient (客户端调用逻辑封装) 和 A2ACardResolver (AgentCard 发现)。
utils/ ：提供缓存、推送通知认证等工具。

设计意义 ：common 目录将通用实现抽象出来，减少重复开发，提升效率和一致性，是构建 A2A 兼容应用的基石。

A2A 的标准工作流程

一个典型的 A2A 交互流程如下：

Agent 发现 (Discovery) ：客户端获取目标 Agent 的 AgentCard (/.well-known/agent.json)，了解其能力。
任务发起 (Initiation) ：客户端调用 tasks/send (同步) 或 tasks/sendSubscribe (异步流式) 发起任务。
任务处理与状态流转 (Processing) ：

Agent 状态从 submitted -> working。
若需用户输入，变为 input-required，等待客户端再次调用 tasks/send。
通过 SSE (对 sendSubscribe) 推送状态 (TaskStatusUpdateEvent) 和产物 (TaskArtifactUpdateEvent)。
任务最终进入终态 (completed, failed, canceled)。

任务查询与管理 (Query & Management) ：客户端可调用 tasks/get 查询状态，tasks/cancel 取消任务，tasks/resubscribe 重新订阅流。
推送通知 (Push Notification, 可选) ：若客户端配置了 Webhook，Agent 可主动推送状态更新。
任务产物 (Artifacts) ：任务完成后返回结果，支持多种内容类型。

流程图如下：

这个标准化的流程确保了不同 Agent 间交互的可预测性和可靠性。

A2A 与 MCP 的关系：互补共赢

根据 A2A 官方文档的说明 (A2A and MCP)，两者是互补的，而非竞争关系。

可以这样理解：

MCP (模型上下文协议) ：由 Anthropic 于 2024 年 11 月发布，旨在标准化 AI 模型（LLM）与外部数据源和工具 （如数据库、API、文件系统）的连接。它统一了不同模型和框架的"函数调用" (Function Calling) 功能，让 AI 能访问和利用上下文数据。MCP 更像是"工具说明书"，告诉 AI 如何使用各种工具和数据。
A2A (Agent2Agent 协议) ：则专注于智能体之间的协作 。它是一个应用层协议，支持智能体以「智能体」或「用户」的身份进行交互，处理更动态、更自然的对话和协作任务，而不仅仅是作为工具被调用。A2A 更像是「智能体通讯录和对话规则」。

它们如何互补？

MCP 确保智能体能够访问所需的数据和调用必要的工具（比如通过 MCP 连接到 Google Drive API）。
A2A 则让智能体能够基于这些数据和工具进行协作，共同完成更复杂的任务（比如一个 Agent 通过 MCP 获取了文档，然后通过 A2A 请求另一个擅长分析的 Agent 来解读这份文档）。

官方文档的汽车维修店例子：

MCP 像是连接智能体与维修工具（千斤顶、扳手 - 结构化调用）。
A2A 则支持智能体与客户（"我的车有异响"）、其他技工或零件供应商（需要协作和动态对话）进行交互。

集成点：Google 建议可以将 A2A Agent 本身建模为 MCP 资源（通过 AgentCard 描述）。这样，一个智能体框架既可以通过 MCP 调用外部工具和数据，也可以通过 A2A 与用户或其他智能体进行无缝通信。

官方示例图：

A2A 和 MCP 解决了智能体生态中不同层面的互操作性问题。MCP 侧重于模型与工具/数据的连接，而 A2A 侧重于智能体之间的协作与通信。两者结合，将共同推动一个更强大、更灵活、更互联的智能体生态系统的发展。

虽然官方这么说，但是随着 A2A 协议的推行，其可能会「吃掉」MCP (个人猜想 ^_^)

以上。