手把手带你跑通智能体 A2A 实战案例

A2A 让智能体学会协作，本文用实战案例带你串起完整闭环。跟着代码走就行。

一、什么是 Agent2Agent？

Google 将 A2A 作为开放协议推出，目标很明确：让不同团队、不同框架、不同部署形态的智能体，能用同一套「协作语言」连起来，面向大规模、多智能体场景。

二、A2A 的五条设计原则

原则	一句话说明
拥抱智能体能力	支持自然、非结构化的协作方式。
利用现有标准	使用 HTTP、SSE、JSON-RPC，确保与现有系统的兼容性。
默认安全	强调企业级认证与授权思路，并与 OpenAPI 等生态对齐。
支持长期任务	支持长期任务，支持流式更新、通知、状态推进。
多模态	支持文本、音频、视频流等多模态通信。

三、核心组件一览

Agent Card
公共元数据文件，通常位于 /.well-known/agent.json，描述智能体能力、技能、端点 URL 和认证要求，用于能力发现。

A2A 服务器

暴露 HTTP 端点，实现 A2A 协议方法，管理任务执行。
A2A 客户端

应用程序或智能体，消费 A2A 服务，通过 tasks/send 或 tasks/sendSubscribe 与服务器交互。

A2A 关键组件与技术细节如下：

组件	描述
Agent Card	位于 `/.well-known/agent.json`，描述能力、技能、端点 URL、认证要求，用于发现。
A2A 服务器	实现协议约定的方法，管理任务执行（具体以官方规格为准）。
A2A 客户端	消费 A2A 服务，例如发送 `tasks/send` 或 `tasks/sendSubscribe`。
任务（Task）	核心工作单元，有唯一 ID，状态如 `submitted`、`working` 等。
消息（Message）	通信单元，角色如 `user` / `agent`，内含 Parts。
部分（Part）	内容单元，如 `TextPart`、`FilePart`、`DataPart`。
工件（Artifact）	任务输出，由 Parts 构成。
流式传输	常用 SSE 推送长任务状态。
推送通知	可通过 Webhook 异步告知进展。

四、A2A 工作流程：从「发现」到「完成」

发现：客户端读取 /.well-known/agent.json（Agent Card），了解智能体能力。
启动：客户端发送任务请求。
- 使用 tasks/send 处理即时任务，返回最终 Task 对象。
- 使用 tasks/sendSubscribe 处理长期任务，服务器通过 SSE 事件持续推送更新。
处理：服务端执行任务，可能流式返回，也可能一次性返回。
交互（可选） ：若任务状态为 input-required，客户端可基于相同 Task ID 继续补充输入。
完成：任务进入终端状态（如 completed、failed 或 canceled）。

该流程既支持简单任务，也支持需要多轮交互的复杂任务，尤其适合多模态通信环境。

五、A2A 和 MCP 是什么关系？

二者 互补，不是替代：

对比项	MCP	A2A
主要解决	模型如何标准化接入工具、API、资源	多个 Agent 之间如何协作通信
类比（好记版）	工具说明书 / 应用商店里的能力包	同事群里的协作语言、协作总线
典型场景	连数据库、Drive、Slack、GitHub 等	Agent A 查数、Agent B 分析、Agent C 汇总

MCP：用于工具和资源接入

通过结构化输入/输出将 Agent 连接到工具、API 和资源。Google ADK 支持 MCP 工具，可与 Agent 组合使用广泛的 MCP 服务器。
A2A：用于 Agent 间协作

在不同 Agent 间实现动态、多模态通信，而无需共享内存、资源和工具。这是社区驱动的开放标准。
协议交集

Google 建议将 A2A 智能体通过 Agent Card 描述并注册为 MCP 资源。这样框架既能通过 MCP 调用工具，又能通过 A2A 与用户、远程智能体通信，实现无缝协作。

例如，一个智能体可以先通过 MCP 从数据库检索数据，再通过 A2A 与另一个智能体协作分析数据。

六、A2A 为什么这样设计？

解耦能力与通信

MCP 专注标准化能力调用（类似微服务），A2A 专注动态协作（类似聊天）。避免智能体既要处理功能逻辑，又要处理通信协议。
无缝扩展性

新智能体只需注册 Agent Card 到 MCP，即可被其他智能体发现和调用；A2A 允许智能体动态组队（如临时组建"数据分析小组"）。
兼容现有架构

MCP 可集成传统工具（数据库、API）；A2A 可对接人类用户或其他异构智能体。

可以这样记：

MCP 像"应用商店"：提供标准化服务（如地图、支付）。
A2A 像"微信群聊"：智能体在群里用通用语言（协议）讨论如何分工。
Agent Card 像"个人资料"：写明"我会修图""我会翻译"，方便协作时快速发现能力。

七、案例：安排篮球活动（多智能体协作）

实现了一个自动根据天气情况决定是否安排篮球活动的场景。

7.1 业务故事

WeatherAgent：提供指定日期天气数据（内存模拟）的智能体。
BasketBallAgent ：收到用户日期后，先拉 Agent Card 再问天气，据此决定篮球活动是否成行。

7.2 整体流程

BasketBallAgent接收到用户提供的活动日期
BasketBallAgent通过A2A协议向WeatherAgent请求该日期的天气信息
WeatherAgent返回天气数据（温度和天气状况）
BasketBallAgent根据天气状况做出决策： -如果天气不含"雨"或"雪"，确认安排篮球活动 -否则，取消活动并提供取消原因

7.3 实现说明

职责分离 ：天气服务独立进程（FastAPI），决策方用 requests 调用，边界清晰。
发现端点 ：GET /.well-known/agent.json 符合"发现"叙事，后续可替换为更贴近官方 schema 的 JSON。
与完整 A2A 的差异 ：当前为简化 REST + 自定义 JSON，未展开官方 JSON-RPC 方法名与 Message/Part 全模型；鉴权上客户端发送了 Bearer，但服务端示例未校验 token，仅适合教学，生产环境需补齐。

7.4 依赖（requirements.txt）

txt 复制代码

fastapi==0.115.12
pydantic==2.11.4
Requests==2.32.3
uvicorn==0.34.2

7.5 WeatherAgent（服务端）

WeatherAgent是一个基于FastAPI实现的服务，默认监听 0.0.0.0:8000：

python 复制代码

from fastapi import FastAPI, HTTPException
from datetime import date
from pydantic import BaseModel
import uvicorn

app = FastAPI()

# Agent Card 声明（通过 /.well-known/agent.json 暴露）
WEATHER_AGENT_CARD = {
    "name": "WeatherAgent",
    "version": "1.0",
    "description": "提供指定日期的天气数据查询",
    "endpoints": {
        "task_submit": "/api/tasks/weather",
        "sse_subscribe": "/api/tasks/updates"
    },
    "input_schema": {
        "type": "object",
        "properties": {
            "date": {"type": "string", "format": "date"},
            "location": {"type": "string", "enum": ["北京"]}
        },
        "required": ["date"]
    },
    "authentication": {"methods": ["API_Key"]}
}

# 任务请求模型
class WeatherTaskRequest(BaseModel):
    task_id: str
    params: dict

# 模拟天气数据存储
weather_db = {
    "2026-03-18": {"temperature": "16℃", "condition": "雷阵雨"},
    "2026-03-19": {"temperature": "18℃", "condition": "小雨转晴"},
    "2026-03-20": {"temperature": "15℃", "condition": "多云转晴"}
}

@app.get("/.well-known/agent.json")
async def get_agent_card():
    return WEATHER_AGENT_CARD

@app.post("/api/tasks/weather")
async def handle_weather_task(request: WeatherTaskRequest):
    """处理天气查询任务"""
    target_date = request.params.get("date")
    # 参数验证
    if not target_date or target_date not in weather_db:
        raise HTTPException(status_code=400, detail="无效日期参数")
    return {
        "task_id": request.task_id,
        "status": "completed",
        "artifact": {
            "date": target_date,
            "weather": weather_db[target_date]
        }
    }

if __name__ == "__main__":
    uvicorn.run(app, host="0.0.0.0", port=8000)

7.6 BasketBallAgent（客户端）

BasketBallAgent是调用方，负责消费WeatherAgent的服务：

python 复制代码

import requests
import uuid

class BasketBallAgent:
    def __init__(self):
        self.weather_agent_url = "http://localhost:8000"
        self.api_key = "SECRET_KEY"  # 实际应通过安全方式存储

    def _create_task(self, target_date: str) -> dict:
        """创建 A2A 标准任务对象"""
        return {
            "task_id": str(uuid.uuid4()),
            "params": {
                "date": target_date,
                "location": "北京"
            }
        }

    def check_weather(self, target_date: str) -> dict:
        """通过 A2A 协议查询天气"""
        # 获取天气智能体能力描述
        agent_card = requests.get(
            f"{self.weather_agent_url}/.well-known/agent.json"
        ).json()
        # 构造任务请求
        task = self._create_task(target_date)
        # 发送任务请求
        response = requests.post(
            f"{self.weather_agent_url}{agent_card['endpoints']['task_submit']}",
            json=task,
            headers={"Authorization": f"Bearer {self.api_key}"}
        )
        if response.status_code == 200:
            return response.json()["artifact"]
        else:
            raise Exception(f"天气查询失败: {response.text}")

    def schedule_meeting(self, date: str):
        """综合决策逻辑"""
        try:
            result = self.check_weather(date)
            if "雨" not in result["weather"]["condition"] and "雪" not in result["weather"]["condition"]:
                return {"status": "confirmed", "weather": result["weather"]}
            else:
                return {"status": "cancelled", "reason": "恶劣天气"}
        except Exception as e:
            return {"status": "error", "detail": str(e)}

# 使用示例
if __name__ == "__main__":
    meeting_agent = BasketBallAgent()
    result = meeting_agent.schedule_meeting("2026-03-18")
    print("篮球安排结果:", result)

7.7 如何运行

安装依赖：pip install -r requirements.txt（版本见 7.4）。
终端一：运行 WeatherAgent.py，确保本机 8000 端口可访问。
终端二：运行 BasketBallAgent.py。
预期结果：2026-03-18 为雷阵雨，活动取消；将 schedule_meeting 参数改为 2026-03-20 可验证"多云转晴"时活动确认。

八、落地清单

先画协作图：明确有哪些 Agent、谁先发现谁、任务是否长运行、是否需要 SSE。
再选协议层：工具调用走 MCP；跨 Agent 对话与任务编排走 A2A（或官方 SDK / 参考实现）。
安全优先：Agent Card 写清认证方式；生产环境必须落实网关、密钥与审计。
从最小闭环到规格对齐：先跑通「发现 → 任务 → 工件」，再对照官方 spec 补全消息模型与状态机。

九、结语

A2A 的意义，是让智能体协作 可发现、可编排、可演进：系统里多一个 Agent，应像多一个标准接口的同事，而不是多一团无法追踪的调用。