两个AI智能体第一次对话-A2A双Agent协作实战

vanuan2026-06-28 17:58

两个AI智能体第一次对话：A2A双Agent协作实战

摘要： 上篇搭了一个Echo Agent，这次搭第二个。让"翻译Agent"和"摘要Agent"通过A2A协议真正对话，跑通双Agent委托任务的全流程。

一、上一篇的Agent只会自言自语

上篇文章你搭了一个Echo Agent，它能收消息、能回消息，但本质上是个"单人相声"------只有你自己跟它对话。

真正有意思的场景是：两个Agent之间互相发消息、互相委托任务。

比如你让翻译Agent把一段中文翻成英文，翻译Agent干完了，自动把结果丢给摘要Agent，摘要Agent提炼出要点，再返回给你。整个过程你只需要发一条消息，剩下的Agent自己协作完成。

今天我就带你搭这个场景。

二、先搞清楚：双Agent怎么通信

回顾单Agent架构

上篇的架构很简单：

bash 复制代码 
你（Client）→ 发消息 → Echo Agent（Server）

一个Client，一个Server。你发一条消息，Agent回一条。完事。

双Agent架构

加一个Agent之后，架构变成这样：

bash 复制代码 
你（Client）→ 发消息 → 翻译Agent（Server）

                        ↓ A2A请求

                   摘要Agent（Server）

                        ↓ A2A响应

                   翻译Agent（汇总结果）

                        ↓ 最终响应

                    你（Client）

关键变化：翻译Agent既是Server（接收你的请求），又是Client（向摘要Agent发请求）。一个Agent可以同时扮演两个角色。

这就是A2A的核心设计------Agent之间是平等的，谁都可以当Client，谁都可以当Server。

通信流程拆解

整个流程分5步：

  1. 你给翻译Agent发消息："把这段话翻成英文，再帮我写个摘要"

  2. 翻译Agent收到消息，先做翻译

  3. 翻译Agent通过A2A协议把翻译结果发给摘要Agent

  4. 摘要Agent处理完，把摘要返回给翻译Agent

  5. 翻译Agent把翻译结果+摘要一起返回给你

三、项目结构

这次我们搭两个独立的Agent，各自有独立的端口和Agent Card。

bash 复制代码 
a2a-dual-agent/
├── translator/                  # 翻译Agent
│   ├── 
            agent_card.json
          
│   ├── 
            server.py
          
│   └── 
            task_manager.py
          
├── summarizer/                  # 摘要Agent
│   ├── 
            agent_card.json
          
│   ├── 
            server.py
          
│   └── 
            task_manager.py
          
├── 
            client.py
                              # 测试客户端
├── 
            pyproject.toml
          
└── .env                         # 存放Ollama配置

两个Agent跑在不同的端口：翻译Agent在10002，摘要Agent在10003。

四、搭建摘要Agent（先搭被调用的那个）

为什么先搭摘要Agent？因为翻译Agent要调用它，得先让它跑起来。

4.1 创建项目

bash 复制代码 
mkdir a2a-dual-agent && cd a2a-dual-agent
uv init --package dual-agent
uv venv .venv
source .venv/bin/activate
uv add git+https://
            github.com/google/A2A
          #subdirectory=samples/python
uv add click httpx

4.2 摘要Agent的Task Manager

创建 summarizer/ [task_manager.py](http://task_manager.py) ：

bash 复制代码 
from 
            google_a2a.common.server.task_manager
           import InMemoryTaskManager
from 
            google_a2a.common.types
           import (
    Artifact, Message, SendTaskRequest, SendTaskResponse,
    Task, TaskState, TaskStatus,
)


classSummarizerTaskManager(InMemoryTaskManager):
"""摘要Agent：接收文本，返回摘要。"""

asyncdefon_send_task(
self, request: SendTaskRequest
    ) -> SendTaskResponse:
awaitself.upsert_task(
            request.params)
          

        task_id = 
            request.params.
          id
        input_text = 
            request.params.message.parts[
          0].text

# 截取前200字作为"摘要"（demo用Ollama生成真实摘要）
# 这里调用Ollama
try:
import httpx
asyncwith httpx.AsyncClient(timeout=30.0) as c:
                resp = await c.post(
                    "http://localhost:11434/api/generate",
                    json={
"model": "
            qwen2.5:7b"
          ,
"prompt": (
                            f"请用中文对以下内容写一段50字以内的摘要：\n"
                            f"{input_text}"
                        ),
"stream": False,
                    },
                )
                result = resp.json()
                summary = result.get("response", "（摘要生成失败）")
except Exception:
            summary = f"摘要（原文截取）：{input_text[:100]}..."

        task = awaitself._update_task(
            task_id=task_id,
            task_state=
            TaskState.COMPLETED,
          
            response_text=summary,
        )

returnSendTaskResponse(id=request.id, result=task)

asyncdef_update_task(
self, task_id: str, task_state: TaskState,
        response_text: str
    ) -> Task:
        task = self.tasks[task_id]
        parts = [{"type": "text", "text": response_text}]
        
            task.status
           = TaskStatus(
            state=task_state,
            message=Message(role="agent", parts=parts),
        )
if task_state == 
            TaskState.COMPLETED:
          
            
            task.artifacts
           = [Artifact(parts=parts)]
return task

4.3 摘要Agent的Server

创建 summarizer/ [server.py](http://server.py) ：

bash 复制代码 
import logging
import click
from 
            google_a2a.common.types
           import (
    AgentSkill, AgentCapabilities, AgentCard
)
from 
            google_a2a.common.server
           import A2AServer
from task_manager import SummarizerTaskManager

logging.basicConfig(level=
            logging.INFO)
          


@click.command()
@click.option("--host", default="localhost")
@click.option("--port", default=10003, type=int)
defmain(host, port):
    skill = AgentSkill(
id="summarize-skill",
        name="Text Summarizer",
        description="Summarizes any text into a concise summary",
        tags=["summary", "nlp", "text"],
        examples=["请帮我总结这篇文章的要点"],
        inputModes=["text"],
        outputModes=["text"],
    )

    agent_card = AgentCard(
        name="Summarizer Agent",
        description="Receives text and returns a concise summary.",
        url=f"http://{host}:{port}/",
        version="0.1.0",
        defaultInputModes=["text"],
        defaultOutputModes=["text"],
        capabilities=AgentCapabilities(streaming=False),
        skills=[skill],
    )

    task_manager = SummarizerTaskManager()
    server = A2AServer(
        agent_card=agent_card,
        task_manager=task_manager,
        host=host,
        port=port,
    )
    logging.info(f"Summarizer Agent running at http://{host}:{port}")
    server.start()


if __name__ == "__main__":
main()

4.4 启动摘要Agent

bash 复制代码 
cd summarizer

python 
            server.py

看到 Uvicorn running on http://localhost:10003 就OK了。

五、搭建翻译Agent（它会调用摘要Agent）

翻译Agent是核心角色：它既接收你的请求做翻译，又作为Client去调用摘要Agent。

5.1 翻译Agent的Task Manager

创建 translator/ [task_manager.py](http://task_manager.py) ：

bash 复制代码 
import httpx
from 
            google_a2a.common.server.task_manager
           import InMemoryTaskManager
from 
            google_a2a.common.types
           import (
    Artifact, Message, SendTaskRequest, SendTaskResponse,
    Task, TaskState, TaskStatus,
)

SUMMARIZER_URL = "http://localhost:10003"
OLLAMA_URL = "http://localhost:11434/api/generate"
OLLAMA_MODEL = "
            qwen2.5:7b"
          


classTranslatorTaskManager(InMemoryTaskManager):
"""翻译Agent：翻译文本后，调用摘要Agent生成摘要。"""

asyncdefon_send_task(
self, request: SendTaskRequest
    ) -> SendTaskResponse:
awaitself.upsert_task(
            request.params)
          

        task_id = 
            request.params.
          id
        input_text = 
            request.params.message.parts[
          0].text

# 第一步：翻译
        translation = awaitself._translate(input_text)

# 更新状态为"工作中"（已完成翻译，开始摘要）
awaitself._update_task(
            task_id=task_id,
            task_state=
            TaskState.WORKING,
          
            response_text=f"翻译完成，正在生成摘要...\n\n翻译结果：\n{translation}",
        )

# 第二步：调用摘要Agent
        summary = awaitself._call_summarizer(translation)

# 第三步：汇总返回
        final_text = (
            f"【翻译结果】\n{translation}\n\n"
            f"【摘要】\n{summary}"
        )

        task = awaitself._update_task(
            task_id=task_id,
            task_state=
            TaskState.COMPLETED,
          
            response_text=final_text,
        )

returnSendTaskResponse(id=request.id, result=task)

asyncdef_translate(self, text: str) -> str:
"""调用Ollama进行翻译。"""
try:
asyncwith httpx.AsyncClient(timeout=60.0) as c:
                resp = await c.post(
                    OLLAMA_URL,
                    json={
"model": OLLAMA_MODEL,
"prompt": (
                            f"请将以下中文翻译成英文，只输出翻译结果：\n"
                            f"{text}"
                        ),
"stream": False,
                    },
                )
                result = resp.json()
return result.get("response", "翻译失败")
except Exception as e:
return f"翻译出错: {str(e)}"

asyncdef_call_summarizer(self, text: str) -> str:
"""通过A2A协议调用摘要Agent。"""
try:
# 1. 发现摘要Agent（获取Agent Card）
asyncwith httpx.AsyncClient() as c:
                card_resp = await c.get(
                    f"{SUMMARIZER_URL}/.well-known/
            agent.json"
          
                )
                card = card_resp.json()
                endpoint = card["url"]

# 2. 发送A2A请求
                payload = {
"jsonrpc": "2.0",
"id": "summary-request-001",
"method": "message/send",
"params": {
"message": {
"role": "user",
"parts": [{
"type": "text",
"text": text,
                            }],
                        }
                    },
                }
                resp = await c.post(
                    endpoint,
                    json=payload,
                    headers={"Content-Type": "application/json"},
                    timeout=60.0,
                )
                result = resp.json()

# 3. 解析响应
if"result"in result:
                    task_data = result["result"]
                    artifacts = task_data.get("artifacts", [])
if artifacts:
                        parts = artifacts[0].get("parts", [])
if parts:
return parts[0].get("text", "无摘要")
                    message = task_data.get("status", {}).get("message", {})
                    parts = message.get("parts", [])
if parts:
return parts[0].get("text", "无摘要")

return"摘要Agent返回格式异常"
except Exception as e:
return f"调用摘要Agent失败: {str(e)}"

asyncdef_update_task(
self, task_id: str, task_state: TaskState,
        response_text: str
    ) -> Task:
        task = self.tasks[task_id]
        parts = [{"type": "text", "text": response_text}]
        
            task.status
           = TaskStatus(
            state=task_state,
            message=Message(role="agent", parts=parts),
        )
if task_state == 
            TaskState.COMPLETED:
          
            
            task.artifacts
           = [Artifact(parts=parts)]
return task

5.2 翻译Agent的Server

创建 translator/ [server.py](http://server.py) ：

bash 复制代码 
import logging
import click
from 
            google_a2a.common.types
           import (
    AgentSkill, AgentCapabilities, AgentCard
)
from 
            google_a2a.common.server
           import A2AServer
from task_manager import TranslatorTaskManager

logging.basicConfig(level=
            logging.INFO)
          


@click.command()
@click.option("--host", default="localhost")
@click.option("--port", default=10002, type=int)
defmain(host, port):
    skill = AgentSkill(
id="translate-skill",
        name="Translator",
        description=(
"Translates Chinese text to English, "
"then delegates summarization to Summarizer Agent"
        ),
        tags=["translation", "nlp", "multi-agent"],
        examples=["帮我把这段话翻成英文并写个摘要"],
        inputModes=["text"],
        outputModes=["text"],
    )

    agent_card = AgentCard(
        name="Translator Agent",
        description=(
"Translates text and coordinates with "
"Summarizer Agent via A2A protocol."
        ),
        url=f"http://{host}:{port}/",
        version="0.1.0",
        defaultInputModes=["text"],
        defaultOutputModes=["text"],
        capabilities=AgentCapabilities(streaming=False),
        skills=[skill],
    )

    task_manager = TranslatorTaskManager()
    server = A2AServer(
        agent_card=agent_card,
        task_manager=task_manager,
        host=host,
        port=port,
    )
    logging.info(
        f"Translator Agent running at http://{host}:{port}"
    )
    server.start()


if __name__ == "__main__":
main()

六、启动测试

6.1 启动两个Agent

开两个终端：

bash 复制代码 
# 终端1：启动摘要Agent
cd summarizer && python 
            server.py
          

# 终端2：启动翻译Agent
cd translator && python 
            server.py

两个终端分别看到Uvicorn启动信息就OK。

6.2 用客户端测试

创建 [client.py](http://client.py) ：

bash 复制代码 
import asyncio
import httpx
from 
            a2a.client
           import A2ACardResolver, ClientConfig, create_client
from 
            a2a.helpers
           import new_text_message
from 
            a2a.types.a2a_pb2
           import Role, SendMessageRequest


asyncdefmain():
print("=== 双Agent协作测试 ===\n")

asyncwith httpx.AsyncClient() as httpx_client:
# 发现翻译Agent
        resolver = A2ACardResolver(
            httpx_client=httpx_client,
            base_url="http://localhost:10002",
        )
        agent_card = await resolver.get_agent_card()
print(f"连接到: {
            agent_card.name}"
          )
print(f"技能: {[
            s.name
           for s in 
            agent_card.skills]}\n"
          )

# 创建客户端
        client = awaitcreate_client(
            agent=agent_card,
            client_config=ClientConfig(streaming=False),
        )

# 发送消息
        text = (
"人工智能正在改变我们工作的方式。"
"从自动写代码到智能客服，AI工具已经渗透到"
"各行各业。但不同AI之间的协作仍然是一个"
"巨大的挑战，A2A协议正是为了解决这个问题而诞生的。"
        )
        message = new_text_message(text, role=
            Role.ROLE_USER)
          
        request = SendMessageRequest(message=message)

print(f"发送: {text}\n")
print("等待翻译Agent和摘要Agent协作处理...\n")
print("=" * 50)

asyncfor chunk in client.send_message(request):
# 提取文本内容
ifhasattr(chunk, 'artifacts') and 
            chunk.artifacts:
          
for part in 
            chunk.artifacts[
          0].parts:
print(
            part.text)
          
            elif hasattr(chunk, 'status') and 
            chunk.status.message:
          
for part in 
            chunk.status.message.parts:
          
print(
            part.text)
          

await client.close()


if __name__ == "__main__":
    asyncio.run(main())

运行：

bash 复制代码 
python 
            client.py

6.3 预期输出

bash 复制代码 
=== 双Agent协作测试 ===

连接到: Translator Agent
技能: ['Translator']

发送: 人工智能正在改变我们工作的方式...

等待翻译Agent和摘要Agent协作处理...

==================================================
【翻译结果】
Artificial intelligence is changing the way we work...

【摘要】
本文讨论了AI对各行各业的渗透以及A2A协议解决AI协作挑战的意义。
==================================================

看到这个输出，说明两个Agent成功通过A2A协议完成了一次完整的协作。

七、整个流程发生了什么

拆解一下你刚才看到的结果背后发生了什么：

第1步： 你的 client.py通过A2A协议把中文文本发给翻译Agent（端口10002）。

第2步： 翻译Agent收到消息，调用本地Ollama大模型进行翻译。

第3步： 翻译Agent通过A2A协议（直接用httpx发JSON-RPC请求）把英文翻译结果发给摘要Agent（端口10003）。

第4步： 摘要Agent收到英文文本，调用Ollama生成摘要，返回给翻译Agent。

第5步： 翻译Agent把翻译结果和摘要拼接在一起，作为最终结果返回给你。

整个过程你只发了一条消息。两个Agent之间的通信、任务委托、结果汇总，全部通过A2A协议自动完成。

八、几个值得注意的细节

翻译Agent怎么调用摘要Agent

注意 _call_summarizer 这个方法。它做了一件很关键的事------手动构造A2A请求。

bash 复制代码 
payload = {
"jsonrpc": "2.0",
"id": "summary-request-001",
"method": "message/send",
"params": {
"message": {
"role": "user",
"parts": [{"type": "text", "text": text}],
        }
    },
}

这就是A2A协议的标准格式。翻译Agent作为Client，直接用httpx向摘要Agent的端点发送JSON-RPC请求。没有SDK依赖，没有魔法，就是HTTP + JSON。

这也是A2A的魅力所在：协议就是协议，任何能发HTTP请求的代码都能参与。

为什么要先获取Agent Card

在发请求之前，翻译Agent先访问了摘要Agent的 /.well-known/ [agent.json](http://agent.json) ：

bash 复制代码 
card_resp = await c.get(
    f"{SUMMARIZER_URL}/.well-known/
            agent.json"
          
)
endpoint = card["url"]

这叫"能力发现"。翻译Agent先搞清楚摘要Agent的地址和能力，再决定怎么调用。在真实场景中，你可能根据Agent Card里的skill信息来决定要不要调用、调用哪个skill。

两个Agent可以独立部署

这个demo里两个Agent跑在同一台电脑上。但在生产环境中，它们可以跑在不同的服务器、不同的云、甚至不同的厂商平台上。只要网络互通，A2A协议就能让它们协作。

九、我踩过的3个新坑

坑1：摘要Agent没启动就测试。 翻译Agent调用摘要Agent时连接被拒绝，报 ConnectionRefusedError。解决方法：先启动摘要Agent（10003端口），再启动翻译Agent（10002端口）。

坑2：Ollama没装或没启动。 两个Agent都依赖Ollama。如果你没装Ollama，两个Agent都会返回"翻译失败"或"摘要生成失败"。解决方法：ollama serve 先启动Ollama服务。

坑3：JSON-RPC响应格式解析错误。 A2A的响应格式跟普通HTTP响应不一样，是JSON-RPC格式的。第一次解析时我直接取 [response.text](http://response.text) ，拿到的是原始JSON字符串而不是解析后的对象。解决方法：先 .json() 解析，再按 result → artifacts → parts → text 的路径提取。

十、下一步

这篇你实现了两个Agent之间的单向委托：翻译Agent调摘要Agent。下一篇，我们要解决一个更关键的问题：安全。

当你把Agent暴露到网络上，怎么确保只有授权的Agent才能调用？A2A协议支持API Key、JWT Bearer、OAuth 2.0三种认证方式，下一篇我会带你逐一实现，给你的Agent加把锁。

下篇预告

《给你的A2A Agent加把锁：认证鉴权实战指南》 ------ API Key、JWT Bearer、OAuth 2.0三种认证方式，从开发环境到生产环境的完整安全方案。

相关推荐
kfaino3 小时前
码农的AI翻身（四）你好，我叫 Attention
人工智能·后端
雨落Re5 小时前
如何设计一个高质量Skill
人工智能
Token炼金师5 小时前
大模型权重文件全指南：从格式选择到优化实战
人工智能
阿牛哥_GX5 小时前
CDP 浏览器操控原理：让脚本接管你的浏览器
人工智能
ThreeS5 小时前
手搓MiniVLA全实战教程-一步一步用pytorch解释原理与思路
人工智能·python
米小虾6 小时前
Loop Engineering —— 循环的设计与自主执行
人工智能·agent
米小虾7 小时前
Harness Engineering —— 系统的安全护栏
人工智能·agent
火山引擎开发者社区7 小时前
积分当钱花，火山引擎开发者激励计划首月消费双倍回馈
人工智能
热门推荐
012026年6月AI大模型全景报告：GPT-5.6、Claude Opus 4.8、Gemini 3.5，中美AI三足鼎立谁主沉浮？022026年6月AI行业全景：从百模大战到Agent元年，这30天发生了什么？032026 年 AI 编程工具终极横评：Cursor vs Claude Code vs Copilot vs Windsurf04飞书长连接_事件订阅（接收消息，审批任务状态变更）05Trae国际版与国内版深度测评：AI原生IDE的双生花06GitHub 镜像站点07【AI】2026 年具身智能模型和世界模型总结08Claude Code、Codex、Cursor三分天下：2026年AI编程Agent生态全景剖析092026年AI架构实战：彻底解决OpenAI接口超时与封号，Python调用GPT-5.2/Sora2企业级架构详解（附源码+压测报告）102026 AI 编程工具终极实战指南：Cursor vs Claude Code vs Copilot，开发者该怎么选？