AI Agent互操作标准化加速：A2A协议正式加入Linux基金会

A2A协议由Google于2025年4月发布，2025年6月捐赠给Linux基金会，AWS、Cisco、Microsoft等七家厂商联合成立项目实体。忽视Agent互操作协议选型的团队，Agent数量一过3个就会陷入胶水代码爆炸的集成困境。文末附协议选型自查清单，可直接复制用于团队内部评估。

A2A是什么

很多团队觉得Agent互操作是远期问题，但A2A协议加入Linux基金会意味着标准化已经到了该选型的阶段。A2A（Agent2Agent Protocol）解决的核心问题是：不同厂商、不同框架构建的AI Agent之间如何标准化通信。2025年4月Google在Cloud Next上发布A2A，2025年6月捐赠给Linux基金会。

维度	MCP	A2A
主推方	Anthropic	Google/Linux基金会
解决问题	Agent与工具/数据源连接	Agent与Agent之间协作
关系	互补，不替代	互补，不替代
发现机制	MCP Server配置	Agent Card（/.well-known/agent.json）

简单理解：MCP让Agent"用手"（调用工具），A2A让Agent"用脑"（委托给另一个Agent）。两者是互补关系。

谁在推动A2A

Linux基金会与AWS、Cisco、Google、Microsoft、Salesforce、SAP、ServiceNow联合成立A2A项目实体，参与者将通过开放治理推进协议迭代。七家创始成员覆盖了云计算、企业软件、网络设备三大领域，基本代表了当前Agent生态的主要玩家。

厂商	主要Agent框架	A2A参与角色
Google	Vertex AI Agent Builder	协议发起方
Microsoft	Copilot Studio / Semantic Kernel	创始成员
AWS	Bedrock Agents	创始成员
Salesforce	Agentforce	创始成员

Agent Card是A2A的发现机制，类似网站的robots.txt。每个Agent在/.well-known/agent.json路径暴露自己的能力描述，其他Agent可以自动发现并调用。下面是一段Agent Card发现的伪代码：

复制代码

# 仅逻辑演示，不可直接投入生产，仅供学习参考
def discover_agent(agent_url):
    card_url = f"{agent_url}/.well-known/agent.json"
    card = http_get(card_url)
    return {
        "name": card["name"],
        "capabilities": card["capabilities"],
        "endpoint": card["endpoint"]
    }

国内团队照搬的现实代价

国内团队看到A2A的标准设计，容易直接拿来用，但照搬有几个现实问题。

内部系统接口标准化程度低。A2A的前提是Agent有可暴露的接口。国内很多企业的内部系统还停留在"人肉API"阶段，要先把接口补齐才能上A2A。

安全审计要求。Agent通过A2A协作意味着它会接触其他Agent的业务数据，企业需要权限控制、数据脱敏、操作审计。自建需额外开发权限管理和审计模块。

模型能力差异。A2A是协议层标准，执行效果取决于Agent背后的模型能力。在复杂推理场景下，不同模型的Agent协作质量差异明显。

行动建议

协议选型自查清单

你的Agent框架是否原生支持A2A协议
已有Agent系统是否已暴露标准化接口
多Agent协作场景是否已用A2A替代手写集成代码
A2A任务委派是否有超时和错误处理机制
是否建立了Agent调用链路监控和日志
是否有权限控制（哪些Agent能调用哪些Agent）

先做内部评估，不需要任何工具。 对照上方自查清单，盘点团队现有Agent框架和工具集成方式，统计手写胶水代码的占比，不需要借助任何工具就可以先完成评估。

如果需要选型参考。 Sophclaw支持Agent编排与本机Agent远程管控（sophclaw.com）；College Plan可做多模型API接入（sophnet.com）。

想了解更多，可访问 sophnet.com。