Agent 之间怎么"说话"？
上一章讲了多 Agent 为什么需要协同、为什么要统一通信标准；这一章把 A2A 协议讲透：它是什么、和 MCP 是什么关系、Agent Card 与 Task 生命周期两大核心机制怎么运转、任务产出物（Artifact）和消息（Message）怎么组织，以及 4 道面试题的完整参考回答。读完你就能把"多 Agent 协作"落地到协议层面。
01什么是 A2A 协议？
A2A（Agent-to-Agent）协议是 Google 提出的 Agent 间通信标准，用于让不同厂商、不同框架构建的 Agent 能够互相发现、通信和协作。类似于 HTTP 是 Web 的通信标准，A2A 要成为 Agent 世界的通信标准。
在理解 A2A 之前，先厘清它和 MCP（Model Context Protocol）的定位差异：MCP 解决 Agent 如何连接外部工具和数据源（Agent ←→ 工具，垂直集成）；A2A 解决 Agent 如何与其他 Agent 通信协作（Agent ←→ Agent，水平协作）。两者互补：Agent A 通过 MCP 连工具获取数据，通过 A2A 把数据发给 Agent B 分析，Agent B 再用 MCP 调可视化工具生成图表，最后通过 A2A 返回给 Agent A。每个 Agent 既能独立连工具（MCP），又能跨 Agent 协作（A2A）。
图1：MCP 向下连工具、A2A 向上连 Agent，互补架构
02A2A 五大核心概念
概念
说明
Agent CardAgent 的"名片"，描述能力、URL、认证方式
TaskAgent 间的协作单元，有生命周期
MessageAgent 之间交换的消息
Artifact任务产出物（文件、数据等）
Streaming支持实时流式通信
图2：A2A 协议五大核心概念
03Agent Card：Agent 的能力名片
每个 A2A 的远程 Agent 都需要发布一个 JSON 格式的名片，被称为 Agent Card，用于描述这个 Agent 具有哪些技能及其认证机制，便于 Client 获得这些信息并选择合适的 Agent 来完成协作任务。一个典型的 Agent Card 长这样：
json
{
"name": "Data Analysis Agent",
"description": "专业数据分析 Agent，支持 SQL 查询和数据可视化",
"url": "https://agent.example.com",
"version": "1.0.0",
"capabilities": {
"streaming": true,
"pushNotifications": false
},
"skills": [
{
"id": "sql_analysis",
"name": "SQL 数据分析",
"description": "执行 SQL 查询并生成分析报告",
"inputModes": ["text"],
"outputModes": ["text", "file"]
}
],
"authentication": {
"schemes": ["bearer"]
}
}核心字段解析：name / description 声明身份与定位；url 是服务端点；capabilities 声明是否支持流式与推送通知；skills 是能力清单（每个技能声明输入/输出模式）；authentication 声明认证方案（如 bearer token）。有了它，调度器不用硬编码对方地址，解析名片即可动态发现可用服务。
04Task 生命周期：任务的状态机
Task 是 Client 和远程 Agent 之间协作的一个概念：一个 Task 代表一个需要完成的任务，每个 Task 都有一个唯一的 ID，通常包含任务状态、历史记录和执行结果等信息。Task 的主要状态有：submitted（已提交）、working（处理中）、completed（已完成）、canceled（已取消）、failed（失败），以及**input-required（等待输入）**等。
图3：Task 生命周期状态机
Task 生命周期完整流转：创建后进入处理中；处理过程中如果 Agent 需要用户或另一个 Agent 补充输入，则进入"等待输入"状态，收到输入后继续处理；最终到达完成或失败；任务可被取消。TaskManager 负责追踪每个任务的当前状态与所有权，支持异步回调与状态轮询，让长周期任务可被可靠管理。
05Artifact 与 Message：产出物和消息
**Artifact（任务产出物）**与 DevOps CI/CD 流水线中的 Artifact 概念类似，是远程 Agent 执行完任务后生成的输出结果。每个任务的结果可能都不一样，一个 Artifact 可以包含多个部分（parts），每个 part 可以是文本、文档、图像等。按类型分三种：
Part 类型
用途
示例
TextPart纯文本内容
指令、问题、回答
FilePart文件传输
文档、图片、数据文件
DataPart结构化数据
JSON 表单、参数、机器可读信息
**Message（消息）**是 Client 和远程 Agent 之间通信的消息对象，通常包含指令和状态更新等内容。一个 Message 对象也可以包含多个 parts，用于传递文本、文件或结构化数据等不同类型的内容。每个 Message 都有发送方设置的唯一 messageId，并通过关键词如 user（代表 Client 发送）或 agent（代表服务端发送）来区分角色。
06面试高频追问：4 道题与参考回答
Q1：A2A 协议有了解过吗？说说你的理解？
A2A（Agent-to-Agent）是 Google 提出的 Agent 间通信标准，目标是像 HTTP 统一 Web 通信那样，统一 Agent 世界的发现、通信与协作。它解决的核心问题是异构 Agent 的互操作：不同厂商、不同框架构建的 Agent，通过统一的 Agent Card 暴露能力、通过标准化的 Task 生命周期管理任务流转、通过 Message/Artifact 交换消息与产出物、通过 Streaming 实现实时同步。它的定位与 MCP 互补：MCP 向下连工具和数据源（垂直集成），A2A 向上连 Agent（水平协作）。
Q2（追问）：A2A 协议和 MCP 区别？
两者解决不同层面的问题，互补而非竞争。MCP（Model Context Protocol）定义"单个模型如何调用外部工具"：通信双方是大语言模型与外部工具/数据源（数据库、API、文件系统），调用方向单向（模型主动调用、工具被动执行），适用于 Agent 获取外部数据或执行具体操作的场景。A2A 定义"多个智能体如何相互通信与协作"：通信双方是 AI 智能体与 AI 智能体（可以是不同公司、不同框架构建的），调用方向双向（任意一方均可发起请求、委派任务、同步状态、返回结果），适用于多 Agent 协同完成复杂任务的场景。总结：MCP 向下连工具，A2A 向上连 Agent，复杂的多 Agent 系统里两者通常都要用到。
Q3（追问）：有实际用过吗？一般什么场景用 A2A，什么场景用 MCP？
MCP 适用于单个智能体需要获取外部实时数据或执行具体操作的场景：查询天气、读取本地文件、发送邮件、调用企业内部 API、操作数据库等。A2A 适用于多个智能体协同完成复杂任务的场景：例如一个客服 Agent 收到用户请求后，委派订单 Agent 查询物流状态，再委派售后 Agent 处理退款，最后将结果汇总返回给用户。两者常组合使用------Agent A 通过 MCP 连接数据库获取数据，通过 A2A 将数据发送给 Agent B 做分析，Agent B 通过 MCP 调用可视化工具生成图表后通过 A2A 返回给 Agent A。回答时建议结合自己的项目举例说明具体落地方式。
Q4：你觉得整个 A2A 协议的核心原理是什么？
A2A 的核心原理是通过标准化的 Agent 能力描述与任务生命周期管理，实现异构 Agent 间的互操作。它不关心 Agent 内部如何推理，只定义对外协作的契约。核心机制拆解为四点：第一，Agent Card 与能力注册------每个 Agent 通过 Agent Card 暴露身份、技能、接口地址与认证方式，调度器解析"能力名片"即可动态发现可用服务，实现松耦合绑定，无需硬编码对方地址。第二，Task 生命周期管理------协议围绕 Task 对象定义完整流转状态（提交、处理中、等待输入、完成、失败），TaskManager 追踪每个任务的当前状态与所有权，支持异步回调与状态轮询，让长周期任务可被可靠管理。第三，Stream 流式同步机制------StreamManager 管理流式通道，允许执行端持续推送中间产物、消费端实时接收，大幅降低感知延迟。第四，Message 与传输通道抽象------Message 承载任务内容（含 role、parts 等结构字段），底层传输通过 HTTP、gRPC 等通道实现，消息格式与传输方式解耦，保证协议扩展性。总结：Agent Card 解决"谁有能力"，Task/TaskManager 解决"任务交给谁、到哪一步了"，StreamManager 解决"如何实时同步中间结果"------三者共同构成一套让异构 Agent 可发现、可委托、可追踪的协作协议。
落地总结
A2A 协议记住三句话：**MCP 向下连工具、A2A 向上连 Agent，二者互补不互斥；Agent Card 解决"谁有能力"、Task 生命周期解决"任务到哪一步了"、Streaming 解决"结果怎么实时同步"；多 Agent 系统落地时，用 Agent Card 做服务发现、用 Task 做任务追踪、用 Message/Artifact 做数据交换，即可实现异构 Agent 的可发现、可委托、可追踪。**面试时把"A2A vs MCP 互补关系"和"四大核心机制"讲清楚，就抓住了协议本质。
关注我们，一起把技术讲明白（寻码札记）