a2a

情绪总是阴雨天~

深度解析：LangChain、Agent、RAG、FC、ReAct、LangGraph、A2A、MCP — 区别、联系与全景图一、总览：技术全景图二、逐个击破：核心概念详解2.1 Function Calling（FC）— 工具调用能力

情绪总是阴雨天~

深入理解A2A协议：从零搭建多Agent协作系统实战一、为什么需要 A2A 协议1.1 现状的痛点1.2 用一个故事理解1.3 A2A 的设计目标二、A2A 协议核心概念详解

AI 多智能体系统落地：从上下文边界到 A2A 与 Harness 设计做 AI Agent 的人很容易掉进一个误区：一个 Agent 不够强，那就拆成多个 Agent；一个 Agent 会出错，那就加一个评审 Agent；任务复杂，那就 Planner、Coder、Reviewer、Tester 全都安排上。

星野云联AIoT技术洞察

A2A、MCP、OPC UA、Modbus：Agentic IoT 控制平面的分层设计如果一个 Agentic IoT 系统同时让 A2A 管设备、让 MCP 直接发寄存器、再让 OPC UA 和 Modbus 在云端被同级比较，这个系统大概率还停留在概念拼装阶段。本文的核心结论是：A2A、MCP、OPC UA、Modbus 并不是同一层的替代品，而是分别属于 Agent 协作层、工具访问层、语义与资产层、现场执行层。当这四层职责明确时，Agent 才能既“看得懂任务”，又“找得到设备”，还能“证明命令是否真正落地”。

从零开始掌握A2A协议：构建多智能体协作系统的完整指南2026年，我们正处在“智能体爆发年”的浪潮之中。随着大语言模型的快速发展，单个AI Agent已经能够处理相当复杂的任务。但是，现实世界的问题往往更加复杂——一次旅行规划可能同时需要查询天气、预订票务、安排住宿等多个环节。如果让一个Agent包揽所有工作，不仅开发成本高，而且难以维护和扩展。

MCP 与 A2A：Agent 时代的协议体系本文合并自《A2A 与 Agent+MCP》和《AI MCP》，并补充了 MCP 实现原理、自定义 Server 开发及对外暴露的完整实践。

Codex 和 OpenClaw，到底差在哪？最近一段时间，越来越多从业者开始接触 Codex、OpenClaw、MCP、A2A、Skill、Harness 这些词。它们经常一起出现，也都和 AI Agent 有关，所以很多人第一反应都是：看着好像差不多，但又说不清到底差在哪。笔者这篇文章就想解决这个问题，用尽量通俗的方式，把几个最容易混淆的概念放到同一个框架里讲清楚。

分布式智能体｜A2A Agent实战随着智能体应用的广泛应用，智能体的分布式部署、跨网络、跨框架、跨组织调用，成为当下智能体落地急需解决的问题。针对这一痛点，Google推出了Agent2Agent（简称A2A）协议，专为智能体之间的互联互通、协同协作提供标准化的解决方案。

最初的↘那颗心

企业级 AI Agent 工程方法论：安全防线、协作网格与质量飞轮（下）前两篇我们讲了 Agent 的核心架构、工具工程化、上下文工程和记忆体系。这篇来聊 Agent 走向生产的最后三道关：安全纵深防御、MCP/A2A 互操作，以及AgentOps 质量工程与 CI/CD 流水线。这些是把 Agent 从 demo 推向生产级系统的硬门槛。

宇擎智脑科技

A2A Python SDK 源码架构解读：一个请求是如何被处理的本文是 A2A 协议学习系列的第三篇。前两篇分别介绍了协议全景和规范细节，本文将走进 a2a-python SDK 的源码，看看这个 Python 库是如何把协议规范变成可运行的代码的。

宇擎智脑科技

A2A 协议规范深度剖析：三层架构、数据模型、操作语义与协议绑定本文将深入协议规范的技术细节，逐层拆解其三层架构设计、完整数据模型、操作语义规则以及三种协议绑定的实现差异。

killer_queen4804

AI_agent(三) MCP协议（二）简历原文：(5)插件系统实现:(1)通过动态加载动态库(支持.dll(Windows)、.so(Linux)、.dylib(macOS))，并通过统一的Plugin抽象接口，管理tools/Prompts/Resources三类插件，使新增功能可以以"插件"形式独立开发和部署，而无需修改或重新编译主服务(2)调用:通过客户端发起的不同method的请求，以及根据mcp协议的工具描述字段，查找对应的工具回调执行，进行结果返回

技术解析：流式推理、双向协商与状态同步——Agent专属RPC的核心能力设计在多智能体系统中，通信开销往往不是“边缘问题”，而是系统瓶颈来源。典型场景包括：Planner Agent 向多个 Tool Agent 并发调用；

带刺的坐椅

Claude Code Skills，Google A2A Skills，Solon AI Skills 有什么区别？在 AI Agent（智能体）的生态演进中，“Skill（技能）”是连接大模型大脑与现实世界执行端的桥梁。虽然三者都叫 Skill，但在 Anthropic (Claude)、Google 以及 Solon AI 的体系中，其底层哲学、表现形式与落地逻辑却截然不同。

北邮刘老师

【热点关注】三国演义：工具调用（MCP）、技能仓库（Skills）和智能体互联（IoA），到底选哪个？最近Anthropic公司又发布并在大力宣传一项新技术，Agent Skills（参考：https://github.com/anthropics/skills）。用翻译官网的描述来简单阐述Skills：

完整开发者教程：使用 A2UI 和 A2A 协议构建 AI 代理 UI（2026）A2UI（Agent to UI）是一种专门为代理驱动界面设计的声明式 UI 协议。A2UI 协议使 AI 代理能够生成丰富的交互式用户界面，这些界面可以在多个平台（Web、移动和桌面）上原生渲染，而无需执行任意代码。与依赖纯文本交互或嵌入式 HTML/JavaScript 的传统方法不同，A2UI 以结构化 JSON 数据的形式传输 UI 描述。

Agent to Agent（A2A）Agent to Agent（A2A）是 Google 近期推出的一种开放协议，旨在让不同框架和供应商的 AI Agents 能够互相通信和协作。AI Agents 是能够自主执行任务的系统，比如搜索信息或处理客服查询。A2A 让这些 Agents 能够发现彼此、分享能力，并在安全的环境中协同工作，类似于 USB 或蓝牙让不同品牌的设备互联。

Google的A2A智能体群聊针对Google的A2A智能体群聊，进行一个基础的Demo演示拷贝控制台的地址：http://127.0.0.1:8000