刚刚，Google 正式推出了一项名为 Agent2Agent (A2A) 的全新开放协议，允许 AI 代理跨生态系统安全地协作，而不受框架或供应商的限制
这项协议的发布，得到了 超过 50 家技术合作伙伴（如 Atlassian, Box, Cohere, Intuit, Langchain, MongoDB, PayPal, Salesforce, SAP, ServiceNow, UKG, Workday 等）和 领先的服务提供商（如 Accenture, BCG, Capgemini, Cognizant, Deloitte, HCLTech, Infosys, KPMG, McKinsey, PwC, TCS, Wipro 等）的支持与贡献
A2A 协议的核心目标是：让不同来源、不同技术的 AI 智能体能够相互沟通、安全地交换信息，并协同执行跨企业平台或应用的复杂任务。 这意味着，企业的 AI 智能体将能跨越整个应用系统协同工作，释放前所未有的效率和创新潜力
值得一提的是，A2A 协议是对 Anthropic 公司模型上下文协议 (MCP) 的补充，后者为智能体提供了有用的工具和上下文。A2A 则更侧重于智能体之间的交互与协作，借鉴了 Google 在规模化智能体系统方面的内部经验，我认为下图是一个很好的图表，展示了 MCP 和 A2A 协议如何协同工作。 MCP 有助于连接工具和资源， A2A 有助于代理之间的沟通，无论提供商是谁
A2A 的核心设计原则
在设计 A2A 协议时，遵循五大关键原则：
1. 拥抱智能体原生能力 (Embrace agentic capabilities): A2A 旨在让智能体以其自然的、非结构化的方式进行协作，即使它们不共享内存、工具或上下文。目标是实现真正的多智能体场景，而非将智能体局限为简单的“工具”。 2. 基于现有标准构建 (Build on existing standards): 协议建立在广泛使用的现有标准之上，包括 HTTP, SSE, JSON-RPC。这意味着企业可以更容易地将其集成到现有的 IT 技术栈中。 3. 默认安全 (Secure by default): A2A 设计支持企业级的身份验证和授权，与 OpenAPI 的身份验证方案在发布时保持同等水平。 4. 支持长时任务 (Support for long-running tasks): 协议设计灵活，既能处理快速任务，也支持可能需要数小时甚至数天（尤其当有人工介入时）的深度研究。在此过程中，A2A 能提供实时反馈、通知和状态更新。 5. 模态无关 (Modality agnostic): 智能体的世界不止于文本。A2A 支持多种模态，包括音频和视频流。
A2A 如何工作？
A2A 促进了“客户端 (client)”智能体和“远程 (remote)”智能体之间的通信。客户端智能体负责制定和传达任务，远程智能体则负责执行这些任务以提供信息或采取行动。这个交互过程包含几个关键能力：
能力发现 (Capability discovery): 智能体可以通过 JSON 格式的“Agent Card”来宣告自身能力。这使得客户端智能体能找到最适合执行某项任务的远程智能体，并发起 A2A 通信。
任务管理 (Task management): 通信围绕任务完成进行。协议定义了具有生命周期的“任务 (task)”对象。任务可以是即时完成的，也可以是长时运行的。任务的输出被称为“工件 (artifact)”
协作 (Collaboration): 智能体之间可以发送消息，以沟通上下文、回复、工件或用户指令
用户体验协商 (User experience negotiation): 每条消息包含“部分 (parts)”，即完整的内容片段（如生成的图像）。每个部分都有指定的内容类型，允许客户端和远程智能体协商所需格式，并明确协商用户的 UI 能力（例如，是否支持 iframe、视频、Web 表单等）。
举个例子：招聘
想象一个招聘软件工程师的场景。在像 Agentspace 这样的统一界面中，招聘经理可以要求其主力智能体根据职位描述、地点和技能要求寻找候选人
这个主力智能体随后可以通过 A2A 协议，与其他专门负责“候选人搜寻”的智能体进行交互，获取潜在候选人列表。用户收到建议后，可以指示主力智能体安排面试。面试流程结束后，还可以调用另一个负责背景调查的智能体
这只是 A2A 如何让不同系统的 AI 智能体协作完成复杂任务的一个例子
