AI学什么（第12期）：智能体互联的新语言 (A2A协议)

AI学什么（第12期）：智能体互联的新语言 (A2A协议) AI学什么（第12期）：智能体互联的新语言 (A2A协议) Modified August 7, 2025 A2A协议的设计思路很聪明：它并不试图重新发明轮子，而是建立在我们已经熟悉的Web技术基础上。它基于HTTP、JSON RPC和服务器发送事件等成熟技术，确保了协议的开放性和兼容性。这种设计哲学有几个关键优势：既要拥抱智能体的自主性，支持它们进行非结构化、自然的沟通；又要建立在现有技术标准上，降低实施门槛；同时内置企业级安全机制，支持长时间运行的任务，并且能处理文本、图像、音频、视频等多种形式的信息。它为智能体之间的每一次互动都制定了标准：如何自我介绍、如何描述能力、如何接收任务、如何汇报进展、如何交付结果。而且，每个智能体都有一张标准化的"名片"（智能体卡片），上面清楚地写着它的身份、能力和联系方式，告诉其他智能体"我是谁，我能做什么"。当它们需要协作时，会创建标准化的"工作单"（任务），记录着工作内容、当前状态和预期结果。整个协作过程就像一场标准化的"商务会议"，每个参与者都知道议程，都能理解对方的发言，都能准确表达自己的想法。但这些抽象的概念听起来可能还是有些模糊。让我们通过一个具体的例子来看看A2A协议是如何让智能体们"说同一种语言"的。 👍 A2A协议发布原文： https://developers.googleblog.com/zh hans/a2a a new era of agent interoperability/ 完美协作让我们跟随一个真实的协作场景，看看A2A协议是如何让不同的智能体无缝配合的。假设你是一家创业公司的CEO，需要在下周的投资人会议上展示一份关于智能家居市场的详细分析报告。这个任务对于任何单一的AI来说都太复杂了——它需要最新的市场数据、专业的分析、精美的可视化，还要符合投资人的阅读习惯。你的个人助理智能体接到这个需求后，立即明白这不是它一个人能搞定的事情。作为协调者，它开始寻找合适的"专家"来组建临时团队。首先，它查阅智能体目录，找到了一个专门从事市场分析的智能体。通过A2A协议的标准接口，个人助理发送了一个详细的任务请求，其中包含了具体的需求：智能家居行业、2023 2025年的时间范围、重点关注市场规模、增长率和主要玩家。市场分析智能体收到请求后，就像一个真正的分析师开始工作。它首先更新任务状态为"进行中"，然后开始搜索最新的行业报告、分析竞争对手数据、研究消费者趋势。在这个过程中，如果它发现需要更多信息，会主动向个人助理提问：比如是否需要包含海外市场数据，是否要分析特定的产品类别等等。几个小时后，详细的市场分析报告完成了。但这份报告还只是枯燥的数据和文字，需要转化为更直观的形式。于是，个人助理又联系了一个专门制作可视化图表的智能体，让它把数据转化为精美的图表、趋势图和信息图表。与此同时，为了确保报告符合投资人的阅读习惯，个人助理还找到了一个专门负责商务文档写作的智能体，让它把分析结果重新组织成投资人喜欢的叙述风格，突出关键洞察和投资机会。整个过程中，每个智能体都知道自己的角色，都能准确理解任务要求，都能及时汇报进展，最终产出的成果能够无缝整合成一份完整的报告。而这一切的协调，全部通过A2A协议的标准化语言来实现。这种协作方式效率更高，质量也远超任何单一AI能够达到的水平。更重要的是，随着越来越多的智能体支持A2A协议，这种协作会变得越来越强大，就像互联网连接的设备越多，网络效应就越明显一样。当然，A2A协议并不是唯一的解决方案。在实际应用中，开发者们早已开始探索各种智能体协作的可能性。百花齐放的协作实验在A2A协议标准化之前，开发者们就像早期的航海探险者，用各种创新的方式尝试让智能体协作起来。这些早期的探索为今天的标准化协议积累了宝贵的经验。微软的AutoGen就像组织了一场永不散场的AI智囊团会议。几个专家围坐在圆桌前，针对一个复杂问题展开讨论：数据分析师提出初步发现，策略顾问质疑其中的假设，技术专家补充实现细节，项目经理总结关键要点。每个"专家"都是一个智能体，它们可以互相辩论、互相启发，通过多轮对话逐步完善解决方案。这种方式特别适合那些需要深度思考和多角度分析的复杂问题。 LangGraph则采用了完全不同的思路，它更像是设计一条高效的工业流水线。每个工作站都有明确的职责，产品按照预设的路径在不同工作站之间流转。比如处理客户咨询的流程：第一个智能体负责理解客户问题，第二个智能体查询知识库寻找答案，第三个智能体负责生成友好的回复，第四个智能体进行质量检查。这种方式非常适合那些有明确步骤、可以标准化的业务流程。 CrewAI的理念更接近现实中的团队协作。它给每个智能体分配具体角色，同时为它们设定背景故事和工作目标，就像真实的团队成员一样。市场研究员智能体可能有着"五年数据分析经验，专注于消费电子领域"的背景设定，而创意文案智能体则可能是"擅长B2B营销，曾为多家科技公司服务"的人设。这种拟人化的设计让智能体之间的协作更加自然，也更容易预测和管理。这些不同的协作模式展现了一个重要趋势：智能体协作不是一个技术问题，而是一个组织管理问题。就像人类社会有不同的组织形式——从军队的严格等级制到创业公司的扁平化管理，智能体网络也需要根据具体任务选择最合适的协作模式。而A2A协议的价值，就在于为这些不同的协作模式提供了统一的"沟通语言"。无论智能体们采用什么样的内部组织方式，它们都可以通过A2A协议与外部的智能体进行标准化的交流。两套协议按照goolge的说法，A2A协议是对于Anthropic的Model Context Protocol (MCP)的补充，但我并不认为这是全部。所以我想有必要理解这两个协议的区别，有助于我们更好地把握智能体协作的未来方向。如果说A2A协议是为了让智能体之间能够"社交"和协作，那么MCP更像是为每个智能体配备了一个超级工具箱。MCP专注于单个AI模型与外部工具、数据源的连接，让模型能够获取更多信息、执行更多操作。这就像给一个工程师配备了更先进的设备，让他能够独立完成更复杂的任务。 A2A协议则专注于智能体之间的协作网络。它不是让单个智能体变得更强，而是让多个智能体能够组成团队，发挥集体智慧的力量。这就像建立了一个专家网络，让不同领域的专家能够无缝协作。有趣的是，这两种协议并不冲突，反而可能形成完美的互补。一个通过MCP获得了强大工具的智能体，同时通过A2A协议与其他智能体协作，这样的组合将产生1+1 2的强大效果。这让我想起了互联网发展的早期阶段。那时候也有各种协议和标准在竞争，最终胜出的往往不是技术最先进的，而是生态最开放、应用最广泛的。在智能体协作领域，我们可能会看到类似的发展轨迹。 A2A协议仍处于发展初期，面临着标准统一、能力定义、通信效率等挑战，但它代表的方向是明确的——让AI从孤立的个体走向协作的网络，从单一的全能选手转变为专业的团队合作。这是一个根本性的范式转换。这是技术的进步，更是思维模式的根本转变。我们正在见证一个新时代的到来。重建通天之塔人类文明的每一次重大突破，本质上都是重新学会协作的过程。从部落的篝火边分工，到工业革命的流水线，再到今天的全球化协作网络，我们一直在努力克服"巴别塔诅咒"，学习如何将个体的智慧汇聚成集体的力量。如今，这种协作的智慧正在延伸到人工智能领域，开启一个前所未有的时代。也许有一天，当我们回望这段历史时会发现：真正改变世界的，从来不是某个超级智能的诞生，而是无数智能体学会了彼此对话的那一刻。就像当年的巴别塔工程师们因为有了共同语言而创造奇迹，未来的智能体网络也将因为A2A这样的协议，去建造我们今天还无法想象的智慧之塔。在这场重建巴别塔的伟大工程中，每个人都可能成为建设者的一员——不是被AI替代，而是与AI协作，共同搭建那座真正通向智慧天堂的高塔。我是蓝衣剑客，谢谢你看我的文章。 A2A协议的设计思路很聪明：它并不试图重新发明轮子，而是建立在我们已经熟悉的Web技术基础上。它基于HTTP、JSON RPC和服务器发送事件等成熟技术，确保了协议的开放性和兼容性。这种设计哲学有几个关键优势：既要拥抱智能体的自主性，支持它们进行非结构化、自然的沟通；又要建立在现有技术标准上，降低实施门槛；同时内置企业级安全机制，支持长时间运行的任务，并且能处理文本、图像、音频、视频等多种形式的信息。它为智能体之间的每一次互动都制定了标准：如何自我介绍、如何描述能力、如何接收任务、如何汇报进展、如何交付结果。而且，每个智能体都有一张标准化的"名片"（智能体卡片），上面清楚地写着它的身份、能力和联系方式，告诉其他智能体"我是谁，我能做什么"。当它们需要协作时，会创建标准化的"工作单"（任务），记录着工作内容、当前状态和预期结果。整个协作过程就像一场标准化的"商务会议"，每个参与者都知道议程，都能理解对方的发言，都能准确表达自己的想法。但这些抽象的概念听起来可能还是有些模糊。让我们通过一个具体的例子来看看A2A协议是如何让智能体们"说同一种语言"的。 👍 A2A协议发布原文： https://developers.googleblog.com/zh hans/a2a a new era of agent interoperability/ 完美协作让我们跟随一个真实的协作场景，看看A2A协议是如何让不同的智能体无缝配合的。假设你是一家创业公司的CEO，需要在下周的投资人会议上展示一份关于智能家居市场的详细分析报告。这个任务对于任何单一的AI来说都太复杂了——它需要最新的市场数据、专业的分析、精美的可视化，还要符合投资人的阅读习惯。你的个人助理智能体接到这个需求后，立即明白这不是它一个人能搞定的事情。作为协调者，它开始寻找合适的"专家"来组建临时团队。首先，它查阅智能体目录，找到了一个专门从事市场分析的智能体。通过A2A协议的标准接口，个人助理发送了一个详细的任务请求，其中包含了具体的需求：智能家居行业、2023 2025年的时间范围、重点关注市场规模、增长率和主要玩家。市场分析智能体收到请求后，就像一个真正的分析师开始工作。它首先更新任务状态为"进行中"，然后开始搜索最新的行业报告、分析竞争对手数据、研究消费者趋势。在这个过程中，如果它发现需要更多信息，会主动向个人助理提问：比如是否需要包含海外市场数据，是否要分析特定的产品类别等等。几个小时后，详细的市场分析报告完成了。但这份报告还只是枯燥的数据和文字，需要转化为更直观的形式。于是，个人助理又联系了一个专门制作可视化图表的智能体，让它把数据转化为精美的图表、趋势图和信息图表。与此同时，为了确保报告符合投资人的阅读习惯，个人助理还找到了一个专门负责商务文档写作的智能体，让它把分析结果重新组织成投资人喜欢的叙述风格，突出关键洞察和投资机会。整个过程中，每个智能体都知道自己的角色，都能准确理解任务要求，都能及时汇报进展，最终产出的成果能够无缝整合成一份完整的报告。而这一切的协调，全部通过A2A协议的标准化语言来实现。这种协作方式效率更高，质量也远超任何单一AI能够达到的水平。更重要的是，随着越来越多的智能体支持A2A协议，这种协作会变得越来越强大，就像互联网连接的设备越多，网络效应就越明显一样。当然，A2A协议并不是唯一的解决方案。在实际应用中，开发者们早已开始探索各种智能体协作的可能性。百花齐放的协作实验在A2A协议标准化之前，开发者们就像早期的航海探险者，用各种创新的方式尝试让智能体协作起来。这些早期的探索为今天的标准化协议积累了宝贵的经验。微软的AutoGen就像组织了一场永不散场的AI智囊团会议。几个专家围坐在圆桌前，针对一个复杂问题展开讨论：数据分析师提出初步发现，策略顾问质疑其中的假设，技术专家补充实现细节，项目经理总结关键要点。每个"专家"都是一个智能体，它们可以互相辩论、互相启发，通过多轮对话逐步完善解决方案。这种方式特别适合那些需要深度思考和多角度分析的复杂问题。 LangGraph则采用了完全不同的思路，它更像是设计一条高效的工业流水线。每个工作站都有明确的职责，产品按照预设的路径在不同工作站之间流转。比如处理客户咨询的流程：第一个智能体负责理解客户问题，第二个智能体查询知识库寻找答案，第三个智能体负责生成友好的回复，第四个智能体进行质量检查。这种方式非常适合那些有明确步骤、可以标准化的业务流程。 CrewAI的理念更接近现实中的团队协作。它给每个智能体分配具体角色，同时为它们设定背景故事和工作目标，就像真实的团队成员一样。市场研究员智能体可能有着"五年数据分析经验，专注于消费电子领域"的背景设定，而创意文案智能体则可能是"擅长B2B营销，曾为多家科技公司服务"的人设。这种拟人化的设计让智能体之间的协作更加自然，也更容易预测和管理。这些不同的协作模式展现了一个重要趋势：智能体协作不是一个技术问题，而是一个组织管理问题。就像人类社会有不同的组织形式——从军队的严格等级制到创业公司的扁平化管理，智能体网络也需要根据具体任务选择最合适的协作模式。而A2A协议的价值，就在于为这些不同的协作模式提供了统一的"沟通语言"。无论智能体们采用什么样的内部组织方式，它们都可以通过A2A协议与外部的智能体进行标准化的交流。两套协议按照goolge的说法，A2A协议是对于Anthropic的Model Context Protocol (MCP)的补充，但我并不认为这是全部。所以我想有必要理解这两个协议的区别，有助于我们更好地把握智能体协作的未来方向。如果说A2A协议是为了让智能体之间能够"社交"和协作，那么MCP更像是为每个智能体配备了一个超级工具箱。MCP专注于单个AI模型与外部工具、数据源的连接，让模型能够获取更多信息、执行更多操作。这就像给一个工程师配备了更先进的设备，让他能够独立完成更复杂的任务。 A2A协议则专注于智能体之间的协作网络。它不是让单个智能体变得更强，而是让多个智能体能够组成团队，发挥集体智慧的力量。这就像建立了一个专家网络，让不同领域的专家能够无缝协作。有趣的是，这两种协议并不冲突，反而可能形成完美的互补。一个通过MCP获得了强大工具的智能体，同时通过A2A协议与其他智能体协作，这样的组合将产生1+1 2的强大效果。这让我想起了互联网发展的早期阶段。那时候也有各种协议和标准在竞争，最终胜出的往往不是技术最先进的，而是生态最开放、应用最广泛的。在智能体协作领域，我们可能会看到类似的发展轨迹。 A2A协议仍处于发展初期，面临着标准统一、能力定义、通信效率等挑战，但它代表的方向是明确的——让AI从孤立的个体走向协作的网络，从单一的全能选手转变为专业的团队合作。这是一个根本性的范式转换。这是技术的进步，更是思维模式的根本转变。我们正在见证一个新时代的到来。重建通天之塔人类文明的每一次重大突破，本质上都是重新学会协作的过程。从部落的篝火边分工，到工业革命的流水线，再到今天的全球化协作网络，我们一直在努力克服"巴别塔诅咒"，学习如何将个体的智慧汇聚成集体的力量。如今，这种协作的智慧正在延伸到人工智能领域，开启一个前所未有的时代。也许有一天，当我们回望这段历史时会发现：真正改变世界的，从来不是某个超级智能的诞生，而是无数智能体学会了彼此对话的那一刻。就像当年的巴别塔工程师们因为有了共同语言而创造奇迹，未来的智能体网络也将因为A2A这样的协议，去建造我们今天还无法想象的智慧之塔。在这场重建巴别塔的伟大工程中，每个人都可能成为建设者的一员——不是被AI替代，而是与AI协作，共同搭建那座真正通向智慧天堂的高塔。我是蓝衣剑客，谢谢你看我的文章。 🔗 原文链接： https://mp.weixin.qq.com/s/a2rlI YZ... https://mp.weixin.qq.com/s/a2rlI YZ... 原创蓝衣剑客 AIGC思维火花2025年08月05日 08:51 河北 📌 蓝衣剑客元神智算 CEO。WaytoAGI专栏作者。火山引擎开发者领航KOL。清华大学数据治理研究中心荣誉顾问。阿里云AI训练营讲师。得到新商学组局先锋/讲师。丛书《Kimi高效办公》、《豆包高效办公》作者。火山引擎社区、掘金AGI、LangGPT专栏作者/核心共建。拥有超过10年的软件行业经验，起草过多个AI领域国家级标准、报告。为数十家世界500强企业提供过AI领域业务咨询、项目落地指导。一个简短的介绍，概括不了六边形的我。没事爱写点文章，谢谢你喜欢它们。微信公众号 📌 蓝衣剑客元神智算 CEO。WaytoAGI专栏作者。火山引擎开发者领航KOL。清华大学数据治理研究中心荣誉顾问。阿里云AI训练营讲师。得到新商学组局先锋/讲师。丛书《Kimi高效办公》、《豆包高效办公》作者。火山引擎社区、掘金AGI、LangGPT专栏作者/核心共建。拥有超过10年的软件行业经验，起草过多个AI领域国家级标准、报告。为数十家世界500强企业提供过AI领域业务咨询、项目落地指导。一个简短的介绍，概括不了六边形的我。没事爱写点文章，谢谢你喜欢它们。微信公众号 📌 蓝衣剑客元神智算 CEO。WaytoAGI专栏作者。火山引擎开发者领航KOL。清华大学数据治理研究中心荣誉顾问。阿里云AI训练营讲师。得到新商学组局先锋/讲师。丛书《Kimi高效办公》、《豆包高效办公》作者。火山引擎社区、掘金AGI、LangGPT专栏作者/核心共建。拥有超过10年的软件行业经验，起草过多个AI领域国家级标准、报告。为数十家世界500强企业提供过AI领域业务咨询、项目落地指导。一个简短的介绍，概括不了六边形的我。没事爱写点文章，谢谢你喜欢它们。 📌 蓝衣剑客元神智算 CEO。WaytoAGI专栏作者。火山引擎开发者领航KOL。清华大学数据治理研究中心荣誉顾问。阿里云AI训练营讲师。得到新商学组局先锋/讲师。丛书《Kimi高效办公》、《豆包高效办公》作者。火山引擎社区、掘金AGI、LangGPT专栏作者/核心共建。拥有超过10年的软件行业经验，起草过多个AI领域国家级标准、报告。为数十家世界500强企业提供过AI领域业务咨询、项目落地指导。一个简短的介绍，概括不了六边形的我。没事爱写点文章，谢谢你喜欢它们。 📌 蓝衣剑客元神智算 CEO。WaytoAGI专栏作者。火山引擎开发者领航KOL。清华大学数据治理研究中心荣誉顾问。阿里云AI训练营讲师。得到新商学组局先锋/讲师。丛书《Kimi高效办公》、《豆包高效办公》作者。火山引擎社区、掘金AGI、LangGPT专栏作者/核心共建。拥有超过10年的软件行业经验，起草过多个AI领域国家级标准、报告。为数十家世界500强企业提供过AI领域业务咨询、项目落地指导。一个简短的介绍，概括不了六边形的我。没事爱写点文章，谢谢你喜欢它们。蓝衣剑客元神智算 CEO。WaytoAGI专栏作者。火山引擎开发者领航KOL。清华大学数据治理研究中心荣誉顾问。阿里云AI训练营讲师。得到新商学组局先锋/讲师。丛书《Kimi高效办公》、《豆包高效办公》作者。火山引擎社区、掘金AGI、LangGPT专栏作者/核心共建。拥有超过10年的软件行业经验，起草过多个AI领域国家级标准、报告。为数十家世界500强企业提供过AI领域业务咨询、项目落地指导。一个简短的介绍，概括不了六边形的我。没事爱写点文章，谢谢你喜欢它们。微信公众号微信微信公众号公众号大家好，我是蓝衣剑客，欢迎来到「AI学什么」——一个专注于AI科普的栏目。这里我们追求"用最精彩的故事，讲述最硬核的知识"。不会陷入枯燥技术细节的泥潭，也不会停留在肤浅概念的表面。通过生动类比和通俗语言，让你在轻松阅读中掌握那些看似晦涩的AI知识，培养应对AI时代的核心认知。无论你是初涉AI的新手，还是想深入了解的从业者，这里都有适合你的知识盛宴和思考角度。大家好，我是蓝衣剑客，欢迎来到「AI学什么」——一个专注于AI科普的栏目。这里我们追求"用最精彩的故事，讲述最硬核的知识"。不会陷入枯燥技术细节的泥潭，也不会停留在肤浅概念的表面。通过生动类比和通俗语言，让你在轻松阅读中掌握那些看似晦涩的AI知识，培养应对AI时代的核心认知。无论你是初涉AI的新手，还是想深入了解的从业者，这里都有适合你的知识盛宴和思考角度。从分裂到统一在《圣经》的古老传说中，全人类曾经说着同一种语言，怀着共同的梦想——建造一座通天的巴别塔。那是一个完美协作的时代：建筑师绘制宏伟蓝图，工匠烧制坚固砖块，运输队有序搬运材料，管理者精确协调进度。因为语言相通，每个指令都能准确传达，每个环节都衔接无缝，高塔以惊人的速度直插云霄。然而，当这座塔接近天际时，上帝降下了惩罚——语言被混乱了。一夜之间，建筑师的图纸变成了天书，工人听不懂管理者的指挥，运输队和建造队无法协调。曾经井然有序的工地变成了一片嘈杂混乱，协调一致的团队瞬间分崩离析。宏伟的巴别塔工程就此搁浅，人们带着各自不同的语言散向四方，再也无法重现那种完美的协作。这个古老的故事揭示了一个永恒的真理：无论多么宏伟的目标，无论多么强大的个体，如果缺乏共同语言，协作就无从谈起。今天，当我们面对AI智能体的协作难题时，会发现我们正在重新经历巴别塔的困境。但是，这些智能体要如何协作？它们如何理解彼此的意图，如何传递复杂的任务，如何确保协作的效率和准确性？这正是我们今天要讨论的主角——A2A协议要解决的核心问题。就像人类需要重新学会共同语言来重建巴别塔一样，现代的智能体网络也迫切需要一套"通天语言"。不过，要理解这套语言的重要性，我们得先搞清楚AI是如何一步步走到今天这个关键节点的。从对话到组织要理解A2A协议的重要性，我们需要先了解AI技术的发展轨迹。根据OpenAI的官方发展框架，AI的进化将经历五个明确的阶段，每个阶段都标志着AI能力的质的飞跃。第一阶段：对话式AI（Conversational AI）这是我们目前所处的阶段，代表是ChatGPT、Claude等大语言模型。它们擅长理解和生成自然语言，能够进行流畅的对话，回答各种问题，协助写作和分析。就像一位博学的助手，随时准备为你提供信息和建议，但它们的能力主要局限在语言层面的交互。第二阶段：推理者（Reasoners）这个阶段的AI将具备博士级别的问题解决能力，能够独立处理复杂的推理任务。它们不仅能理解问题，还能深入分析、逻辑推理，并给出经过深思熟虑的解决方案。OpenAI表示他们正接近达到这个水平，这意味着AI将从"聊天工具"真正演进为"智能合作伙伴"。第三阶段：智能体（Agents）在这个阶段，AI系统将具备真正的自主性，能够代表用户执行复杂任务，做出独立决策，并在较长时间内自主工作。它们不再只是回答问题，而是能够主动完成任务。比如，你对它说"帮我订一张去北京的机票"，它真的会去查询航班、比较价格、完成预订，甚至把登机牌发到你的邮箱。第四阶段：创新者（Innovators）第四阶段的AI将具备创新能力，能够协助发明新技术、提出原创想法，甚至推动AI研究本身的发展。它们将成为科学发现和技术突破的重要推动力，与人类研究者携手探索未知领域。第五阶段：组织（Organizations）这是AI发展的终极形态，AI系统将能够承担整个组织的工作，管理复杂的业务流程，做出战略决策，协调各种资源。在这个阶段，AI不再是工具或助手，而是能够独立运营的智能组织。按当下的进程来讲，我们正处在从第一阶段向第二、第三阶段过渡的关键时期。而A2A协议的出现，正是为了解决从单一智能体（第三阶段）向多智能体协作乃至智能组织（第五阶段）演进过程中的核心问题：这些智能体要如何协作？它们说着不同的"方言"，有着不同的工作方式，如何才能协调一致地完成复杂任务？通用语言 Agent to Agent协议（简称A2A协议）就是为了解决这个问题而生的。2025年4月，Google与50多家科技伙伴联合发布了这个协议，目标就是建立一个开放标准，让来自不同开发者、不同平台的智能体能够无缝对话与协作。

在小宇宙note 阅读完整内容