A2A：谷歌发布AI智能间通信的开放协议-首席AI分享圈

🚀邀请体验：中国首家 AI IDE 智能编程软件 Trae 中文版下载，不限量使用 DeepSeek-R1 和 Doubao-pro!

综合介绍

A2A（Agent2Agent）是谷歌开发的一个开源协议，目的是让不同框架或厂商开发的AI智能体能够互相通信和协作。它提供了一套标准化的方法，让智能体可以发现彼此的能力、分担任务并完成工作。A2A解决的核心问题是企业AI中智能体无法互通的难题。项目托管在GitHub上，代码免费开放，任何人都可以下载使用或参与开发。目前已有50多家公司支持这一协议，包括Salesforce和SAP。谷歌希望通过A2A为智能体建立通用语言，推动多智能体协作落地。

A2A：谷歌发布不同AI智能间通信的开放协议-2

功能列表

支持智能体间任务创建、分配和状态跟踪，适合长时间任务处理。
提供AgentCard，以JSON格式记录智能体的能力、地址和认证要求。
兼容多种交互形式，包括文字、表单、双向音视频。
支持异步任务处理，智能体可在后台运行。
提供流式传输功能，通过SSE（服务器推送事件）实时更新任务状态。
支持推送通知，智能体可主动向客户端发送任务进展。
确保通信安全，保护智能体间的数据交换。

使用帮助

A2A是一个开源协议，使用前需要一定的编程知识。以下是详细步骤，帮助你快速上手。

获取和安装

访问GitHub仓库
打开https://github.com/google/A2A，这是A2A的官方页面。首页的README介绍了项目背景和基本指引。
下载代码
在命令行输入：

git clone https://github.com/google/A2A.git

下载后进入目录：

cd A2A

安装依赖
A2A支持Python和JavaScript。以Python为例，需安装Python 3.8+，然后运行：

pip install -r requirements.txt

如果没有requirements.txt，进入samples/python/common查看具体依赖。

运行示例
仓库提供多个示例。以Python的“费用报销”智能体为例：

进入samples/python/agents/google_adk。
创建.env文件，填入配置（如端口号，详见README）。
运行：
```
python main.py
```

这会启动一个基础的A2A服务器。

主要功能操作

1. 搭建A2A服务器

A2A的核心是让智能体运行一个服务器。步骤如下：

编写智能体代码
在Python中，继承A2AServer类。例如，一个简单回声智能体：

from common.server import A2AServer
class EchoAgent(A2AServer):
def handle_message(self, message):
return {"content": {"text": f"回声: {message.content.text}"}}

启动服务器
执行：
```
agent = EchoAgent()
agent.run(host="0.0.0.0", port=8080)
```
其他智能体可通过http://localhost:8080/a2a访问。

2. 连接其他智能体

A2A支持客户端与服务器通信：

创建客户端
使用A2AClient连接：

from common.client import A2AClient
client = A2AClient("http://localhost:8080/a2a")

发送消息
发送一条消息：

message = {"content": {"text": "测试消息"}, "role": "user"}
response = client.send_message(message)
print(response["content"]["text"])

3. 使用AgentCard发现能力

每个智能体都有一个AgentCard，记录其功能：

获取方法：
```
curl http://localhost:8080/a2a/card
```
返回的JSON包括智能体名称、能力描述和支持的操作。

4. 处理任务

A2A支持任务管理：

提交任务
发送任务请求：

task = {"task_type": "analyze", "data": "示例数据"}
task_id = client.submit_task(task)

跟踪状态
查询任务进展：

status = client.get_task_status(task_id)
print(status)  # 如：submitted, working, completed

5. 流式传输

对于支持streaming的服务器，客户端可实时接收更新：

使用tasks/sendSubscribe提交任务。

服务器通过SSE返回状态或结果，例如：

event: TaskStatusUpdateEvent
data: {"task_id": "123", "state": "working"}

6. 推送通知

支持pushNotifications的服务器可主动通知客户端：

设置webhook：

client.set_push_notification_webhook("https://your-webhook-url")

服务器会在任务更新时推送消息。

注意事项

建议使用虚拟环境运行，避免依赖冲突。
示例代码在samples目录，涵盖多种框架，如CrewAI、LangGraph。
如需帮助，可在GitHub的Discussions提问。

通过这些步骤，你可以搭建并运行A2A智能体，体验其通信能力。

JSON 格式协议文件

https://github.com/google/A2A/blob/main/specification/json/a2a.json

应用场景

企业任务协作
一个财务智能体收集报销单据，另一个审批智能体审核，A2A让它们无缝协作，完成流程自动化。
跨平台客服
一个智能体处理文字咨询，另一个处理语音请求，A2A确保它们共享信息，提升效率。
开发测试
开发者用A2A模拟多智能体环境，测试协议或框架的兼容性。

QA

A2A支持哪些语言？
官方示例用Python和JavaScript，但协议是语言无关的，可用其他语言实现。
它是免费的吗？
是的，A2A完全开源，代码免费，但运行可能需要服务器费用。
如何改进协议？
在GitHub提交Issues，或通过Google表单提供私密反馈。

A2A 协议：谷歌押注 AI Agent 互联互通的未来？

人工智能（AI） Agent 正从概念走向企业应用的现实，它们被寄予厚望，能够自主处理重复性或复杂的任务，从而提升生产力。从自动化 IT 支持到优化供应链规划，企业内部署 AI Agent 的案例日益增多。然而，一个关键瓶颈随之浮现：这些来自不同供应商、构建在不同框架上的 Agent 如何有效协作？

当前的 AI Agent 往往像信息孤岛，难以跨越系统和应用程序的边界进行交互。这极大地限制了它们发挥更大价值的潜力。为了打破这种局面，Google Cloud 近日联合 Atlassian, Salesforce, SAP, ServiceNow 等超过 50 家技术合作伙伴及服务提供商，共同推出了一项名为 Agent2Agent (A2A) 的开放协议。

打破藩篱：A2A 协议的核心目标

A2A 协议旨在为 AI Agent 提供一种标准的通信方式，使它们能够安全地交换信息、协调行动，无论其底层技术或开发商是谁。这听起来像是为日益碎片化的 AI Agent 生态系统建立一套通用的“语言”和“规则”。

与仅仅作为另一个工具被调用不同，A2A 试图让 Agent 之间能够进行更自然的、非结构化的协作。这对于处理需要多个 Agent 接力完成、跨越数小时甚至数天的复杂任务至关重要。想象一下，招聘经理只需向其个人 Agent 下达指令，该 Agent 就能自动与其他专门负责筛选简历、安排面试、甚至进行背景调查的 Agent 协作，全程无需人工干预不同系统。

值得注意的是，A2A 并非凭空创造，而是建立在现有的 HTTP, SSE, JSON-RPC 等成熟标准之上。这降低了企业将其集成到现有 IT 架构中的门槛。同时，该协议强调安全性，支持企业级的认证和授权方案。此外，对文本、音频、视频等多种模态的支持，也预示着其未来应用的广阔性。

Google 方面表示，A2A 的设计借鉴了其内部大规模部署 Agent 系统的经验，并旨在补充 Anthropic 推出的 Model Context Protocol (MCP)。如果说 MCP 侧重于为 Agent 提供必要的工具和上下文信息，那么 A2A 则更专注于 Agent 之间的直接通信和协作流程。

A2A 如何运作？

根据公布的规范草案，A2A 的交互围绕“客户端 Agent”（发起任务）和“远程 Agent”（执行任务）展开。

A2A：谷歌发布不同AI智能间通信的开放协议-2

其核心机制包括：

能力发现 (Capability discovery): 远程 Agent 通过 JSON 格式的“Agent Card”声明自身能力，帮助客户端 Agent 找到合适的协作者。这类似于一种 Agent 的“黄页”。
任务管理 (Task management): 交互以完成“任务”为导向。协议定义了任务对象及其生命周期，支持即时完成和需要状态同步的长时任务。任务的产出被称为“工件 (artifact)”。
协作 (Collaboration): Agent 间通过发送消息来传递上下文、回复、工件或用户指令。
用户体验协商 (User experience negotiation): 消息包含不同类型的内容“部分 (parts)”，允许 Agent 协商所需的内容格式（如 iframe, 视频, Web 表单等），以适应最终用户的界面能力。

一个具体的例子是前面提到的软件工程师招聘场景。用户的 Agent（客户端）可以发现并连接处理招聘平台数据的 Agent（远程）、负责安排面试日历的 Agent（远程）以及后续处理背景调查的 Agent（远程），通过 A2A 协议协调它们共同完成招聘流程。

生态与挑战：开放协议的战略考量

Google Cloud 选择以开放协议的形式推出 A2A，并联合如此众多的行业伙伴，其战略意义不言而喻。

首先，这体现了 Google 试图在 AI Agent 领域建立标准、掌握主导权的雄心。通过开放协议吸引广泛参与，可以加速形成围绕 Google Cloud 的 Agent 生态系统，对抗其他可能构建封闭体系的竞争对手。

其次，对于企业客户而言，一个统一的、开放的互操作性标准无疑是受欢迎的。它意味着更高的灵活性，可以混合搭配来自不同供应商的最佳 Agent，避免被单一平台锁定，并有望降低长期集成成本。众多合作伙伴（从 Box, Cohere 到 SAP, Workday，再到 Accenture, Deloitte 等咨询巨头）的早期支持，也印证了市场的期待。这些合作伙伴的积极参与是 A2A 能否成功的关键因素，它们不仅提供了技术验证，更重要的是将推动协议在各自平台和客户项目中的实际应用。

然而，协议的成功并非板上钉钉。挑战依然存在：

采纳速度与广度: 协议的价值在于广泛采纳。能否说服足够多的开发者和企业真正使用 A2A 标准构建和集成 Agent，仍有待观察。
标准演进与维护: 开放标准需要持续的社区投入和有效的治理机制，以适应快速发展的 AI 技术。
实际效果验证: 协议在处理极其复杂的现实世界协作任务时的健壮性、效率和安全性，还需要在生产环境中得到充分检验。

A2A 的发布，标志着业界在解决 AI Agent 互操作性难题上迈出了重要一步。虽然目前还处于草案阶段，计划于今年晚些时候推出生产就绪版本，但它描绘了一个 AI Agent 能够跨越边界、协同工作的未来图景。Google 及其合作伙伴能否将这一愿景变为现实，将对企业自动化和 AI 应用的未来产生深远影响。

A2A：谷歌发布AI智能间通信的开放协议