A2A : Google publie un protocole ouvert pour la communication entre les intelligences artificielles

Dernières ressources sur l'IAPosté il y a 4 mois Cercle de partage de l'IA

1.5K 00

Introduction générale

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。

Liste des fonctions

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。
offrirAgentCard，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。

Utiliser l'aide

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。
Télécharger le code
Entrez dans la ligne de commande :

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

下载后进入目录：

cd A2A

Installation des dépendances
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

Si ce n'est pas le casrequirements.txt，进入samples/python/common查看具体依赖。

exemple de fonctionnement
仓库提供多个示例。以Python的“费用报销”智能体为例：

entrer danssamples/python/agents/google_adk.
établir.env文件，填入配置（如端口号，详见README）。
La course à pied :
```
python main.py
```

这会启动一个基础的A2A服务器。

Principales fonctions

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}"}}

Démarrer le serveur
Mise en œuvre :
```
agent = EchoAgent()
agent.run(host="0.0.0.0", port=8080)
```
其他智能体可通过http://localhost:8080/a2aAccès.

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
utiliserA2AClient连接：

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

envoyer un message
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：

Soumission des mandats
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：

utilisertasks/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

adjuvantpushNotifications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。

mise en garde

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

scénario d'application

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。
tests de développement
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。
Est-il gratuit ?
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 Anthropique 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。

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, Cohère 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。