谷歌将 A2A 捐赠给 Linux 基金会，但代码实现还得靠开发者自己？！
仅用于站内搜索，没有排版格式，具体信息请跳转上方微信公众号内链接
整理|褚杏娟
当地时间6月23日，在北美开源峰会上，Linux基金会宣布与亚马逊云科技(AWS)、思科、谷歌、微软、Salesforce、SAP和ServiceNow共同成立Agent2Agent（A2A）项目。该项目将由Linux基金会托管，初始捐赠内容是谷歌开发A2A协议规范、相关SDK以及开发工具。
A2A协议是谷歌在今年4月份推出的一项开放标准，支持不同AI智能体之间的通信与协作，打破目前限制人工智能潜力的“孤岛化”问题。谷歌联合Salesforce、Atlassian、LangChain等共同开发了该协议，目标是为不同厂商、不同框架的智能体建立一个通用的互操作标准。目前已有超过100家企业支持该协议。
谷歌方面表示，A2A项目将在Linux基金会中立治理模式下进行，这将确保该关键组件始终保持厂商中立、社区驱动。此举旨在通过一个强大开放的协作框架、知识产权管理机制与长期托管体系，加速A2A协议的开发与普及。
捐赠给基金会其实也是谷歌的“基本操作”，比如其在2015年将最初开发的Kubernetes捐赠给了CNCF，该组织由Linux基金会托管，从此Kubernetes的基础设施都转由CNCF社区运营。2018年，谷歌云向CNCF提供总值900万美元的云资源，用于支持Kubernetes及相关组件的持续集成、交付流水线与镜像仓库运营等。
不过，与Docker/Kubernetes这种可以直接开箱即用的项目不同，谷歌只捐赠了标准和SDK，开发者要开发产品还需要自己做逻辑实现等。
A2A比MCP野心更大？
AI智能体技术仍处于早期阶段，但各公司正热情探索其潜力，并渴望抢占先发优势。虽然不确定这些协议能存续多长时间，但Anthropic的MCP（模型上下文协议）采用速度非常快，包括谷歌、OpenAI都已采用。同时，微软最近宣布将采用谷歌的A2A来满足其智能体间通信需求。
其中，MCP规模扩张十分迅猛。根据网站PulseMCP统计，MCP其已经从2月份的500台MCP服务器增长到如今已超过4000台。
MCP标准化了大模型与外部工具、数据库和API的通信方式，主要解决将M个不同的大模型与N个不同的工具集成在一起的组合爆炸问题。它为大模型提供了关于外部服务能做什么以及需要什么数据的清晰上下文。MCP提出了一个标准的客户端-服务器架构，供大模型厂商和工具构建者采用。
谷歌的A2A则运作在更高层面，实现了多个智能体之间的顺畅交互。它确保通信安全、管理交互的状态和上下文、帮助智能体之间协商任务，并方便智能体间相互发现。本质上，A2A是协调多个专业智能体，以便它们高效行动、完成复杂任务。
A2A定义了一种基于HTTP的通信模型，其中代理被视为可互操作的服务。每个代理都公开一个“代理卡（AgentCards）”——一个机器可读的JSON描述符，详细说明了其身份、功能、端点和身份验证要求。
对此，有开发者认为，A2A非常符合谷歌的战略需求。“其核心在于：通过为所有代理建立索引，并利用代理卡解构它们所能提供的服务，这一做法最终可能将代理本身解构为可直接通过服务调用的标准化工具。若谷歌成功实现此目标，从长远看，可能会削弱MCP的地位。从架构角度看，A2A确实处于比MCP更高的层级。”
该开发者补充道，索引是谷歌的秘密武器，它决定了当一个代理请求服务时，哪些索引代理会被优先推荐。这实质上是在代理生态中引入了类似谷歌广告的竞价机制，影响巨大。然而，核心问题在于其宣称的“开放性”。如果协议的核心是代理索引，却只有谷歌的算法或其协调器能够访问和决定排名，那么这种“开放”就名不副实，本质上是在重新实现算法广告竞价模式——价高者得。
不过，谷歌官方将A2A定义为MCP的“补充”。简单来说，MCP将AI连接到工具，而A2A将AI连接到其他AI。它们共同构成了构建智能体系统的强大模块化基础。
虽然两者有差异，但如今仍有一些开发者表示，“还是不清楚这两个主要协议将如何共存。”对此，有开发者指出，造成混淆的原因在于A2A可以完成MCP所能做的一切。“MCP已经起飞，A2A现在需要参与其中。A2A能够脱颖而出的方式是，做一件MCP做不到的事情，并且做得非常好。如果能做到这一点，我认为它们就能很好地共存。”
MCP的优势在于其已适配了多个实用客户端，如Cursor、Claude。然而，有人认为A2A在集成不同客户端方面可能更具优势。这主要是因为A2A基于HTTP协议，对客户端的集成要求相对较低。相比之下，MCP的集成难度似乎更高，一个明显的例证是：同出自Anthropic开发的Claude桌面端，在MCP发布四个月后仍未完全支持其全部功能。这或许进一步佐证了MCP集成的复杂性，也表明A2A可能是一个更容易集成的方案。
另外，值得注意的是最初由IBM提出的ACP（代理通信协议）。它采用了完全不同的方法：完全基于本地优先的代理协调，不需要云；不使用HTTP和基于Web的发现，而是允许智能体在共享运行时内直接查找并相互通信。它非常适合以下情况：
带宽有限或需要低延迟（例如机器人或设备助手）；
注重隐私，想让一切都保持离线状态；
部署在与互联网隔绝的环境（如工厂车间、边缘节点）。
ACP并非试图与A2A竞争，它只是填补了不同的市场空白。但在某些情况下，尤其是在严格控制的环境中，ACP可能会完全取代A2A，因为它跳过了Web原生协议的开销，只需在本地完成工作。
真的需要这些协议吗？
采用协议应当是因为我们需要它们，而非仅为采用而采用。
近期，YCombinator的普通合伙人PeteKoomen指出，虽然他们构建了许多AI智能体来帮助运营公司，但这些智能体都不依赖MCP或A2A。
AndreessenHorowitz的合伙人YokoLi则认为，AI模型前景光明，最终将通过代替我们做很多事情来重塑行业。但就目前而言，这个技术尚未完全成熟。大模型会遗忘信息，对可用的工具及其使用方法感到困惑，这就是为什么我们需要“程序层（procedurelayers）”来帮助它们达到目标。像MCP和A2A这样的协议，目前就扮演着“手把手指导（hand-holding）”工具的关键角色，协助智能体及其背后的大模型处理它们各自无法独立完成的任务。
简单的智能体工作流可能不需要它们，但复杂的工作流，尤其是涉及多个AI智能体的工作流则需要。
谷歌云的应用总监兼A2A的共同创造者MikuJha强调，企业只有在相信代理技术像现有企业工具一样可靠时，才会采用智能体驱动的工作流。尽管生成式AI在很多方面令人印象深刻，但可靠性并不是它的强项之一。这就是A2A的初衷。
另外，智能体应用的ROI衡量目前是较为困难的。
企业通常通过两种主要方式利用代理：一是对现有工作流进行现代化改造，二是为产品启用新的用户交互方式。一旦确定了使用方式，企业就必须评估智能体生成的输出内容是否符合其质量标准，以及是否能转化为切实的成本节约或收入增长。
Jha强调，企业常常犯这样的错误：在探索代理技术时，先选择特定的工具，比如MCP或A2A，而不是先清晰地定义用例和成功标准。她建议反过来做：企业在对智能体技术进行大量投资之前，应该先确定自己的用例，以及从业务价值意义上的成功标准。
然而，针对智能体驱动系统的监控和衡量机制仍不完善。即使是基本的可靠性概念，如衡量AI系统提供的正常运行时间达到“几个九”，或者定义服务级别协议（SLAs），都仍处于早期阶段，而评估生成式AI的输出则更为棘手。在上一届SREConAmericas会议上，当听众得知微软正在使用NPS（净推荐值）来衡量AI模型的性能时，都感到十分震惊。
MCP和A2A两种协议在安全性和复杂性方面也带来了新的担忧。MCP的开放工具调用必须经过仔细的沙盒处理，A2A在智能体之间开放了许多端点，因此身份验证（OAuth、API密钥等）和授权（RBAC、令牌）至关重要。
因此，在实际应用中，开发者需要考虑的真正问题是：
如何在自己的系统中结合这些框架？
下一个智能体能否要使用MCP链接工具，然后使用A2A跨服务进行协作？
自己的大模型是否已为这个新的、更加开放的智能体生态系统做好准备？
Li还指出，在一些场景中，传统ROI衡量可能失效或根本不适用。她提到AI伴侣是一个巨大的市场，并且消费者可能处于一种“他们以前不知道自己需要AI伴侣，但现在却离不开它”的境地。在这种情况下，如何衡量ROI呢？
这些协议将帮助智能体达到更高的可靠性，这可能给公司项目带来有价值的改变。但目前，只有约5%的生成式AI项目转化为盈利产品，可见前路依然漫长。
参考链接：
https ://developers. googleblog.com/en/google-cloud-donates-a2a-to-linux-foundation/?_gl=1
https ://medium. com/@elisowski/what-every-ai-engineer-should-know-about-a2a-mcp-acp-8335a210a742
https ://www. infoq.com/news/2025/04/google-agentic-a2a/
https ://thenewstack. io/why-are-agent-protocols-like-mcp-and-a2a-needed/
https ://www. youtube.com/watch?v=5hKhNJUncKw
声明：本文为AI前线整理，不代表平台观点，未经许可禁止转载。
活动推荐
6月27～28日的AICon北京站将继续聚焦AI技术的前沿突破与产业落地，围绕AIAgent构建、多模态应用、大模型推理性能优化、数据智能实践、AI产品创新等热门议题，深入探讨技术与应用融合的最新趋势。欢迎持续关注，和我们一起探索AI应用的无限可能！
今日荐文
印裔1号位删Karpathy团队90%代码、算力暴涨50倍！马斯克Robotaxi10年终上线，30元乘车体验刷屏
字节张一鸣重回一线？消息人士：不存在；MiniMax被曝将赴港IPO；Ilya拒绝扎克伯格公司收购后其CEO被挖走|AI周报
AI编码工具双雄也开始商业互捧了？Cursor×Claude最新对谈：两年后，几乎100%代码都将由AI生成！
AndrejKarpathy爆火演讲刷屏技术圈：AI开启软件3. 0，重写一切的时代来了！
小扎疯狂挖角OpenAI、签约跳槽就发7亿奖金，奥特曼痛批：不懂创新，老“复制”人了
你也「在看」吗？👇
