AI 协议

原始素材：8-人工智能/8.13-ai-protocols.md

核心问题

AI Agent 如何与外部世界"对话"？ 就像互联网需要 HTTP 协议，AI Agent 也需要标准化的通信协议。本章介绍两个最主流的 Agent 协议：MCP 和 A2A，它们分别解决了 AI 与工具、Agent 与 Agent 之间的通信问题。

0. 什么是协议？

在计算机领域，协议（Protocol） 是一套标准化的规则和约定，让不同的系统、程序能够相互"理解"和"通信"。

0.1 为什么需要协议？

想象一个场景：你给朋友寄快递，需要填写地址。如果每个人写的地址格式都不一样，快递员就没法投递。协议就是规定了"地址怎么写"的标准——省、市、区、街道、门牌号，按这个格式写，谁都能看懂。

计算机也是一样。两个程序要通信，必须约定好：

• 数据格式是什么？（JSON？二进制？）
• 怎么建立连接？（握手流程）
• 出错了怎么办？（错误处理）

0.2 计算机中常见的协议

这些协议构成了互联网的基石。没有它们，你无法浏览网页、发送邮件、观看视频。

0.3 协议的价值

协议的核心价值是标准化 和互操作性 ：

• 标准化 ：大家都按同一套规则办事，减少沟通成本
• 互操作性 ：不同厂商、不同技术栈的系统可以无缝对接

比如 HTTP 协议，让 Chrome 浏览器可以访问 Nginx 服务器，让 Python 爬虫可以抓取 Java 网站的数据。不需要 Chrome 和 Nginx 互相"认识"，只要都遵守 HTTP 协议就行。

0.4 AI Agent 也需要协议

AI Agent 要真正"干活"，需要：

• 调用外部工具（查天气、发邮件、操作数据库）
• 与其他 Agent 协作（分工合作完成复杂任务）

这就需要标准化的协议来规定"AI 怎么调用工具"、"Agent 之间怎么对话"。这就是 MCP 和 A2A 的由来。

1. Agent 协议的层次

在深入了解具体协议之前，让我们先看看 Agent 生态中的通信层次：

逐行解读这张表

第1层（Function Call） ：这是大模型最基础的能力——通过输出结构化数据（JSON）来触发函数执行。它是"协议"的基础，但本身更像是一种能力而非标准协议。

第2层（MCP） ：Model Context Protocol，由 Anthropic 于 2024 年 11 月发布。它标准化了 AI 与外部工具、数据源的连接方式，就像 USB-C 统一了各种设备的充电接口。

第3层（A2A） ：Agent-to-Agent Protocol，由 Google 于 2025 年 4 月发布。它让不同的 Agent 能够相互发现、通信和协作，就像企业微信让同事之间可以发任务、聊天。

本章重点介绍第 2、3 层的两个正式协议：MCP 和 A2A。

2. MCP (Model Context Protocol)

2.1 协议基本信息

为什么叫"Context Protocol"？

Context（上下文） 是大模型理解任务的关键。MCP 的核心思想是：让 AI 能够动态获取所需的上下文信息 ，而不是把所有信息都塞进 Prompt。

比如，AI 需要读取一个文件时，不需要你把文件内容复制粘贴给它，而是通过 MCP 直接访问文件系统。

2.2 发布的背景

2024 年，随着 Claude 3.5 Sonnet 的发布，Anthropic 发现一个问题：每个工具都要单独集成 。

想象一下：

• 你想让 AI 读取 GitHub 仓库 → 要写 GitHub 集成代码
• 你想让 AI 查询数据库 → 要写数据库集成代码
• 你想让 AI 操作文件系统 → 要写文件系统集成代码

每个集成都要重复写类似的代码：认证、错误处理、数据转换……

Anthropic 在官方博客中写道：

"We're introducing the Model Context Protocol (MCP), an open protocol that standardizes how applications provide context to LLMs."

核心目标 ：让工具开发者写一次代码，所有支持 MCP 的 AI 应用都能使用。

2.3 MCP 是什么？

MCP 是什么？

MCP（Model Context Protocol）是 Anthropic 于 2024 年 11 月推出的AI 与外部工具连接的统一标准 。它让 AI 应用可以调用外部工具、读取资源数据、使用预定义提示，就像给 AI 装上了"手"和"眼睛"。

三大核心能力 ：

2.4 MCP 的内部实现

MCP 内部实现客户端-服务器架构的通信细节

为什么 MCP 这么火？MCP 之前 AI 只能"看"和"说"，有了 MCP，AI 终于可以"动手"了。

如何使用 MCP？只需要配置一个 mcp.json 文件即可在 IDE 中使用。

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/home/user/projects"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": { "GITHUB_TOKEN": "your-token-here" }
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres"],
      "env": { "DATABASE_URL": "postgresql://user:pass@localhost/db" }
    }
  }
}

Skills 正在替代 MCP？随着 Skills 的普及，越来越多场景使用 Skills 替代 MCP。Skills 更轻量、更易编写。MCP 更适合复杂工具集成、多客户端复用的场景。

如何实现一个 MCP Server？

weather-mcp-server.js

import { Server } from '@modelcontextprotocol/sdk/server/index.js'
import { StdioServerTransport } from '@modelcontextprotocol/sdk/server/stdio.js'

// 1. 创建 MCP Server
const server = new Server({
  name: 'weather-server',
  version: '1.0.0'
}, {
  capabilities: { tools: {} }
})

// 2. 定义工具列表
  tools: [{
    name: 'get_weather',
    description: '获取指定城市的天气信息',
    inputSchema: {
      type: 'object',
      properties: {
        city: { type: 'string', description: '城市名称' }
      },
      required: ['city']
    }
  }]
}))

// 3. 实现工具调用逻辑
server.setRequestHandler('tools/call', async (request) => {
  const { name, arguments: args } = request.params

  if (name === 'get_weather') {
    // 调用你的天气 API
    const response = await fetch(
      `https://api.weather.com/v1/current?city=${args.city}`
    )
    const data = await response.json()

    return {
      content: [{
        type: 'text',
        text: JSON.stringify(data)
      }]
    }
  }
})

// 4. 启动服务（stdio 方式）
const transport = new StdioServerTransport()
await server.connect(transport)

通信流程（4 步）：1. 握手（initialize） — MCP Server 启动时向 Client 发送握手请求，声明协议版本和能力 (Server → Client)

{
  "jsonrpc": "2.0", "id": 1, "method": "initialize",
  "params": {
    "protocolVersion": "2024-11-05",
    "capabilities": { "tools": {}, "resources": {}, "prompts": {} },
    "serverInfo": { "name": "filesystem", "version": "1.0.0" }
  }
}

技术深究：JSON-RPC 2.0 消息格式

// 请求：{"jsonrpc": "2.0", "id": 1, "method": "tools/call", "params": {...}}
// 成功响应：{"jsonrpc": "2.0", "id": 1, "result": {...}}
// 错误响应：{"jsonrpc": "2.0", "id": 1, "error": {"code": -32600, "message": "Invalid Request"}}

JSON-RPC 2.0 是无状态协议，每个请求都需要包含 id 用于匹配响应。

技术深究：MCP 核心 API

2.5 类比理解：USB-C 接口

MCP 就像 USB-C 接口 ：

• 以前 ：每个设备都有自己的充电口（圆口、扁口、磁吸……）
• 现在 ：USB-C 统一了所有设备的充电和数据传输
• MCP ：统一了 AI 与所有工具的连接方式

工具开发者只需要实现一次 MCP Server，所有支持 MCP 的 AI 应用（Claude、Cursor、Windsurf 等）都能直接使用。

2.6 MCP 的典型应用场景

实际案例 ：

• Cursor/Windsurf ：通过 MCP 连接文件系统、Git、终端
• Claude Desktop ：通过 MCP 连接笔记软件、邮件客户端
• 自动化脚本 ：让 AI 执行自动化任务（备份、部署、数据同步）

3. A2A (Agent-to-Agent Protocol)

3.1 协议基本信息

为什么是 Google 发起？

Google 在 Cloud Next 2025 大会上发布 A2A，与其企业级 AI 战略密切相关。

Google 认为：未来的企业 AI 不是单个超级 Agent，而是多个专业 Agent 协作 ——有的负责数据分析，有的负责代码生成，有的负责文档处理。

这些 Agent 需要一种标准化的方式相互通信，A2A 应运而生。

3.2 发布的背景

MCP 解决了"AI 如何连接工具"的问题，但还有一个问题：多个 Agent 如何协作？

想象一个场景：

• Agent A 是"需求分析专家"
• Agent B 是"代码生成专家"
• Agent C 是"测试专家"

用户说："帮我开发一个登录功能"

Agent A 分析需求后，需要把任务分配给 Agent B；Agent B 写完代码后，需要让 Agent C 测试。它们之间如何通信？

Google 在官方博客中写道：

"A2A is an open protocol that enables AI agents to communicate with each other, facilitating collaboration across different frameworks and vendors."

核心目标 ：让不同厂商、不同框架开发的 Agent 能够无缝协作。

3.3 A2A 是什么？

A2A（Agent-to-Agent Protocol）是 Google 于 2025 年 4 月推出的 Agent 之间相互协作的通信标准，让不同厂商、不同框架的 Agent 能够相互发现、分配任务、交换信息。

3.4 A2A 的内部实现

A2A 内部实现对等网络架构的通信细节

A2A 可以做什么？让多个 AI Agent 相互协作，每个 Agent 做自己擅长的事。

A2A 协议于 2025 年 4 月发布，目前还在快速发展中。建议关注官方文档获取最新进展。

通信流程（5 步）：1. 发现（agents/get） — Agent 之间通过 HTTP 获取对方 Agent Card

GET /.well-known/agent.json
→ {"name": "Code Agent", "url": "...", "version": "1.0.0", "capabilities": {...}, "skills": [...]}

技术深究：Agent Card 名片格式（/.well-known/agent.json）

{
  "name": "代码生成 Agent", "description": "专业的前后端代码生成 Agent",
  "url": "https://code-agent.company.com", "version": "1.0.0",
  "capabilities": { "streaming": true, "pushNotifications": true },
  "skills": [
    { "id": "frontend", "name": "前端开发", "description": "React/Vue/Angular" },
    { "id": "backend", "name": "后端开发", "description": "Node/Python/Go" }
  ],
  "authentication": { "schemes": ["Bearer", "OAuth2"] }
}

技术深究：HTTP + SSE 通信

// 任务发送 (HTTP POST)
POST /tasks/send → {"id": "task-001", "message": {"role": "user", "parts": [{"type": "text", "text": "写一个登录接口"}]}}

// 实时推送 (SSE)
GET /tasks/task-001/sse → event: progress | data: {"status": "processing", "progress": 50}
                       → event: completed | data: {"status": "completed", "result": {...}}

技术深究：A2A 核心 API

技术深究：认证机制

3.5 类比理解：企业微信

A2A 就像 企业微信 ：

• Agent Card ：每个人的名片，显示姓名、部门、职责
• 发任务 ：@某人，分配一个任务
• 聊天沟通 ：任务执行过程中可以随时沟通
• 任务追踪 ：能看到任务的进度和状态

不同的 Agent 就像不同的同事，A2A 让它们能够协作完成复杂项目。

3.6 A2A 的典型应用场景

实际案例 ：

• Google Agent Space ：企业内部多个 Agent 协作处理文档、邮件、日程
• 软件开发团队 ：需求 Agent → 代码 Agent → 测试 Agent → 部署 Agent
• 智能客服系统 ：接待 Agent → 专业解答 Agent → 人工转接 Agent

4. MCP vs A2A：对比与关系

4.1 核心差异

4.2 两者的关系

MCP 和 A2A 不是竞争关系，而是互补关系 ：

MCP vs A2A — AI Agent 两大协议的定位差异。想象你在一座商场：MCP 像"统一插座标准"，让各种电器都能插上使用；A2A 像"内部对讲系统"，让不同店铺之间可以协作。

核心思想： MCP 和 A2A 不是竞争关系，而是互补关系。MCP 解决"AI 如何获取外部能力"，A2A 解决"多个 AI 如何协作"。

4.3 如何选择？

5. 协议的未来趋势

5.1 生态发展

MCP 生态 （截至 2025 年初）：

• 官方提供的 Server：文件系统、SQLite、Git、PostgreSQL 等
• 社区贡献的 Server：Slack、Notion、Figma、Stripe 等
• 支持 MCP 的应用：Claude Desktop、Cursor、Windsurf、Zed 等

A2A 生态 （刚发布）：

• Google 自家的 Agent 产品率先支持
• 开源社区正在开发各种语言的 SDK
• 企业级应用正在探索中

5.2 标准化进程

目前 Agent 协议还处于"战国时代"：

• MCP 和 A2A 是最主流的两个
• 还有其他新兴协议如 ANP、AGP 等
• 未来可能会融合或统一

类比互联网的发展：

• 早期：各种局域网协议并存
• 后来：TCP/IP 成为标准
• 现在：Agent 协议可能也会走向统一

6. 小结

核心要点

关键洞察 ：

1. MCP 解决"AI 如何获取外部能力"的问题
2. A2A 解决"多个 AI 如何协作"的问题
3. 两者互补，未来可能会融合使用
4. 选择协议要根据具体场景，没有银弹

参考资料

1. MCP 官方文档 : modelcontextprotocol.io
2. MCP GitHub : github.com/modelcontextprotocol
3. Anthropic 发布博客 : "Introducing the Model Context Protocol" (2024-11-25)
4. A2A 官方文档 : google.github.io/A2A
5. A2A GitHub : github.com/google/A2A
6. Google Cloud Blog : "Announcing the Agent-to-Agent Protocol" (2025-04-09)