Agent-to-Agent 协议
flowchart LR
A["Agent-to-Agent 协议"]
A --> B["分类：工程与生产"]
A --> C["关键词：A2A"]
A --> D["关键词：ACP"]
A --> E["关键词：MCP"]
A --> F["关键词：Multi-Agent"]075 MCP 生态 讲了 Agent 怎么调工具的协议已经收敛。下一层问题是：当世界上有几千个 Agent 时，它们之间怎么发现彼此、怎么协商任务、怎么互相信任？ 这个层次在 2025-04 由 Google 推出 A2A 协议、2025-06 捐给 Linux Foundation 治理，到 2026-03 v1.0 production-ready，2026-04 一周年时已有 150+ 组织接入。
修订说明（2026-04-18）：本文一稿曾把 A2A 写成 “2026 Q1 才浮现的草案”、合作伙伴 50+ —— 都是过度保守的写法。A2A 已经走过完整一周年，是 2025–2026 跨年最快收敛的协议之一。
这篇文章会讲什么
- A2A (Agent-to-Agent) 是什么？谁在推？
- 它和 MCP 的关系——MCP 是 Agent ↔ Tool，A2A 是 Agent ↔ Agent
- 当前主流 A2A 方案对比：Google A2A、Anthropic 讨论中的 ACP、IBM Bee
- 企业现在该不该关注？什么时候该开始接？
- 它和 029 Multi-Agent 系统 的关系——传统 multi-agent 是单进程内，A2A 是跨进程 / 跨组织
先说结论
- A2A v1.0 在 2026-03 production-ready——一周年时已有 150+ 组织 接入（AWS、Microsoft、Salesforce、SAP、ServiceNow、Cisco 等首批，2026 H1 大量企业跟进）
- Linux Foundation 已是治理方（2025-06-23 起）——意味着这是开放标准，不是 Google 一家说了算
- 平台层已大规模集成：Microsoft 接入 Azure AI Foundry / Copilot Studio；AWS 接入 Bedrock AgentCore Runtime；Google Cloud 平台原生支持
- Anthropic / OpenAI 仍未公开表态加入——但 Anthropic 已通过 Claude Cowork / Microsoft Copilot Cowork 间接走 A2A 兼容路线
- 企业 Q2 的合理姿态变了：从”跟踪 + 不投生产”变成”该开始评估接入”——尤其供应链 / 金融 / 保险 / IT 运维已有公开生产案例
- 报告 ROI 中位数 171%（美国 192%）——agentic 系统接入 A2A 后的企业级回报数字
1. 为什么需要 A2A：MCP 解决不了的事
1.1 MCP 解决的是什么
回顾 075：MCP 是 Agent ↔ Tool 的协议。它让任何模型 / 主机能用同一套接口调用任何 tool（数据库、Sentry、Linear、Slack 等）。
[Agent / Model] ─MCP─► [Tool Server]Tool 是被动的——你调它它返回，没了。
1.2 Multi-Agent 场景下 MCP 不够用
设想几个 2026 Q2 已经在发生的场景：
- 一家公司的 HR Agent 想问财务公司的 Expense Agent：“这个员工 Q1 报销了多少？”
- 一家电商的 Order Agent 想委托物流公司的 Logistics Agent：“帮我安排这个订单的发货”
- 一家律所的 Research Agent 想调用另一家律所的 Specialist Agent 协作处理一个案子
- 一家公司的 IT Helpdesk Agent 想找另一个组的 Database Admin Agent 排查问题
这些场景里：
- 对方不是被动的 tool——它有自己的目标 / 状态 / 决策权
- 双方需要协商（任务定义、SLA、价格）
- 信任不是绑定的（不同组织、不同安全域）
- 任务可能持续很久，不是请求 / 响应
MCP 不是为这些设计的。
1.3 Agent ↔ Agent 的核心问题
| 问题 | 传统 multi-agent (单进程) | A2A 场景 (跨进程 / 组织) |
|---|---|---|
| 发现（怎么找到对方） | hardcode | 需要 directory / registry |
| 认证 / 信任 | 同一进程，无需 | 跨组织，需要 OAuth + signed identity |
| 协议 | 函数调用 | 网络协议 |
| 任务委托 | 简单调度 | 需要 negotiation + contract |
| 长任务 | 内存中等 | 异步、可恢复、可中断 |
| failure 处理 | exception | 需要 SLA / fallback / 重试策略 |
| 审计 | 同一日志 | 跨组织追溯 |
这套问题不是新问题——分布式系统已经处理了几十年。但把 Agent 作为一等公民，专门设计协议，是 A2A 在做的事。
2. Google A2A：当前最有体量的方案
2.1 是什么
- 2025-04-09 Google 正式推出 Agent2Agent Protocol (A2A)，首批 100+ 合作伙伴
- 2025-06-23 捐给 Linux Foundation，从此变成中立、社区治理的开放标准
- 2026-03 A2A v1.0 production-ready
- 2026-04（一周年）支持组织数破 150，跨 supply chain / 金融 / 保险 / IT 运维有公开生产部署
- 平台集成：Microsoft Azure AI Foundry / Copilot Studio、AWS Bedrock AgentCore Runtime、Google Cloud
核心设计：
- Agent Card：每个 Agent 有一张公开”名片”（JSON），列出它能做什么、需要什么 input、什么 SLA、怎么认证
- Discovery：通过 well-known URL（
/.well-known/agent.json）发现 Agent，类似 OAuth 2.0 的 discovery 机制 - Task Lifecycle：定义了 task 的状态机（submitted / working / input-required / completed / failed 等），比 RPC 复杂得多
- Streaming：原生支持长任务的中间状态推送（Server-Sent Events）
- Authentication：复用 OAuth 2.0 / OpenID Connect
2.2 一个最小 A2A 调用流程
1. Agent A 想找一个能"翻译合同"的 Agent
2. 通过 directory 发现 Agent B 提供这个能力
3. 读取 B 的 Agent Card：input = PDF, output = PDF, 价格 = $X / page, SLA = 24h
4. A 通过 OAuth 拿到 B 的 token
5. A 提交 task，B 返回 task ID + 初始状态
6. B 处理过程中通过 SSE 推送状态变化
7. B 完成后返回结果，A 验证、付款（如有）、记录审计日志这套流程本质是**“分布式 RPC + state machine + OAuth”**——没有银弹，是把已有 web 协议组装成”Agent-friendly”形态。
2.3 Google A2A 的优势 / 局限
优势：
- 体量大 / 合作伙伴广（150+）
- Linux Foundation 治理，已不是单家公司协议
- 设计时考虑了真实企业场景
- 与 OAuth 等 web 标准对齐
- 已有 Python / Go / TypeScript SDK
- v1.0 production-ready，已有跨行业生产案例
局限：
- Anthropic / OpenAI 仍未公开加入（虽然 Anthropic 已通过 Claude Cowork / Microsoft Copilot Cowork 间接兼容路线）
- 与 MCP 的边界仍在演进——大多数实际部署里两者一起用
- “大众消费级 Agent ↔ Agent” 还很少，主要是企业内部 / 跨企业 SaaS 集成
3. 其他方案
3.1 Anthropic ACP (讨论中)
Anthropic 在 2026 Q1 提到正在内部讨论”Agent Communication Protocol (ACP)“，但目前还没有公开规范。从社区线索看：
- 强调和 MCP 的对称性（MCP 是 model ↔ tool，ACP 应该是 model ↔ model / agent ↔ agent）
- 强调安全 / 信任边界
- 强调 long-running task 的状态管理
如果 Anthropic 推出 ACP，很可能成为 MCP 之后的另一个事实标准——因为 Anthropic 在协议设计上的影响力已经被 MCP 验证。
3.2 IBM Bee Agent Framework
IBM 在 2026 Q1 把内部 Bee 框架开源。它包含一套 A2A 协议（叫 Agent Communication Protocol，但和 Anthropic 讨论的是不同东西）。特点：
- 强调 enterprise 场景（治理、审计、合规）
- 与 watsonx 集成
- 设计上更偏 “agent orchestration” 而不是 “agent discovery”
体量不如 Google A2A，但在 IBM 客户群里会有影响。
3.3 LangChain / LangGraph 的 Multi-Agent Orchestration
LangChain 在 2026 Q1 推出了 LangGraph Platform，强化了 multi-agent orchestration 能力。但这不是 A2A 协议——它是单一 vendor 内的多 agent 编排框架。两者层次不同：
| 层 | 例子 | 解决什么 |
|---|---|---|
| Agent 框架内的多 Agent | LangGraph、CrewAI、AutoGen | 单进程 / 单 vendor 内的多 agent 协作 |
| Agent 之间的协议 | Google A2A、(未来) Anthropic ACP | 跨进程 / 跨组织的 agent 通信 |
3.4 OpenAI 暂时静默
OpenAI 到 2026 Q2 没有公开的 A2A 方案。它通过 Apps SDK 接入了 MCP，但 A2A 仍然观望。这是 A2A 没法叫事实标准的核心原因之一——OpenAI 的体量决定了任何协议没有它都不算”全球标准”。
4. A2A vs MCP：分工怎么看
┌─────────────────────────────────────────────────────────┐
│ Agent A │
│ │
│ ┌────────────────┐ │
│ │ Model │ │
│ │ (LLM) │ │
│ └────────┬───────┘ │
│ │ │
│ │ MCP │
│ ▼ │
│ ┌────────────────┐ ┌────────────────┐ │
│ │ Tool 1 │ │ Tool 2 │ │
│ │ (DB, Slack) │ │ (Linear) │ │
│ └────────────────┘ └────────────────┘ │
└────────────────────────┬────────────────────────────────┘
│ A2A
▼
┌─────────────────────────────────────────────────────────┐
│ Agent B │
│ │
│ ┌────────────────┐ │
│ │ Model │ │
│ │ (different) │ │
│ └────────────────┘ │
└─────────────────────────────────────────────────────────┘- MCP：在一个 Agent 内部，让模型能调用工具
- A2A：在多个 Agent 之间，让一个 Agent 能委托另一个 Agent 完成任务
它们不是替代关系，是叠加关系。未来一个企业 Agent 可能同时通过 MCP 接 100 个 tool + 通过 A2A 与 10 个外部 Agent 通信。
5. 当前不要做什么 / 应该做什么
5.1 不要做的事 (Q2)
- 不要重新发明轮子——你大概率不需要自己设计 Agent 协议；A2A v1.0 已经 production-ready
- 不要把所有 multi-agent 都套 A2A——单进程内的 orchestration 用 LangGraph / CrewAI / AutoGen 就够；A2A 是跨进程 / 跨组织
- 不要忽略 OAuth / 权限模型——A2A 的真正坑在权限边界，不在协议本身
5.2 应该做的事 (Q2)
- 如果你公司用 Microsoft 365 / Salesforce / SAP / ServiceNow / Atlassian：你的 vendor 大概率已经支持 A2A，先做 enable + 一两个跨 vendor 用例
- 如果你公司有跨部门 / 跨子公司 Agent 协作：A2A 是合规的协议化路径，不是”还得等”
- 跟踪 Anthropic / OpenAI 是否公开加入——这会决定 A2A 在消费级 Agent 生态的覆盖
- 关注 v1.0 之后的演进：Linux Foundation 路线图（A2A SIG）会决定下一阶段加什么、不加什么
6. 几个值得关注的真实场景
6.1 企业内跨部门 Agent 协作
不需要严格 A2A，但需要标准化。例子：
- HR Agent + IT Agent + Finance Agent 协作处理新员工 onboarding
- 这种场景在企业内部用 message queue + REST + OAuth 就能做，A2A 是规范化版本
6.2 跨企业 SaaS 集成
需要 A2A。例子：
- 你公司的 Sales Agent 想委托 Salesforce Agent 拿数据
- 你公司的 PM Agent 想委托 Atlassian Agent 创 Jira
Google A2A 的 50+ 合作伙伴包括了 Salesforce / Atlassian / Workday 等，这些场景是 A2A 的早期 killer use case。
6.3 Agent Marketplace
未来形态：
- 一个 directory 列出几千个第三方 Agent，每个都有 Agent Card
- 你的 Agent 可以根据任务自动找到合适的对方 Agent + 议价 + 委托
- 类似今天的 SaaS marketplace，但参与方是 Agent
这是 A2A 的最远期愿景，但 Q2 离这个还很远。
6.4 多 Agent 自动谈判
学术上已经有好几年研究（Game-theoretic agent negotiation），但商业落地需要 A2A 这种基础协议先成熟。
7. 与 Multi-Agent 系统 (029) 的关系
029 Multi-Agent 系统 主要讲的是单进程内的 multi-agent 协作（比如 CrewAI 里 5 个角色一起完成任务）。两者的关系：
| 维度 | 029 Multi-Agent | A2A |
|---|---|---|
| 范围 | 单进程 | 跨进程 / 跨组织 |
| 协议 | Function call | HTTP + JSON + OAuth |
| 信任 | 同一信任域 | 跨信任域 |
| 设计目标 | 任务分解 | 服务发现 + 委托 |
| 当前成熟度 | 较成熟 | 早期 |
未来它们会叠加：你单进程内仍然用 CrewAI / LangGraph / AutoGen 做 orchestration，但当某个子任务需要外部 Agent 时，通过 A2A 委托出去。
8. 几个仍未解决的难题
| 问题 | 现状 |
|---|---|
| Agent 间的”价格协商” | A2A 协议提到了，但没标准 |
| Agent 输出的”可验证性” | 一个 Agent 怎么验证另一个 Agent 给的结果是真的 |
| 跨 Agent 的状态一致性 | 长任务中间一方挂了怎么办 |
| Agent 身份标准化 | 类似 SSL 证书，谁来颁发 Agent 身份 |
| 审计和可追溯 | 跨组织 Agent 通信的合规审计 |
| ”恶意 Agent”防御 | 假装是合作 Agent 实际窃取数据的攻击 |
这些都需要时间。预测：到 2027 H1，A2A 才会有一个被广泛接受的标准生态。
9. 与其他主题的关系
- 与 029 Multi-Agent 系统 的关系：029 单进程，本文跨进程
- 与 075 MCP 生态 的关系：MCP 是 Agent ↔ Tool，A2A 是 Agent ↔ Agent，叠加关系
- 与 044b AI 安全 v2 的关系：跨 Agent 信任和恶意 Agent 防御都属于 AI 安全范畴
- 与 072 Hermes Agent 的关系：Hermes Agent 当前是单 Agent + 多 gateway，未来如接入 A2A 会扩展为”Agent 群”
- 与 065 OpenClaw 未来 的关系：A2A 是 OpenClaw 类自托管 Agent 走向”互联”的关键基础设施
小结
A2A 在 2026 Q2 已经走过完整一周年，到了”协议 + 治理 + 平台 + v1.0 + 生产案例”五项齐全的阶段：
- A2A 不是 MCP 的替代，是叠加层——MCP 解决工具调用，A2A 解决 Agent 互联
- Linux Foundation 治理 + 150+ 组织 + v1.0 production-ready——已经从”草案”过渡到”事实标准雏形”
- 企业姿态变了：从”跟踪 + 不投生产”变成”该评估接入”——尤其大企业内部跨部门 / 跨 vendor Agent 协作
- 真正缺席的还是 Anthropic / OpenAI 公开表态——但 Microsoft Copilot Cowork / Anthropic Claude Cowork 等产品已经间接走兼容路线
- 2026 H2 看点：Anthropic / OpenAI 是否正式加入、消费级 Agent 是否开始用 A2A、Agent Marketplace 雏形
如果一年前你说”Agent ↔ Agent 协议会收敛”，是预测；今天说，是事实。
延伸阅读
- 029 Multi-Agent 系统 — 单进程 multi-agent
- 075 MCP 生态 2026 Q2 — MCP 协议
- 044b AI 安全 v2 — 跨 Agent 信任与恶意 Agent
- Google A2A 官方 — A2A 协议规范
- IBM Bee Agent Framework — 企业级 multi-agent