V
Member
如今,一套认真落地的 AI 智能体,底层往往会同时碰到两套开放协议。MCP(Model Context Protocol,模型上下文协议)回答的是:智能体怎样调用工具、读取数据。A2A(Agent2Agent,智能体到智能体协议)回答的是:一个独立智能体怎样与另一个智能体协作。它们不是互相取代的竞争关系,而是互补的两层——向外用 A2A 与其他智能体协作,向内用 MCP 连接工具与数据。Google 在 2025 年 4 月 9 日公布 A2A 时,就明确写出:它补充 Anthropic 的 MCP。
理解这一点很重要。MCP 解决的是「一个智能体如何获得上下文」:目录、文件、接口,以及其他可调用的能力。A2A 解决的是「两个彼此独立的智能体如何发现对方并一起完成一项工作」。同一智能体完全可以同时说这两种协议。下面依据官方规范与公告,按日期说明它们各自做什么、如何衔接,以及怎样一步步走到今天。
MCP:智能体如何抵达工具与数据
MCP 由 Anthropic 于 2024 年 11 月 25 日开源。在这套客户端—服务器架构里,AI 应用作为宿主(host),通过内部的 MCP 客户端与 MCP 服务器通信。服务器对外提供三类基本能力:模型可以调用的工具(tools)、可以读取的资源(resources),以及可以复用的提示词(prompts)。本地服务器通常使用 stdio;远程服务器使用基于 JSON-RPC 2.0 的 Streamable HTTP。授权机制围绕 OAuth 2.1 逐步完善。简单地说,宿主里的模型并不直接去翻本地文件或调用外部接口,而是向 MCP 服务器提出请求:调用某项工具,或读取某项资源。服务器再把结果交回给智能体。规范见 MCP 官方规范。
它的演进,可以从五次标注了日期的修订里看得很清楚:
2024-11-05:基线版本,确立工具、资源、提示词,以及能力协商。双方先声明自己支持什么,再开始工作。
2025-03-26:引入 OAuth 2.1,用 Streamable HTTP 取代 HTTP+SSE,并增加工具注解。远程调用和授权在这一版被明显补强。
2025-06-18:增加结构化工具输出,以及 elicitation(服务器可在调用中途询问用户);同时移除 JSON-RPC 批处理。此后,工具不仅可以返回更规整的结果,也可以在中途停下来向人提问。
2025-11-25:实验性 tasks、URL 模式的 elicitation,以及更丰富的授权发现。
2026-07-28:转向无状态核心——不再需要会话握手,新增 server/discover 调用,并以 Multi Round-Trip Requests 取代由服务器主动发起的请求。
也就是说,MCP 先把「智能体如何稳定地使用工具与数据」这一层打开,再在随后将近两年里,把远程传输、授权、中途询问用户,以及无状态发现逐步补齐。
A2A:独立智能体如何彼此协作
A2A 是面向独立智能体的协议。Google 于 2025 年 4 月 9 日公布,并明确将其定位为 MCP 的补充。远程智能体发布一份 Agent Card(智能体名片),写明身份、技能、端点以及如何认证。其他智能体先读这张名片,再决定能否把工作交给对方。工作的基本单位是 Task(任务):消息(Messages)进入,产物(Artifacts)返回。客户端可以流式接收更新,也可以通过推送通知获取进展,或自行轮询(Get Task)。规范见 A2A 官方规范。
根据 A2A 规范,一项 Task 有清晰的生命周期。任务先进入 submitted(已提交),表示对方已经受理;再进入 working(进行中),表示工作正在执行;然后到达四个终态之一:completed(已完成)、failed(失败)、canceled(已取消)或 rejected(已拒绝)。到达终态后,这项 Task 就结束了。成功完成时,结果写在 Artifacts 里。
任务也可以在中途暂停。input-required(需要输入)和 auth-required(需要认证)属于中断状态。在 input-required 时,智能体等待更多输入;客户端在同一 Task 上再发送一条 Message,任务便回到 working。auth-required 则要求先完成认证,然后再继续。正是借此,A2A 支持人工介入(human-in-the-loop):在工作继续之前,可以由人来确认。这是规范里写明的设计目标之一。规范常用可读的状态名,如 submitted、working;在 v1.0 的线上格式中,对应为 TASK_STATE_SUBMITTED、TASK_STATE_WORKING 等。
A2A 自身的路径不长,但推进很快:
2025 年 4 月 9 日,Google 开放该协议,并把它表述为对 MCP 的补充,而不是替代。
2025 年 6 月 23 日,Linux 基金会接手治理,形成供应商中立的项目管理。
2025 年 7 月 30 日,v0.3.0 将公开的 Agent Card 地址定为 /.well-known/agent-card.json。发现对方智能体的方式就此固定下来。
2026 年 3 月 12 日发布 v1.0.0,这是协议的首个主要稳定版本。
2026 年 5 月 26 日的 v1.0.1 作出澄清,其中包括任务状态的取值。
把两条时间线放在一起看,故事是连贯的。MCP 先打开「智能体到工具」这一层;次年 4 月,A2A 打开「智能体到智能体」这一层,并且从一开始就被表述为补充,而不是替代。同一个智能体可以同时使用两者:对外说 A2A,对内说 MCP。一层负责协作,一层负责取用工具与数据,两者并不互相吞并。因此,讨论「智能体协议」时,不宜把 MCP 和 A2A 看成二选一。要调用工具,走 MCP;要和另一个独立智能体协作,走 A2A。两者叠在一起,才构成完整的工作方式。
一条具体路径
可以想象这样一条路径。旅行者向自己的 AI 助手提问。助手根据对方的 Agent Card 找到远程智能体,并通过 A2A 发送一项 Task。该智能体再用 MCP 查询实时工具,例如目录、天气与安全信息。查询得到的内容,可以作为 Artifacts 返回给助手。如果形成请求,由人工确认。请求不是预订,付款也不经由该信息门户完成。也就是说,协议可以把工作和上下文传过去,但关键决定仍可以停下来交给人。
一个活的例子:堪察加信息门户 Vedar
堪察加信息门户 Vedar 不是旅行社。它是同时运行这两层协议的一个活的例子:既提供开放的 A2A 智能体,也提供开放的 MCP。它支持六种请求类型,每种都由人工确认。请求不是预订。付款不经 Vedar 完成。
了解更多并连接:
中文首页:https://vedarai.ru/zh
协议说明页:https://vedarai.ru/mcp
规范:MCP 与 A2A 官方规范
本文由 Vedar 团队借助人工智能辅助撰写。
理解这一点很重要。MCP 解决的是「一个智能体如何获得上下文」:目录、文件、接口,以及其他可调用的能力。A2A 解决的是「两个彼此独立的智能体如何发现对方并一起完成一项工作」。同一智能体完全可以同时说这两种协议。下面依据官方规范与公告,按日期说明它们各自做什么、如何衔接,以及怎样一步步走到今天。
MCP:智能体如何抵达工具与数据
MCP 由 Anthropic 于 2024 年 11 月 25 日开源。在这套客户端—服务器架构里,AI 应用作为宿主(host),通过内部的 MCP 客户端与 MCP 服务器通信。服务器对外提供三类基本能力:模型可以调用的工具(tools)、可以读取的资源(resources),以及可以复用的提示词(prompts)。本地服务器通常使用 stdio;远程服务器使用基于 JSON-RPC 2.0 的 Streamable HTTP。授权机制围绕 OAuth 2.1 逐步完善。简单地说,宿主里的模型并不直接去翻本地文件或调用外部接口,而是向 MCP 服务器提出请求:调用某项工具,或读取某项资源。服务器再把结果交回给智能体。规范见 MCP 官方规范。
它的演进,可以从五次标注了日期的修订里看得很清楚:
2024-11-05:基线版本,确立工具、资源、提示词,以及能力协商。双方先声明自己支持什么,再开始工作。
2025-03-26:引入 OAuth 2.1,用 Streamable HTTP 取代 HTTP+SSE,并增加工具注解。远程调用和授权在这一版被明显补强。
2025-06-18:增加结构化工具输出,以及 elicitation(服务器可在调用中途询问用户);同时移除 JSON-RPC 批处理。此后,工具不仅可以返回更规整的结果,也可以在中途停下来向人提问。
2025-11-25:实验性 tasks、URL 模式的 elicitation,以及更丰富的授权发现。
2026-07-28:转向无状态核心——不再需要会话握手,新增 server/discover 调用,并以 Multi Round-Trip Requests 取代由服务器主动发起的请求。
也就是说,MCP 先把「智能体如何稳定地使用工具与数据」这一层打开,再在随后将近两年里,把远程传输、授权、中途询问用户,以及无状态发现逐步补齐。
A2A:独立智能体如何彼此协作
A2A 是面向独立智能体的协议。Google 于 2025 年 4 月 9 日公布,并明确将其定位为 MCP 的补充。远程智能体发布一份 Agent Card(智能体名片),写明身份、技能、端点以及如何认证。其他智能体先读这张名片,再决定能否把工作交给对方。工作的基本单位是 Task(任务):消息(Messages)进入,产物(Artifacts)返回。客户端可以流式接收更新,也可以通过推送通知获取进展,或自行轮询(Get Task)。规范见 A2A 官方规范。
根据 A2A 规范,一项 Task 有清晰的生命周期。任务先进入 submitted(已提交),表示对方已经受理;再进入 working(进行中),表示工作正在执行;然后到达四个终态之一:completed(已完成)、failed(失败)、canceled(已取消)或 rejected(已拒绝)。到达终态后,这项 Task 就结束了。成功完成时,结果写在 Artifacts 里。
任务也可以在中途暂停。input-required(需要输入)和 auth-required(需要认证)属于中断状态。在 input-required 时,智能体等待更多输入;客户端在同一 Task 上再发送一条 Message,任务便回到 working。auth-required 则要求先完成认证,然后再继续。正是借此,A2A 支持人工介入(human-in-the-loop):在工作继续之前,可以由人来确认。这是规范里写明的设计目标之一。规范常用可读的状态名,如 submitted、working;在 v1.0 的线上格式中,对应为 TASK_STATE_SUBMITTED、TASK_STATE_WORKING 等。
A2A 自身的路径不长,但推进很快:
2025 年 4 月 9 日,Google 开放该协议,并把它表述为对 MCP 的补充,而不是替代。
2025 年 6 月 23 日,Linux 基金会接手治理,形成供应商中立的项目管理。
2025 年 7 月 30 日,v0.3.0 将公开的 Agent Card 地址定为 /.well-known/agent-card.json。发现对方智能体的方式就此固定下来。
2026 年 3 月 12 日发布 v1.0.0,这是协议的首个主要稳定版本。
2026 年 5 月 26 日的 v1.0.1 作出澄清,其中包括任务状态的取值。
把两条时间线放在一起看,故事是连贯的。MCP 先打开「智能体到工具」这一层;次年 4 月,A2A 打开「智能体到智能体」这一层,并且从一开始就被表述为补充,而不是替代。同一个智能体可以同时使用两者:对外说 A2A,对内说 MCP。一层负责协作,一层负责取用工具与数据,两者并不互相吞并。因此,讨论「智能体协议」时,不宜把 MCP 和 A2A 看成二选一。要调用工具,走 MCP;要和另一个独立智能体协作,走 A2A。两者叠在一起,才构成完整的工作方式。
一条具体路径
可以想象这样一条路径。旅行者向自己的 AI 助手提问。助手根据对方的 Agent Card 找到远程智能体,并通过 A2A 发送一项 Task。该智能体再用 MCP 查询实时工具,例如目录、天气与安全信息。查询得到的内容,可以作为 Artifacts 返回给助手。如果形成请求,由人工确认。请求不是预订,付款也不经由该信息门户完成。也就是说,协议可以把工作和上下文传过去,但关键决定仍可以停下来交给人。
一个活的例子:堪察加信息门户 Vedar
堪察加信息门户 Vedar 不是旅行社。它是同时运行这两层协议的一个活的例子:既提供开放的 A2A 智能体,也提供开放的 MCP。它支持六种请求类型,每种都由人工确认。请求不是预订。付款不经 Vedar 完成。
了解更多并连接:
中文首页:https://vedarai.ru/zh
协议说明页:https://vedarai.ru/mcp
规范:MCP 与 A2A 官方规范
本文由 Vedar 团队借助人工智能辅助撰写。

