科技领域正经历一场巨大的变革，各大科技公司正围绕一项具有突破性的倡议走到一起，该倡议有望重新定义人工智能 (AI) Agent在工作场所的运作方式。这些公司正在率先建立一个协作生态系统，让AI Agent能够无缝地相互通信和协作，从而释放前所未有的自动化和效率水平。
谷歌已经推出了Agent2Agent (A2A) 协议，这是一个革命性的框架，已经获得了包括Cohere、PayPal、Salesforce和Workday在内的50多家著名科技组织的支持。这项协作努力旨在解决对AI驱动系统之间日益增长的互操作性需求，使它们能够协同工作以应对复杂的任务。
Agent2Agent的诞生：促进AI协作
随着企业越来越多地采用AI Agent来简化运营和提高生产力，这些工具之间无缝交互和协作的需求变得至关重要。A2A协议应运而生，成为解决这一挑战的方案，它为AI Agent提供了一个标准化的框架，使它们能够相互通信和协作，而无论它们的基础平台或供应商如何。
ServiceNow的平台工程和AI执行副总裁Joe Davis是A2A倡议的主要参与者，他强调了对协作式AI系统日益增长的需求。“客户要求这些新的Agent系统能够相互协作，”他指出，强调了AI Agent需要超越其各自的孤岛，作为一个有凝聚力的整体发挥作用。
A2A协议利用数字卡来促进AI Agent之间的通信和任务委派。每张卡都封装了Agent的能力描述，允许其他Agent轻松识别并请求其服务。Agent可以无缝地交换任务、跟踪进度和访问历史数据，从而确保流畅高效的工作流程。
谷歌机器学习、系统和云AI副总裁Amin Vahdat设想了一个未来，在这个未来，AI Agent可以自主发现并连接到它们完成任务所需的资源。“客户可以给他们的Agent分配一项任务，它将自动查找并连接到完成该任务所需的一切——数据、API和其他Agent，”他解释说，强调了AI无需人工干预即可自动化复杂流程的潜力。
实际应用：转变业务运营
A2A协议对于转变业务运营的各个方面具有巨大的前景。考虑这样一种情况：员工在使用谷歌产品时遇到错误。员工无需手动解决问题，而是可以将任务委派给AI Agent。
谷歌的AI Agent利用其对产品和错误的理解，可以与ServiceNow的AI Agent协作，以识别合适的补丁并安排维护窗口以进行部署。来自不同供应商的AI Agent之间的这种无缝协作可以显著缩短解决时间并提高客户满意度。
Davis强调了A2A协议实现的24/7全天候自动化的潜力。“跨不同系统的协作可以实现24/7全天候自动化，从而缩短客户的解决时间，”他指出，强调了AI Agent即使在正常工作时间之外也能不知疲倦地工作，从而及时解决客户问题的能力。
解决互操作性挑战
AI Agent在各种软件平台上的普及带来了互操作性的挑战。这些Agent通常构建在大型语言模型 (LLM) 之上，并且通常受到它们可以访问的数据和系统的限制。
A2A协议旨在通过使来自不同平台的Agent能够无缝地交换信息和协作完成任务来克服这一限制。这种互操作性在企业使用来自多个供应商的AI Agent的情况下尤为重要。
例如，谷歌、Salesforce和ServiceNow都提供用于客户服务的自动化工具。通过采用A2A协议，这些公司可以使他们的AI Agent协同工作，从而为客户提供更全面、更高效的支持体验。
驾驭不断发展的AI标准格局
随着AI Agent在软件系统中变得越来越不可或缺，规范其交互的标准协议的需求变得至关重要。Cohere工程副总裁Autumn Moulder强调了互操作性在这种不断发展的格局中的关键作用。
“随着AI Agent成为所有软件系统的核心组成部分，互操作性至关重要，”她指出，强调了建立通用标准的重要性，这些标准使AI Agent能够无缝地通信和协作。
Moulder承认，该行业目前正经历一个快速扩张的时期，多个行业标准都在争夺主导地位。像A2A这样的协议在塑造这种格局方面发挥着至关重要的作用，为未来的AI协作奠定了基础。
Cohere的North平台：赋能AI Agent
Cohere的North平台使用户能够构建由其尖端LLM驱动的AI Agent。这些Agent可以使用来自客户数据库和其他软件系统的信息来执行任务，这些信息通过应用程序编程接口 (API) 连接。
Moulder强调，管理Agent如何相互协作以及与其他技术工具协作的规则仍处于起步阶段。随着越来越多的公司购买，像A2A这样的协议可能会变得更有用，因为这可以让Agent做更多的事情。但Moulder表示，该系统的设计意味着它“即使在网络发展壮大的过程中，也能立即发挥作用”。
模型上下文协议：增强AI Agent的感知能力
除了A2A协议之外，许多科技公司还参与了Anthropic创建的另一个名为模型上下文协议 (MCP) 的系统。该协议有助于AI Agent更轻松地访问来自应用程序和站点API的数据。
Cohere、谷歌和ServiceNow都在使用MCP，亚马逊和OpenAI也在使用。Moulder认为，这两个协议共同“确保AI Agent拥有正确的上下文，并且可以利用最有用的工具”。
AI协作的未来：智能Agent的世界
这些协作倡议的融合标志着朝着AI Agent无缝协作、增强人类能力并推动前所未有的自动化水平的未来迈出了重要一步。随着越来越多的公司采用这些协议，AI改变我们生活各个方面的潜力只会继续增长。
A2A协议和MCP代表了AI Agent开发和部署方式的范式转变。通过促进协作和互操作性，这些协议正在为AI Agent不仅仅是孤立的工具，而是庞大的智能生态系统的互连组件的未来铺平道路。
这些进步的影响将在各个行业感受到，从医疗保健和金融到制造业和交通运输。AI Agent将自动化平凡的任务，提供个性化的建议，甚至做出关键决策，从而解放人类员工，让他们专注于更具创造性和战略性的工作。
随着AI技术的不断发展，协作和标准化的重要性只会增加。A2A协议和MCP是未来AI开发的蓝图，展示了集体创新在塑造人工智能未来方面的力量。
协作式AI的关键优势
协作式AI方法提供了许多优势，包括：
- 提高效率： 协同工作的AI Agent比单独的Agent可以更有效地自动化复杂的任务。
- 提高准确性： 协作式AI可以利用多样化的数据源和视角，从而获得更准确和可靠的结果。
- 增强可扩展性： 协作式AI系统可以更轻松地扩展以满足不断增长的需求。
- 降低成本： 通过自动化任务和提高效率，协作式AI可以帮助降低运营成本。
- 更大的创新： 协作式AI生态系统通过使开发人员能够在彼此的工作基础上进行构建来促进创新。
挑战与考量
虽然协作式AI的潜在好处是巨大的，但也存在一些需要解决的挑战和考量因素。这些包括：
- 安全性： 确保协作式AI环境中数据和通信的安全性至关重要。
- 隐私： 在协作式AI系统中保护用户隐私需要仔细的规划和实施。
- 信任： 在AI Agent及其用户之间建立信任对于广泛采用至关重要。
- 治理： 为协作式AI开发适当的治理框架对于确保负责任的使用是必要的。
- 道德考量： 解决协作式AI的道德影响至关重要。
前进的道路
通往完全协作式AI生态系统的道路才刚刚开始。随着越来越多的公司和研究人员接受这些原则，我们可以期望在未来几年内看到更多创新的AI应用出现。
为了充分发挥协作式AI的潜力，至关重要的是：
- 推广开放标准： 鼓励开发和采用用于AI通信和协作的开放标准至关重要。
- 促进协作： 创建一个协作生态系统，研究人员、开发人员和企业可以在其中协同工作至关重要。
- 投资研究： 投资于协作式AI技术的研究和开发至关重要。
- 解决道德问题： 积极解决协作式AI的道德影响至关重要。
- 教育公众： 教育公众了解协作式AI的益处和挑战对于培养信任和接受度至关重要。
通过共同努力，我们可以利用协作式AI的力量，为所有人创造一个更高效、更具生产力和更公平的未来。