Agent2Agent：Google 開放協定掀起的 AI 代理革命
為了釋放人工智慧（AI）代理的全部潛力，在動態、多代理生態系統中無縫協作的能力成為一個關鍵因素。打破孤立數據系統和應用程式的藩籬，對於營造一個 AI 代理可以有效地相互互動和學習的環境至關重要。實現代理之間的互通性，無論它們的來源或底層框架如何，都有望顯著提高自主性、提高生產力，並降低與維護複雜 AI 系統相關的長期成本。
Google 對此需求的回應是推出 Agent2Agent（A2A），這是一種開放協定，旨在促進不同企業平台上的 AI 代理之間的溝通、資訊共享和協作運作。作為對 Anthropic 的模型上下文協定（Model Context Protocol, MCP）的補充，A2A 借鑒了 Google 在構建大規模代理系統方面的豐富經驗，以應對在企業環境中部署多代理系統時遇到的特定挑戰。這項創新協定使開發人員能夠創建可以與任何符合 A2A 標準的代理無縫連接的系統，從而為企業提供代理管理的標準化方法，並釋放協作 AI 的巨大潛力。
A2A 技術基礎的揭示
A2A 建立了一個穩健的框架，用於實現客戶端代理（啟動任務）和遠端代理（執行這些任務）之間的任務溝通。A2A 的核心功能包括：
- 能力發現： 通過在基於 JSON 的 ‘Agent Card’ 中發布功能，促進尋找合適的協作代理。
- 任務管理： 建立一個以任務物件為中心的協作環境，支援立即和長時間執行的任務，輸出稱為 ‘Artifacts’。
- 協作溝通： 使代理能夠交換上下文資訊、回應、工件和用戶說明。
- 體驗協商： 通過由多個 ‘parts’ 組成的消息來適應不同的使用者介面功能，每個 ‘part’ 都支援各種內容類型。
理解 MCP 和 A2A 之間相互作用對於理解它們的不同角色至關重要：MCP 專注於通過結構化輸入/輸出將代理連接到工具和資源，而 A2A 則專注於啟用代理之間的動態、多模式溝通，而無論共享記憶體、資源或工具如何。
深入探討 A2A 協定
A2A 協定實現了一個定義完善的機制，用於實現代理之間的無縫協作。每個代理的能力都通過 Agent Card 進行宣告，通常位於 /.well-known/agent.json，允許客戶端代理發現合適的協作者。A2A Server 充當協定的代理端實現，負責接收和執行任務請求。相反，A2A Client 代表啟動任務請求的應用程式或代理，通過 tasks/send 等介面提交任務。
每個 Task 都被分配一個唯一的 ID，並經歷各種狀態，包括已提交、工作和已完成。在整個生命週期中，代理通過 Messages 進行互動，Messages 由多個 Parts 組成，每個 Part 包含不同類型的內容，例如文字、檔案或結構化數據。
代理在任務執行期間產生的輸出稱為 Artifacts，也由 Parts 組成。對於長時間執行的任務，伺服器可以利用透過伺服器發送事件（Server-Sent Events, SSE）進行串流傳輸，以便向客戶端提供即時更新。或者，可以使用推送通知主動向客戶端配置的 Webhook 介面發送更新。
一個具體的例子：使用 A2A 簡化招聘流程
為了說明 A2A 的變革潛力，請考慮招聘軟體工程師的流程。通過啟用 A2A 的協作，可以顯著簡化此流程。在像 Agentspace 這樣的統一介面中，招聘經理可以分配自己的代理，根據職位描述、位置偏好和所需技能來識別合適的候選人。
然後，此代理可以與其他專業代理協作以獲取合格的個人。收到推薦後，招聘經理可以進一步指示其代理安排面試，從而簡化人才篩選流程。面試結束後，可以調用其他代理來進行背景調查，從而完成招聘工作流程。
此示例演示了 AI 代理如何利用 A2A 在系統之間無縫協作，最終簡化了雇用合格候選人的流程。
Agent2Agent 的優勢
Agent2Agent 協定為希望利用 AI 代理的開發人員和組織提供了幾個主要優勢：
互通性： A2A 使來自不同供應商並基於不同框架構建的 AI 代理能夠無縫地溝通和協作。這種互通性對於創建複雜的多代理系統至關重要。
標準化： A2A 提供了一種代理管理的標準化方法，使部署、監視和維護多代理系統變得更加容易。
可擴展性： A2A 被設計為可擴展的，允許組織構建可以處理複雜任務的大規模代理系統。
靈活性： A2A 是一種靈活的協定，可以適應廣泛的用例。
創新： A2A 通過為開發人員提供構建新的和令人興奮的 AI 代理應用程式的平台來促進創新。
將 A2A 與其他代理通訊協定進行比較
雖然 A2A 是一種很有前途的新的 AI 代理通訊協定，但它並不是唯一的。其他協定，例如基礎模型連通性協定（Foundation Model Connectivity Protocol, FMCP），也旨在促進 AI 代理之間的通訊和協作。
FMCP 像 A2A 一樣，試圖標準化 AI 代理相互互動的方式。但是，FMCP 主要專注於將代理連接到基礎模型，而 A2A 專注於啟用代理本身之間的通訊。這種重點上的差異意味著 A2A 和 FMCP 是可以一起用於構建更強大和更多功能的 AI 系統的互補協定。
另一個相關的協定是模型上下文協定（MCP），如前所述，它補充了 A2A。MCP 專注於將代理連接到工具、API 和資源，而 A2A 則啟用代理之間的動態、多模式通訊。
AI 代理通訊的未來
A2A 的開發是 AI 代理通訊領域的一個重大進展。隨著 AI 代理變得越來越複雜並用於更複雜的應用程式，對標準化通訊協定的需求只會增加。A2A 有可能成為一種廣泛採用的標準，使組織能夠構建更強大和更多功能的 AI 系統。
在未來，我們可以期望看到 A2A 的進一步發展，將新功能添加到協定中。我們還可以期望看到新協定的出現，這些協定解決了 AI 代理通訊中的特定挑戰。
Agent2Agent 的用例
Agent2Agent 協定可以用於廣泛的應用程式，包括：
客戶服務： AI 代理可用於提供客戶服務、回答問題、解決問題和提供支援。A2A 可以使這些代理相互協作，以提供更全面和高效的服務。
醫療保健： AI 代理可用於診斷疾病、制定治療計劃和監測患者。A2A 可以使這些代理共享資訊並協作進行患者護理。
金融： AI 代理可用於管理投資、檢測欺詐和提供財務建議。A2A 可以使這些代理協作，做出更好的決策並管理風險。
製造業： AI 代理可用於控制機器人、優化生產流程和管理庫存。A2A 可以使這些代理協調其活動並提高效率。
教育： AI 代理可用於個性化學習、提供反饋和評估學生的進度。A2A 可以使這些代理協作，以提供更全面和有效的學習體驗。
實施 Agent2Agent
要實施 Agent2Agent，開發人員需要遵循協定中概述的規範。這包括實施 Agent Card、A2A Server 和 A2A Client。開發人員可以使用現有的程式庫和工具來簡化實施過程。
Google 提供 A2A 的參考實施，開發人員可以將其用作起點。參考實施包括示例程式碼和文檔，以幫助開發人員入門。
挑戰與考量
雖然 Agent2Agent 提供了顯著的優勢，但也需要牢記一些挑戰和考量：
安全性： 確保 AI 代理之間通訊的安全性至關重要。A2A 包括安全機制，以防止未經授權的訪問和數據洩露。
隱私： 保護使用者數據的隱私也很重要。A2A 允許開發人員實施隱私控制來保護敏感資訊。
可擴展性： 構建可擴展的 A2A 系統可能具有挑戰性。開發人員需要考慮網路頻寬、處理能力和儲存容量等因素。
複雜性： 實施 A2A 可能很複雜，尤其是對於大規模系統。開發人員需要對 AI 代理、通訊協定和分散式系統有深入的了解。
治理： 為 A2A 系統建立明確的治理政策非常重要，以確保以負責任和道德的方式使用代理。
Agent2Agent 對 AI 格局的影響
Agent2Agent 的推出標誌著 AI 代理技術發展的一個重要里程碑。通過提供一個用於通訊和協作的標準化框架，A2A 有潛力開啟 AI 創新的新時代。隨著越來越多的開發人員和組織採用 A2A，我們可以期望看到新的和令人興奮的 AI 代理應用程式激增，這些應用程式解決了廣泛的挑戰和機遇。
A2A 的影響將在各個行業中感受到，從醫療保健和金融到製造業和教育。通過使 AI 代理能夠無縫協作，A2A 將使組織能夠構建更強大、更多功能和更高效的 AI 系統，從而推動創新並改善結果。
結論
Google 的 Agent2Agent 協定代表了 AI 代理通訊領域的重大進展，它提供了一個標準化和可互操作的框架，供代理協作和共享資訊。通過啟用代理之間的無縫通訊，A2A 有潛力開啟 AI 創新的一個新時代，使組織能夠構建更強大、更多功能和更高效的 AI 系統，這些系統可以應對廣泛的挑戰和機遇。隨著 AI 格局的不斷發展，A2A 必將在塑造 AI 代理技術的未來方面發揮關鍵作用。