在宛如《權力遊戲》般錯綜複雜的權力鬥爭場景中，AI產業正目睹其自身的高風險戲碼。當全球的注意力集中在模型參數與效能的競爭時，一場關於AI和Agent標準、協定及生態系統的無聲之戰正在醞釀。
2024年11月，Anthropic推出了模型上下文協定（Model Context Protocol，MCP），這是一個針對智能Agent的開放標準，旨在統一大型語言模型與外部資料來源和工具之間的通訊協定。不久之後，OpenAI宣布Agent SDK支援MCP。Google DeepMind執行長Demis Hassabis也證實，Google的Gemini模型和軟體開發套件將整合此開放標準，並稱MCP「正迅速成為AI Agent時代的開放標準」。
同時，Google在2025年的Google Cloud Next大會上宣布了開放原始碼的Agent2Agent協定（A2A）。此協定旨在打破現有框架和供應商之間的障礙，從而在不同生態系統中的Agent之間實現安全且高效的協作。
科技巨頭的這些舉動揭示了AI與智能Agent在連接標準、介面協定和生態系統方面的競爭。’協定等於權力’的原則顯而易見。隨著全球AI格局的形成，誰掌握了AI時代基本協定標準的定義權，誰就有機會重塑全球AI產業鏈的權力結構和價值分配秩序。
未來AI生態系統的’USB-C連接埠’
隨著AI技術的快速發展，諸如GPT和Claude之類的大型語言模型展示了令人印象深刻的能力。這些模型的真正價值在於它們與外部世界的資料和工具互動以解決實際問題的能力。
然而，這種互動能力長期以來面臨著碎片化和缺乏標準化的問題，需要開發人員為不同的AI模型和平台實施特定的整合邏輯。
為了解決此問題，MCP應運而生。作為連接AI模型與外部世界的橋樑，MCP解決了AI互動期間面臨的幾個關鍵問題。
在MCP之前，如果AI模型需要連接到本地資料庫（例如SQLite）以獲取資料或呼叫遠端工具（例如用於團隊溝通的Slack、用於管理程式碼的GitHub API），則開發人員必須為每個資料來源或工具編寫特定的連接程式碼。此過程不僅繁瑣且容易出錯，而且由於缺乏統一的標準，開發成本高昂、難以維護且難以擴展。
Anthropic在推出MCP時做了一個類比：MCP就像AI應用程式的USB-C連接埠。MCP旨在創建一個通用標準，允許各種模型和外部系統使用相同的協定進行訪問，而不是每次都編寫一套單獨的整合解決方案。這使得AI應用程式的開發和整合更加簡單和統一。
例如，在軟體開發專案中，基於MCP的AI工具可以直接深入研究專案程式碼儲存庫、分析程式碼結構、了解歷史提交記錄，然後為開發人員提供更符合專案實際需求的程式碼建議，從而顯著提高開發效率和程式碼品質。
過去，為了使大型模型和其他AI應用程式可以使用資料，通常需要複製貼上或上傳下載。即使是最強大的模型也受到資料隔離的限制，形成資訊孤島。要創建更強大的模型，每個新的資料來源都需要客製化和實施，難以擴展真正互連的系統，從而導致許多限制。
透過提供統一的介面，MCP直接連接AI和資料（包括本地和網際網路資料）。透過MCP伺服器和MCP用戶端，只要兩者都遵循此協定，’一切都可以連接’。這允許AI應用程式安全地訪問和操作本地和遠端資料，從而為AI應用程式提供連接一切的介面。
從架構角度來看，MCP主要包括兩個核心部分：MCP伺服器和MCP用戶端。開發人員可以透過MCP伺服器公開其資料，這些資料可以來自本地檔案系統、資料庫或遠端服務，例如Slack和GitHub API。構建為連接到這些伺服器的AI應用程式稱為MCP用戶端。簡而言之，MCP伺服器負責公開資料，而MCP用戶端負責訪問資料。
當AI模型訪問外部資料和工具時，安全性是一個重要的考慮因素。透過提供標準化的資料訪問介面，MCP顯著減少了與敏感資料的直接接觸次數，從而降低了資料外洩的風險。
MCP具有內建的安全機制，允許資料來源在安全框架內以受控方式與AI共享資料。AI還可以安全地將處理結果回饋給資料來源，確保只有經過驗證的請求才能訪問特定資源，相當於為資料安全增加了另一層防禦，消除了企業對資料安全的擔憂，並為AI在企業級場景中的深度應用奠定了堅實的基礎。
例如，MCP伺服器控制其自身的資源，不需要向大型模型技術提供商提供諸如API金鑰之類的敏感資訊。這樣，即使大型模型受到攻擊，攻擊者也將無法獲取此敏感資訊，從而有效地隔離風險。
可以說，MCP是AI技術發展的自然產物，也是一個重要的里程碑。它不僅簡化了AI應用程式的開發過程，還為AI生態系統的繁榮創造了條件。
作為一個開放標準，MCP極大地激發了開發人員社群的活力。全球開發人員可以圍繞MCP貢獻程式碼並開發新的連接器，不斷擴展其應用邊界，形成良性的生態循環，並促進AI與各行業資料的深度整合。這種開放性使AI應用程式更容易連接到各種服務和工具，形成豐富的生態系統，最終使使用者和整個行業受益。
MCP的優勢不僅體現在技術層面，更重要的是它為不同領域帶來的實際價值。在AI時代，獲取和處理資訊的能力決定一切，而MCP允許多個Agent協作，從而最大限度地發揮彼此的優勢。
例如，在醫療領域，智能Agent可以透過MCP連接到患者的電子病歷和醫療資料庫，並結合醫生的專業判斷，可以更快地提供初步的診斷建議。在金融業，智能Agent可以協作分析金融資料、追蹤市場變化，甚至自動進行股票交易。這種智能Agent之間的分工與合作使資料處理更加高效，決策更加準確。
回顧MCP的發展歷程，不難發現其成長速度驚人。2023年初，MCP完成了核心通訊協定的設計，實現了基本的智能Agent註冊和訊息傳輸功能。這就像為智能Agent創建了一種通用語言，使它們能夠相互溝通，而不是使用自己的語言。
2023年底，MCP進一步擴展了其功能，支援智能Agent呼叫外部API和資料共享，這相當於允許智能Agent不僅可以聊天，還可以交換資訊並共同處理任務。
2024年初，MCP生態系統達到了一個新的水平。開發人員工具包和範例專案已啟動，社群貢獻的智能Agent外掛程式數量超過100個，實現了’百花齊放’的局面。
最近，Microsoft將MCP整合到其Azure OpenAI服務中，而Google DeepMind也宣布將提供對MCP的支援，並將其整合到Gemini模型和SDK中。不僅大型科技公司，而且AI新創公司和開發工具提供商也加入了MCP，例如Block、Apollo、Zed、Replit、Codeium和Sourcegraph。
MCP的興起吸引了諸如Tencent和Alibaba之類的中國科技公司的快速跟進和競爭，並將其視為AI生態系統戰略中的重要一步。例如，最近Alibaba Cloud的Bailian平台推出了一個完整的生命週期MCP服務，消除了使用者管理資源、開發和部署以及工程運營和維護的需要，從而將智能Agent的開發週期縮短至幾分鐘。Tencent Cloud發布了’AI開發套件’，該套件支援MCP外掛程式託管服務，以幫助開發人員快速構建面向業務的智能Agent。
多Agent協作的’隱形橋樑’
隨著MCP協定將智能Agent從聊天工具轉變為行動助理，科技巨頭正開始在這個新的戰場上建立標準和生態系統的’小庭院和高牆’。
與專注於將AI模型與外部工具和資料連接的MCP相比，A2A更進一步，專注於智能Agent之間的高效協作。
A2A協定的最初意圖很簡單：使來自不同來源和製造商的智能Agent能夠相互理解和協作，從而為多個智能Agent的協作帶來更大的自主性。
這就像WTO旨在減少各國之間的關稅壁壘一樣。來自不同供應商和框架的智能Agent就像獨立國家。一旦採用A2A，就相當於加入了自由貿易區，它們可以用通用語言進行溝通、無縫協作，並共同完成單個智能Agent無法獨立完成的複雜工作流程。
A2A協定的具體互通性形式是透過促進用戶端Agent和遠端Agent之間的通訊來實現的。用戶端Agent負責制定和傳達任務，而遠端Agent根據這些任務採取行動以提供正確的資訊或執行相應的操作。
在此過程中，A2A協定具有以下關鍵能力：
首先，智能Agent可以透過’智能Agent卡’宣傳其能力。這些’智能Agent卡’以JSON格式存在，允許用戶端Agent識別哪個遠端Agent最適合執行特定任務。
一旦識別出合適的遠端Agent，用戶端Agent就可以使用A2A協定與其通訊並將任務分配給它。
任務管理是A2A協定的重要組成部分。用戶端和遠端Agent之間的通訊圍繞著完成任務進行。該協定定義了一個’任務’物件。對於簡單的任務，可以立即完成；對於複雜且長期的任務，智能Agent可以相互通訊以保持任務完成狀態的同步。
此外，A2A還支援智能Agent之間的協作。多個智能Agent可以相互發送訊息，這些訊息可以包含上下文資訊、回覆或使用者指示。透過這種方式，多個智能Agent可以更好地協同工作以共同完成複雜任務。
在設計此協定時，Google遵循了五個關鍵原則。首先，A2A專注於使智能Agent能夠以其自然的非結構化模式進行協作，即使它們不共享記憶體、工具和上下文。
其次，該協定建立在現有的流行標準之上，包括HTTP、Server-Sent Events（SSE）和JSON-RPC，這意味著它更容易與公司每天已經使用的現有IT堆疊整合。
例如，一家電子商務公司每天使用HTTP協定來處理Web資料傳輸，並使用JSON-RPC來傳輸前端和後端之間的資料指令。在引入A2A協定後，該公司的訂單管理系統可以透過HTTP和A2A協定停靠快速獲取相關智能Agent提供的物流資料更新，而無需重建複雜的資料傳輸通道，從而易於整合到現有的IT架構中，並使各種系統的協作更加順暢。
第三，A2A旨在支援企業級驗證和授權。使用A2A協定可以快速驗證並安全地獲取資料，從而確保資料傳輸的安全性和合規性，並防止資料外洩風險。
第四，A2A足夠靈活，可以支援各種場景，從快速任務到可能需要數小時甚至數天的深入研究（當人類參與其中時）。在整個過程中，A2A可以為使用者提供即時回饋、通知和狀態更新。
以一家研究機構為例。研究人員使用A2A協定下的智能Agent進行與新藥開發相關的研究。簡單的任務，例如快速檢索資料庫中現有的藥物分子結構資訊，可以在幾秒鐘內完成並回饋給研究人員。但是，對於複雜的任務，例如模擬新藥分子在人體環境中的反應，可能需要幾天時間。
在此期間，A2A協定將不斷向研究人員推送模擬進度，例如已完成多少步驟、當前遇到的問題等，使研究人員可以隨時了解情況，就像有一個助理隨時報告工作進度一樣。
第五，智能Agent的世界不僅限於文字，因此A2A支援各種模態，包括音訊、影像和視訊串流。
想像一下，將來，您的智能助理、公司的CRM系統、供應鏈管理AI，甚至不同雲平台上的智能Agent都可以像老朋友一樣’聊天討論任務並分工合作’，高效地完成從簡單查詢到複雜流程的各種需求，從而開啟機器智慧的時代。
目前，該協定已支援超過50家主流科技公司的應用平台，包括Atlassian、Box、Cohere、Intuit、MongoDB、PayPal、Salesforce和SAP。
值得注意的是，這些都是與Google生態系統有微妙關係的公司。例如，獨立AI新創公司Cohere由三位先前在Google Brain工作的研究人員於2019年創立；他們與Google Cloud建立了長期的技術合作夥伴關係，而Google Cloud為Cohere提供了訓練模型所需的計算能力。
Atlassian是一家提供團隊協作工具（例如Jira和Confluence）的公司，許多人都在使用它。他們與Google建立了合作夥伴關係，並且某些應用程式可以在Google產品中使用。
儘管Google表示A2A是對Anthropic提出的MCP模型上下文協定的補充，但這有點像Google過去率先與80多家公司開發Android系統。隨著越來越多的公司加入，A2A的商業價值將大大提高，並將促進整個智能Agent生態系統的快速發展。
從’連接工具’到’支配生態系統’
MCP和A2A代表了AI互連的兩種不同途徑。MCP作為底層模型互動協定，可確保應用程式與不同模型之間的無縫停靠；A2A在此基礎上提供了智能Agent之間的協作框架，強調智能Agent之間的自主發現和靈活協作。這種分層結構可以同時滿足模型標準化和智能Agent協作的需求。
同時，兩者都在各自的子領域中取得了主導地位。MCP在企業級應用、跨模型服務和標準化場景中具有優勢；A2A在開放原始碼社群、研究專案和創新應用中獲得了更多支援。
從宏觀角度來看，MCP和A2A的興起不僅與未來的AI技術標準有關，而且預示著AI產業格局的重大變化。我們正在見證AI從’單機智慧’到’協作網路’的歷史性轉捩點。正如網際網路的發展歷史所表明的那樣，建立開放和標準化的協定將成為推動產業發展的關鍵力量。
但從更深層次上講，MCP和A2A隱藏著巨大的商業利益和對未來AI技術話語權的競爭。
在商業模式方面，兩者正在開闢不同的利潤途徑。Anthropic計劃推出基於MCP的企業版本服務，根據API呼叫量向公司收費。公司使用MCP將內部資料與AI深度整合，提高業務效率，並且需要為此便捷的服務付費。
Google正在使用A2A協定來推廣雲端服務訂閱。當公司使用A2A建立智能Agent協作網路時，它們將被引導使用Google Cloud的強大計算能力和相關服務，從而增加Google Cloud的業務收入。
在資料壟斷方面，掌握協定標準意味著控制AI資料的流動。透過A2A協定，Google在許多企業智能Agent的協作過程中收集了大量資料。此資料會回饋到其核心廣告演算法中，從而進一步鞏固其在廣告市場中的主導地位。Anthropic希望使用MCP讓AI滲透到企業資料的核心。如果它形成規模優勢，也將積累大量行業資料，為擴展業務和開發更符合企業需求的AI產品提供資料支援。
在開放原始碼策略方面，儘管兩者都聲稱是開放原始碼，但它們都有自己的計劃。MCP核心協定是開放原始碼，吸引開發人員參與生態系統建設，但是企業級關鍵功能（例如遠端連接高級功能和多模式資料的深度處理）需要付費才能解鎖，從而平衡了開放原始碼和商業利益。雖然A2A協定是開放原始碼，但它引導50多家企業合作夥伴優先使用Google Cloud服務，從而將開放原始碼生態系統與其自身的商業系統緊密結合，並增強了使用者黏性和平台競爭力。
技術本身沒有善惡之分，但是當它嵌入到利益鏈中時，它就成為權力和控制的載體。每一次技術革命都在重塑世界的利益鏈。工業革命將利益鏈從土地和勞動力轉移到資本和機器，而數位革命則將其推向資料和演算法。
開放原始碼工具當然可以探索創新途徑，但是不要期望使用資料和演算法金鑰來打開所有門，因為每串金鑰都刻有平台的利益密碼。
儘管科技公司似乎正在開放AI生態系統，但它們實際上正在圍繞更有利於自身的應用場景建立高而厚的生態牆，以防止資料金礦被盜採，畢竟，AI時代的最終競爭力仍然是資料。
MCP和A2A是否最終能夠合併仍不確定。如果它們各自獨立行動，則科技巨頭很可能會建立’AI小院牆’。結果，資料孤島現象將變得更加嚴重，不同協定陣營中公司之間的資料流通將受到阻礙，從而限制了AI創新應用的範圍；開發人員將需要掌握多種協定開發技能，從而增加學習成本和開發工作量，從而抑制了創新活力；行業創新方向將很容易受到巨頭協定的引導，並且新創公司由於難以支援多種協定而在競爭中處於劣勢，從而阻礙了行業的整體創新步伐。
我們希望MCP和A2A的興起將推動全球AI產業朝著協作而不是對抗的方向發展。
就像19世紀的鐵路軌距爭端和20世紀的行動通訊標準戰爭一樣，每一次技術分裂都伴隨著巨大的社會成本。AI標準和協定爭端的後果可能更為深遠。它將決定我們是走向’萬物互聯’的星系聯邦，還是陷入’猜疑鏈’盛行的黑暗森林。