科技界正經歷一場劇烈的變革，各大科技公司正聚集在一起，參與一項突破性的倡議，該倡議有望重新定義人工智慧 (AI) Agents 在工作場所的運作方式。這些公司正在開創一個協作生態系統，讓 AI Agents 能夠無縫地相互溝通和協作，從而釋放前所未有的自動化和效率水平。
Google 推出了 Agent2Agent (A2A) 協定，這是一個革命性的框架，已獲得 50 多家著名科技組織的廣泛支持，包括 Cohere、PayPal、Salesforce 和 Workday。這項協作努力旨在解決對 AI 驅動系統之間互通性的日益增長的需求，使它們能夠協同工作以解決複雜的任務。
Agent2Agent 的起源：促進 AI 協作
隨著企業越來越多地採用 AI Agents 來簡化營運並提高生產力，這些工具無縫互動和協作的需求變得至關重要。 A2A 協定作為應對這一挑戰的解決方案而出現，它為 AI Agents 提供了一個標準化的框架，無論它們的底層平台或供應商如何，都可以相互溝通和協同工作。
ServiceNow 平台工程和 AI 執行副總裁 Joe Davis 是 A2A 倡議的主要參與者，他強調了對協作 AI 系統日益增長的需求。他指出：’客戶要求這些新的 Agent 系統能夠彼此協同工作，’，強調了 AI Agents 需要超越其各自的孤島並作為一個有凝聚力的整體運作。
A2A 協定利用數位卡片來促進 AI Agents 之間的溝通和任務委派。每張卡片都封裝了對 Agent 功能的描述，使其他 Agents 能夠輕鬆識別和請求其服務。 Agents 可以無縫地交換任務、追蹤進度並存取歷史資料，從而確保平穩高效的工作流程。
Google 機器學習、系統和雲端 AI 副總裁 Amin Vahdat 設想了一個未來，AI Agents 可以自主發現並連接到它們完成任務所需的資源。他解釋說：’客戶可以給他們的 Agent 一個任務，它會自動找到並連接到完成該任務所需的一切——資料、API 和其他 Agents，’，突出了 AI 在無需人工幹預的情況下自動化複雜流程的潛力。
真實世界的應用：轉變業務營運
A2A 協定對於轉變業務營運的各個方面具有巨大的潛力。考慮這樣一種情況：員工在使用 Google 產品時遇到錯誤。員工無需手動排除故障，而是可以將任務委派給 AI Agent。
Google 的 AI Agent 利用其對產品和錯誤的理解，然後可以與 ServiceNow 的 AI Agent 協作，以識別適當的修補程式並安排維護視窗以進行部署。來自不同供應商的 AI Agents 之間的這種無縫協作可以顯著縮短解決時間並提高客戶滿意度。
Davis 強調了 A2A 協定實現的 24/7 自動化的潛力。他指出：’跨不同系統的工作可以 24/7 自動化，以縮短客戶的解決時間，’，突出了 AI Agents 即使在正常工作時間之外也能不知疲倦地工作，及時解決客戶問題的能力。
應對互通性的挑戰
AI Agents 在各種軟體平台上的激增帶來了互通性的挑戰。這些 Agents 通常基於大型語言模型 (LLM) 構建，通常受到它們可以存取的資料和系統的限制。
A2A 協定旨在通過使來自不同平台的 Agents 能夠無縫地交換資訊和協作完成任務來克服此限制。這種互通性在企業使用來自多個供應商的 AI Agents 的情況下尤為重要。
例如，Google、Salesforce 和 ServiceNow 都提供用於客戶服務的自動化工具。通過採用 A2A 協定，這些公司可以使其 AI Agents 協同工作，從而為客戶提供更全面和高效的支援體驗。
駕馭不斷發展的 AI 標準格局
隨著 AI Agents 越來越成為軟體系統不可或缺的一部分，制定管理其互動的標準化協定變得至關重要。 Cohere 工程副總裁 Autumn Moulder 強調了互通性在這種不斷發展的格局中的關鍵作用。
她指出：’隨著 AI Agents 成為所有軟體系統的核心部分，互通性至關重要，’，強調了建立通用標準的重要性，這些標準使 AI Agents 能夠無縫地溝通和協作。
Moulder 承認該行業目前正經歷快速擴張期，多個行業標準正在爭奪主導地位。像 A2A 這樣的協定在塑造這種格局方面發揮著至關重要的作用，為未來的 AI 協作提供了基礎。
Cohere 的 North 平台：賦能 AI Agents
Cohere 的 North 平台使用戶能夠構建由其最先進的 LLM 驅動的 AI Agents。這些 Agents 可以使用來自客戶資料庫和其他軟體系統的資訊執行任務，這些系統通過應用程式程式設計介面 (API) 連接。
Moulder 強調，管理 Agents 如何協同工作以及與其他技術工具協同工作的規則仍處於起步階段。隨著越來越多的公司加入，像 A2A 這樣的協定可能會變得更有用，因為這可以讓 Agents 做更多的事情。但 Moulder 表示，該系統的設計意味著它’即使在網路成長時也能提供即時實用性’。
模型上下文協定：增強 AI Agent 的感知能力
除了 A2A 協定之外，許多科技公司還參與了 Anthropic 創建的另一個名為模型上下文協定 (MCP) 的系統。該協定有助於 AI Agents 更輕鬆地存取來自應用程式和網站 API 的資料。
Cohere、Google 和 ServiceNow 都在使用 MCP，Amazon 和 OpenAI 也是如此。 Moulder 認為這兩個協定共同’確保 AI Agents 擁有正確的上下文並可以利用最有用的工具’。
AI 協作的未來：一個智慧 Agents 的世界
這些協作倡議的融合標誌著朝著 AI Agents 無縫協同工作、增強人類能力並推動前所未有的自動化水平的未來邁出了重要一步。隨著越來越多的公司採用這些協定，AI 轉變我們生活各個方面的潛力只會繼續增長。
A2A 協定和 MCP 代表了 AI Agents 開發和部署方式的範式轉變。通過促進協作和互通性，這些協定正在為一個未來鋪平道路，在這個未來，AI Agents 不僅僅是孤立的工具，而是廣闊的智慧生態系統的互連組件。
這些進步的影響將在各個行業感受到，從醫療保健和金融到製造和運輸。 AI Agents 將自動化平凡的任務、提供個性化的建議，甚至做出關鍵的決策，從而使人類工作者能夠專注於更具創造性和戰略性的工作。
隨著 AI 技術的不斷發展，協作和標準化的重要性只會增加。 A2A 協定和 MCP 可作為未來 AI 開發的藍圖，展示了集體創新在塑造人工智慧未來方面的力量。
協作式 AI 的主要優勢
協作式 AI 方法具有許多優勢，包括：
- 提高效率： 協同工作的 AI Agents 可以比單個 Agents 更有效地自動化複雜的任務。
- 提高準確性： 協作式 AI 可以利用不同的資料來源和觀點，從而產生更準確和可靠的結果。
- 增強可擴展性： 協作式 AI 系統可以更輕鬆地擴展以滿足不斷增長的需求。
- 降低成本： 通過自動化任務和提高效率，協作式 AI 可以幫助降低營運成本。
- 更大的創新： 協作式 AI 生態系統通過使開發人員能夠在彼此的工作基礎上構建來促進創新。
挑戰與考量
雖然協作式 AI 的潛在優勢是巨大的，但也存在一些需要解決的挑戰和考量。這些包括：
- 安全性： 確保協作式 AI 環境中資料和通訊的安全性至關重要。
- 隱私： 在協作式 AI 系統中保護用戶隱私需要仔細的規劃和實施。
- 信任： 在 AI Agents 及其用戶之間建立信任對於廣泛採用至關重要。
- 治理： 為協作式 AI 開發適當的治理框架對於確保負責任的使用是必要的。
- 倫理考量： 解決協作式 AI 的倫理影響至關重要。
前進的道路
通往完全協作的 AI 生態系統的旅程才剛剛開始。隨著越來越多的公司和研究人員接受這些原則，我們可以期望在未來幾年內看到更多創新的 AI 應用出現。
為了充分實現協作式 AI 的潛力，至關重要的是：
- 促進開放標準： 鼓勵開發和採用用於 AI 通訊和協作的開放標準至關重要。
- 促進協作： 創建一個協作生態系統，讓研究人員、開發人員和企業可以協同工作至關重要。
- 投資研究： 投資於協作式 AI 技術的研究和開發至關重要。
- 解決倫理問題： 積極解決協作式 AI 的倫理影響至關重要。
- 教育公眾： 教育公眾了解協作式 AI 的好處和挑戰對於培養信任和接受至關重要。
通過共同努力，我們可以利用協作式 AI 的力量，為所有人創造一個更高效、更具生產力和更公平的未來。