详解A2A(Agent2Agent)协议_a2a协议-CSDN博客

本文链接：https://blog.csdn.net/xx_nm98/article/details/147313368

什么是 A2A 协议

A2A（Agent2Agent）协议是由 Google Cloud 推出的一个开放协议，旨在促进不同 AI 代理之间的互操作性。其主要目标是允许这些代理在动态的、多代理的生态系统中进行有效的通信和协作，无论它们是由不同的供应商构建的还是使用不同的技术框架。

A2A 的设计原则总结

A2A（Agent2Agent）协议的设计原则旨在提升代理之间的协作能力，确保灵活性、安全性和与现有系统的兼容性。以下是这些原则的综合总结：

拥抱代理能力
- • 允许代理在其自然、非结构化的模式下进行协作，无需共享内存、工具或上下文，从而实现真实的多代理场景。
基于现有标准构建
- • 协议建立在广泛接受的技术标准之上，如 HTTP、SSE 和 JSON-RPC，便于与企业现有的 IT 堆栈集成。
默认安全
- • 设计支持企业级身份验证和授权，确保只有经过授权的用户和系统可以访问代理，增强了系统的安全性。
\4. 支持长时间运行的任务
- • 灵活支持从快速任务到复杂研究的多种场景，能够在任务执行过程中提供实时反馈、通知和状态更新。
模态无关
- • 支持多种交互形式，包括文本、音频和视频流、form 、 iframe 等，增强了代理的交互能力和适应性。

整体看下来，协议在开放性、安全性、灵活性上考虑得比较多。这些点都是 MCP 有所不足的。和 MCP 的对比我们放在最后。先说正题——详解A2A

A2A 的参与者

A2A 协议有三个参与者：

用户（User）：使用代理系统完成任务的用户（人类或服务）
客户端（Client）：代表用户向不透明代理（服务、代理、应用程序）请求操作的实体。
服务端（Server）：不透明（黑盒）的远程代理，即 A2A 服务器。

参考如下的图

通过上面的图，我们可以清晰地看到三个参与者的位置，对比之前 MCP 参与者，缺少一个 Host 的参与者。这个是设计思路上的不同，是要开放实现，还是规范一个机制，在 A2A 的实现中，安全等因素，已经通过别的方式实现，但确实User 如何发现需要的 Agent，是一个遗留的问题。

A2A 核心概念

AgentCard

AgentCard 是一个 JSON 文件，描述了 Agent 提供了什么样的功能，官方建议托管在https:// base url /.well-known/agent.json。
这样就可以直接通过 HTTP GET 获取 AgentCard，得到有关 Agent 的描述。

一个自然的引申是：需要注册表，无论是公开的、还是隐私的。这样方便查找 Agent 。

但另一个方面，注册表也可以是去中心化的。我们想象这样一个场景：每一个网站都有一个https:// base url /.well-known/agent.json，描述了自己可以做什么，然后在一个 P2P 的网络中，不断的广播自己的 AgentCard ——甚至这些 AgentCard，可以放在 IPFS 、或者以太坊上，这样 Agent 的协作关系，就构成了一个自组织的 Agent 网络。

回到 A2A，一个 AgentCard 的定义如下：

// An AgentCard conveys key information:
// - Overall details (version, name, description, uses)
// - Skills: A set of capabilities the agent can perform
// - Default modalities/content types supported by the agent.
// - Authentication requirements
interface AgentCard {
  // Human readable name of the agent.
  // (e.g. "Recipe Agent")
  name: string;
  // A human-readable description of the agent. Used to assist users and
  // other agents in understanding what the agent can do.
  // (e.g. "Agent that helps users with recipes and cooking.")
  description: string;
  // A URL to the address the agent is hosted at.
  url: string;
  // The service provider of the agent
  provider?: {
    organization: string;
    url: string;
  };
  // The version of the agent - format is up to the provider. (e.g. "1.0.0")
  version: string;
  // A URL to documentation for the agent.
  documentationUrl?: string;
  // Optional capabilities supported by the agent.
  capabilities: {
    streaming?: boolean; // true if the agent supports SSE
    pushNotifications?: boolean; // true if the agent can notify updates to client
    stateTransitionHistory?: boolean; //true if the agent exposes status change history for tasks
  };
  // Authentication requirements for the agent.
  // Intended to match OpenAPI authentication structure.
  authentication: {
    schemes: string[]; // e.g. Basic, Bearer
    credentials?: string; //credentials a client should use for private cards
  };
  // The set of interaction modes that the agent
  // supports across all skills. This can be overridden per-skill.
  defaultInputModes: string[]; // supported mime types for input
  defaultOutputModes: string[]; // supported mime types for output
  // Skills are a unit of capability that an agent can perform.
  skills: {
    id: string; // unique identifier for the agent's skill
    name: string; //human readable name of the skill
    // description of the skill - will be used by the client or a human
    // as a hint to understand what the skill does.
    description: string;
    // Set of tagwords describing classes of capabilities for this specific
    // skill (e.g. "cooking", "customer support", "billing")
    tags: string[];
    // The set of example scenarios that the skill can perform.
    // Will be used by the client as a hint to understand how the skill can be
    // used. (e.g. "I need a recipe for bread")
    examples?: string[]; // example prompts for tasks
    // The set of interaction modes that the skill supports
    // (if different than the default)
    inputModes?: string[]; // supported mime types for input
    outputModes?: string[]; // supported mime types for output
  }[];
}

内容很长，但是比较简单，我们用下图来表示：

完整的定义可以参考这里：https://github.com/sing1ee/a2a-agent-coder/blob/main/src/schema.ts

Task（任务）

任务是一个有状态的实体，允许客户端与远程代理协作以达成特定的结果并生成相应的输出。在任务内，客户端与远程代理之间会交换消息，远程代理则生成工件作为结果（代理即是 Agent）。

任务始终由客户端创建，而其状态则由远程代理决定。如果客户端需要，多个任务可以归属于同一个会话（通过可选的 sessionId 表示）。在创建任务时，客户端可以设置这个可选的 sessionId。

代理收到请求之后，可以采取以下几种行动：

立即满足请求
安排稍后执行的工作
拒绝请求
协商不同的执行方式
向客户端索要更多信息
委派给其他代理或系统

即使在完成目标后，客户端仍然可以请求更多信息或在同一任务的上下文中进行更改。例如，客户端可以请求：“画一只兔子的图片”，代理回应：“<图片>”，随后客户端又可以要求：“把它画成红色”。

任务不仅用于传递工件（结果）和消息（思考、指令等），还维护着任务的状态及其可选的历史记录，包括状态变化和消息记录。

这些特性非常重要，尤其是同一个任务的上下文，可以进行多轮的对话，这些状态，还有历史记录，都有保存，这个非常匹配现在以 Chat 形式为主的AI 交互。

任务的定义如下：

interface Task {
  id: string; // unique identifier for the task
  sessionId: string; // client-generated id for the session holding the task.
  status: TaskStatus; // current status of the task
  history?: Message[];
  artifacts?: Artifact[]; // collection of artifacts created by the agent.
  metadata?: Record<string, any>; // extension metadata
}
// TaskState and accompanying message.
interface TaskStatus {
  state: TaskState;
  message?: Message; //additional status updates for client
  timestamp?: string; // ISO datetime value
}
// sent by server during sendSubscribe or subscribe requests
interface TaskStatusUpdateEvent {
  id: string;
  status: TaskStatus;
  final: boolean; //indicates the end of the event stream
  metadata?: Record<string, any>;
}
// sent by server during sendSubscribe or subscribe requests
interface TaskArtifactUpdateEvent {
  id: string;
  artifact: Artifact;
  metadata?: Record<string, any>;
}
// Sent by the client to the agent to create, continue, or restart a task.
interface TaskSendParams {
  id: string;
  sessionId?: string; //server creates a new sessionId for new tasks if not set
  message: Message;
  historyLength?: number; //number of recent messages to be retrieved
  // where the server should send notifications when disconnected.
  pushNotification?: PushNotificationConfig;
  metadata?: Record<string, any>; // extension metadata
}
type TaskState =
  | "submitted"
  | "working"
  | "input-required"
  | "completed"
  | "canceled"
  | "failed"
  | "unknown";

Artifact(工件)

工件是代理作为任务最终结果生成的输出。工件具有不可变性，可以被命名，并且可以包含多个部分。通过流式响应，可以将新部分附加到现有的工件中。

一个任务可以生成多个工件。例如，当执行“创建一个网页”时，可能会产生单独的 HTML 工件和图像工件。

不得不说 A2A 出现的时机很准确，现在 AI 的一些主要的应用的形式，在协议定义上都包括了。Artifact就是很火的一个形式。

具体的定义：

interface Artifact {
  name?: string;
  description?: string;
  parts: Part[];
  metadata?: Record<string, any>;
  index: number;
  append?: boolean;
  lastChunk?: boolean;
}

Message(消息)

消息是包含任何非工件内容的实体。这些内容可以包括代理的思考、用户的上下文、指令、错误信息、状态更新或元数据。

所有来自客户端的内容均以消息的形式发送。代理通过消息来传达状态或提供指令，而生成的结果则以工件的形式发送。

消息可以包含多个Part(片段)，以表示不同类型的内容。例如，一个用户请求可能包括用户的文本描述以及多个用于上下文的文件。

定义如下：

interface Message {
  role: "user" | "agent";
  parts: Part[];
  metadata?: Record<string, any>;
}

Part(片段)

Part是客户端与远程代理之间作为消息或工件一部分交换的完整内容。每个Part都有其独特的内容类型和元数据。

以下是不同类型部分的接口定义：

文本部分（TextPart）

interface TextPart {
type: "text";
text: string;
}

文件部分（FilePart）

interface FilePart {
type: "file";
file: {
  name?: string;
  mimeType?: string;
  // 可能的内容
  // oneof {
  bytes?: string; // base64 编码的内容
  uri?: string;
  //}
};
}

数据部分（DataPart）

interface DataPart {
type: "data";
data: Record<string, any>;
}

综合类型

type Part = (TextPart | FilePart | DataPart) & {
metadata: Record<string, any>;
};

更多的消息的细节，参考链接：https://a2aprotocol.ai/blog/a2a-sample-methods-and-json-responses

通信机制与异步支持

A2A 支持以下的通信机制：

A2A 支持安全的推送通知机制，允许代理在不连接的情况下向客户端发送更新。
客户端和服务器可以使用标准请求/响应模式，也可以通过 SSE 进行流式更新。

在推送通知时，代理需要验证通知服务的身份，并使用受信任的凭证进行身份验证，以确保通知的安全性。
基于以上的通信机制，A2A 支持客户端在处理长时间运行的任务时进行轮询，代理也可以通过 SSE 向客户端推送状态更新。

这里，最重要的是异步的支持，client 可以通过类似注册一个 webhook，异步的获取长时间运行任务的结果——就是PushNotification 相关的实现。目前大家在使用 LLMs API 的时候，都会遇到一个问题，就是输出太慢了，而且输出的过程中，并不能做别的事情。如果有了异步的回调，或者轮询、重新订阅，那么就可以在 client 的开发上，更加灵活，可以给用户带来更好的体验。

以下是推送的定义：

interface PushNotificationConfig {
  url: string;
  token?: string; // token unique to this task/session
  authentication?: {
    schemes: string[];
    credentials?: string;
  };
}
interface TaskPushNotificationConfig {
  id: string; //task id
  pushNotificationConfig: PushNotificationConfig;
}

错误处理（Error Handling）

错误消息格式

以下是服务器在处理客户端请求时遇到错误时响应客户端的 ErrorMessage 格式：

interface ErrorMessage {
code: number;
message: string;
data?: any;
}

标准 JSON-RPC 错误代码

以下为服务器在错误场景中可以响应的标准 JSON-RPC 错误代码：

错误代码	信息	描述
-32700	JSON parse error	无效的 JSON 被发送
-32600	Invalid Request	请求负载验证错误
-32601	Method not found	非法方法
-32602	Invalid params	无效的方法参数
-32603	Internal error	内部 JSON-RPC 错误
-32000 to -32099	Server error	保留供实现特定错误代码使用
-32001	Task not found	找不到提供的 ID 的任务
-32002	Task cannot be canceled	无法由远程代理取消任务
-32003	Push notifications not supported	推送通知由代理不支持
-32004	Unsupported operation	操作不支持
-32005	Incompatible content types	客户端与代理之间的内容类型不兼容

动手实践

我把官方的 ts 的示例进行了修改，支持了 OpenRouter，主要是改动了兼容 OpenAI 的 API 形式。代码在这里：https://github.com/sing1ee/a2a-agent-coder

我是在 Mac 环境下进行的，打开你最爱的终端：

安装 Bun

brew install oven-sh/bun/bun # 针对 macOS 和 Linux

克隆仓库

git clone git@github.com:sing1ee/a2a-agent-coder.git

安装依赖

cd a2a-agent-coder
bun i

配置环境变量
参考***.env.example创建一个.env***文件，内容如下：

OPENAI_API_KEY=sk-or-v1-xxxxxxx
OPENAI_BASE_URL=https://openrouter.ai/api/v1
OPENAI_MODEL=anthropic/claude-3.5-haiku

我用的是 OpenRouter，支付方便，模型众多。大家尝试的话，可以注册一个 OpenRouter，即使没有充值，可以有每天 50 次免费模型的额度，例如deepseek/deepseek-chat-v3-0324:free
让环境变量生效

export $(cat .env | xargs)

运行 A2A Server

bun run agents:coder

再打开一个新的终端，运行 A2A Client，这里不需要配置 env

bun run a2a:cli

以下是我之前运行的结果：

bun run a2a:cli

# result
$ bun x tsx src/cli.ts
A2A Terminal Client
Agent URL: http://localhost:41241
Attempting to fetch agent card from: http://localhost:41241/.well-known/agent.json
✓ Agent Card Found:
  Name:        Coder Agent
  Description: An agent that generates code based on natural language instructions and streams file outputs.
  Version:     0.0.1
Starting Task ID: a1a608b3-3015-4404-a83f-6ccc05083761
Enter messages, or use '/new' to start a new task.
Coder Agent > You: implement binary search
Sending...

Coder Agent [4:28:00 PM]: ⏳ Status: working
  Part 1: 📝 Text: Generating code...

Coder Agent [4:28:02 PM]: ⏳ Status: working
  Part 1: 📄 File: Name: src/algorithms/binary_search.py, Source: """
Implementation of the binary search algorithm in Python.
"""

def binary_search(arr, target):
    """
    Performs a binary search on a sorted array to find the index of a target value.

    Args:
        arr (list): A sorted list of elements.
        target: The value to search for in the array.

    Returns:
        int: The index of the target value if found, otherwise -1.
    """
    low = 0
    high = len(arr) - 1

    while low <= high:
        mid = (low + high) // 2  # Integer division to find the middle index

        if arr[mid] == target:
            return mid  # Target found at index mid
        elif arr[mid] < target:
            low = mid + 1  # Target is in the right half
        else:
            high = mid - 1  # Target is in the left half

    return -1  # Target not found in the array


Coder Agent [4:28:02 PM]: ✅ Status: completed
SSE stream finished for method tasks/sendSubscribe.
--- End of response for this input ---
Coder Agent > You:
Exiting terminal client. Goodbye!

运行过程的流程图如下：

目前非程序员用户想体验，还需要耐心等待，也可以借助 Cursor 等试一试。

A2A 与 MCP 比较

这个问题，很多人关心，我大概做了一个总结：

特性	A2A	MCP
主要用途	代理间通信和协作	为模型提供工具和上下文，连接外部资源
核心架构	客户端-服务器（代理-代理）	客户端-主机-服务器（应用-LLM-外部资源）
标准接口	JSON 规范、代理卡、任务、消息、工件	JSON-RPC 2.0、资源、工具、记忆、提示
关键特性	多模态、动态协作、安全性、任务管理、能力发现	模块化、安全边界、可重用连接器、SDK、工具发现
通信协议	HTTP, JSON-RPC, SSE	JSON-RPC 2.0 over stdio, HTTP with SSE
性能重点	异步通信，处理负载	高效上下文管理、并行处理、缓存以提高吞吐量
采用与社区	初期行业支持良好，新兴生态系统	行业广泛采用，社区快速增长

同时，我也在做一些思考，

我们要如何区分 Agent 和 Tools？真的有绝对的边界么？
目前从技术上看，A2A 适应的场景更多，包括了 MCP 的场景
如果未来 Agent 很多，以及 MCP server 很多，会构成一个什么样的网络呢？前者更倾向于去中心化的，后者更倾向于中心化的。前者更倾向于分散自治，后者是集中的管理。

都在思考中，需要更多的实践。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述