AI 的重大互操作性转折点：为何 A2A 和 MCP 对代理协作至关重要

AI 代理正处于类似于 2010 年代初期 API 经历的突破性时刻。当时，REST 和 JSON 通过简化原本被 SOAP、WSDL 以及紧密耦合的 Web 服务缠绕的问题，实现了大规模的系统间集成。这一变革不仅提升了开发人员的生产力，还催生了基于模块化软件构建的整个商业生态系统。

人工智能领域正经历类似的转变。随着代理变得更加高效和专业，企业逐渐认识到协调合作将成为下一个重大挑战。为满足这一需求，两种开放协议 —— 代理间通信 ( A2A ) 和 模型上下文协议 ( MCP ) —— 正在逐步出现。它们简化了代理共享任务、交换信息以及访问企业上下文的过程，即使这些代理是基于不同模型或工具构建的。

这些协议不仅仅是技术上的便利。它们是将智能软件扩展至实际工作流程的基础。

为什么代理与工具之间的互操作性现在如此重要

AI 系统正在超越通用助手的范畴。实际上，大多数企业正在设计专门化的代理，用于管理库存、处理退货、优化路线或执行审批流程。这些代理的价值不仅源自于其智能，更在于它们之间的协同工作方式。

A2A 为代理跨系统交互提供了机制。它允许代理展示自身能力、发现其他代理以及发送结构化请求。A2A 基于 JSON-RPC 和 OpenAPI 风格的认证，支持代理间的无状态通信，使得大规模运行多代理工作流程既简便又安全。MCP 则是另一种协议，它使 AI 代理能够无缝访问必要工具、全面数据和相关上下文，提供了连接各类企业系统的标准化框架。一旦服务提供商建立了 MCP 服务器，其全部功能便对所有代理普遍开放，从而促进整个生态系统内更智能、协调的操作。

这些协议无需企业手动构建或拼接系统，使得整个生态系统中的 AI 协作可以基于统一的共享基础。

为何迅速获得关注

Google Cloud 推出了 A2A 开放标准，并公开发布了其草案，鼓励全行业的参与与贡献。已有超过 50 家合作伙伴参与了其发展，包括 Salesforce、Deloitte 和 UiPath。Microsoft 现已在 Azure AI Foundry 和 Copilot Studio 中支持 A2A；SAP 也将 A2A 集成到了其 Joule 助手中。

生态系统中其他案例也在不断涌现。Zoom 正在其开放平台上利用 A2A 促进代理间的交互。Box 和 Auth0 则展示了如何通过标准化身份验证流程，在代理之间实现企业认证。

这种广泛的参与正推动协议在规范和工具方面迅速成熟。Python A2A SDK 已稳定并适用于生产环境。Google Cloud 同时发布了 Java 代理开发套件，以扩展对企业开发团队的支持。Renault Group 也是率先部署这些工具的早期采用者之一。

多代理工作流程开启全新企业应用场景

从独立代理到协同系统的转变已经在进行中。

试想一个场景：一位客户服务代理接到请求后，通过 A2A 向库存代理查询产品库存情况；随后，再向物流代理咨询以推荐发货时间表；如有必要，还会调用财务代理办理退款。每个代理可能基于不同模型、工具包或平台构建 —— 但它们能够通过 A2A 和 MCP 实现互操作。

在更高级的应用场景中，该模式能实现诸如实时运营管理等用例。例如，在主题公园监控视频流的 AI 代理可与运营代理协同，依据实时人群状况调整员工配置。视频、传感器与票务数据可以通过 BigLake metastore 等工具提供，并由代理通过 MCP 访问。各代理间协同做出并执行决策，对人工调度的依赖降至最低。

从架构角度来看，这是一种全新的抽象层

MCP 和 A2A 不仅仅是消息传递协议，它们代表了企业软件向简洁、开放抽象转变的更大趋势。

这些代理协议将智能与集成解耦。借助 MCP，开发者无需为每个数据源手工编写 API 接入代码；通过 A2A，他们也无需维护易碎的代理交互逻辑。其结果是一种更易维护、更安全且便于移植的构建智能多代理系统的方法，这种方法可以跨业务部门和平台实现大规模扩展。

Google Cloud 对开放代理标准的投资

Google Cloud 对生态系统的贡献既基础又实用。我们正与 Anthropic 合作推进 MCP，并将 A2A 作为开放规范发布，同时配备了生产级工具。这些协议已深度集成在我们的 AI 平台中，包括 Vertex AI，在该平台上可以直接开发和管理多代理工作流程。看到其他云服务提供商也在采纳 MCP 和 A2A 标准，令人倍感鼓舞。

通过同时推出适用于 Python 和 Java 的代理开发套件，并使这些组件模块化且可扩展，Google Cloud 现正帮助团队在无需重新打造基础设施的前提下采纳这些标准。该代理开发套件还内置了访问 BigQuery 数据的工具，使构建基于企业数据支持的专属代理变得简单易行。

我们致力于通过 MCP 和 A2A 协议，让您能够访问 BigQuery、AlloyDB 以及其他 GCP 数据服务。您可以从今天开始使用 MCP 数据库工具箱，将数据库查询开放为 MCP 工具。我们将不断通过 MCP 添加更多工具，使开发人员能利用 BigQuery 的原生能力构建更为复杂的代理。

为何这一趋势值得密切关注

对于今天投资于 AI 代理的组织来说，随着时间的推移，互操作性的重要性只会日益增加。基于孤立代理构建的系统将难以实现规模化；而基于共享协议构建的系统则会更加灵活、协同且面向未来。

这一转变正呼应了过去十年 API 的崛起。REST 和 JSON 不仅提高了效率，还奠定了现代云应用的基础。MCP 和 A2A 有望为 AI 代理带来同样的变革。

采用这些协议无需对现有系统进行全面重构，其核心在于创造灵活性，使内部或供应商开发的代理能够借助已获得广泛支持的标准，实现情境化协作与运行。

对于正在评估其 AI 技术栈的公司来说，值得反问的是：他们的代理是否能够相互通信 —— 以及若不能，又将面临怎样的局面。

Tomas Talius，Google BigQuery 工程副总裁。

赞助文章指的是由支付费用或与 VentureBeat 存在业务关系的公司制作的内容，这类文章通常会有明确标识。欲了解更多信息，请联系 sales@venturebeat.com。