智能体间通信（Agent-to-Agent）| Agentic Design Patterns | 智能体设计模式

导语

不同框架构建的智能体无法协作，每个系统独立开发集成，添加新智能体需大量改造。A2A（Agent-to-Agent）协议是Google推出的开放标准，使不同框架(LangGraph/CrewAI/ADK)构建的智能体能够跨平台通信与协作。本文介绍A2A核心概念、通信机制、与MCP的互补关系、ADK实战示例与安全机制，适合需要构建跨框架智能体系统的架构师。

TL;DR

• 核心：A2A协议使不同框架构建的智能体能够跨平台通信与协作，包含User、A2A Client、A2A Server三大核心参与者。
• 价值：跨框架互操作性、降低集成成本、促进智能体专业化、支持复杂工作流编排、开源生态。
• 机制：智能体卡片（Agent Card）声明能力和技能，通过发现、请求构建、客户端通信、服务器执行、响应返回五步流程。
• 通信：同步请求/响应、异步轮询、流式更新(SSE)、推送通知(Webhook)四种交互模式。
• 关系：A2A与MCP互补，A2A用于多智能体协作，MCP用于单智能体能力扩展。
• 延伸：与多智能体协作、模型上下文协议配合使用，见《./07-多智能体协作.md》《./10-模型上下文协议.md》。

---

是什么：A2A的核心定义

A2A（Agent-to-Agent）协议：Google推出的开放标准，使不同框架(LangGraph/CrewAI/ADK)构建的智能体能够跨平台通信与协作。

核心类比：

无A2A  →  各说各话的方言，无法沟通
有A2A  →  统一的普通话，畅通交流

支持厂商：

• Atlassian, Box, LangChain, MongoDB
• Salesforce, SAP, ServiceNow
• Microsoft (Azure AI Foundry, Copilot Studio)
• Auth0

可视化示意图：

图1：A2A与MCP的互补关系 - 展示两个协议如何协同工作

读图要点：A2A用于智能体间通信，MCP用于智能体与外部工具交互，两者互补而非竞争。

常见误解澄清：

• ❌ A2A与MCP是竞争关系：两者互补，A2A用于多智能体协作，MCP用于单智能体能力扩展。
• ❌ A2A会增加很多延迟：会增加网络通信延迟，但换来跨框架互操作性。
• ❌ 所有智能体都需要A2A：单框架内协作不需要A2A，跨框架协作才需要。

---

为什么：产生背景与适用场景

产生背景

无A2A的痛点：

• 框架孤岛：不同框架智能体无法协作
• 重复造轮子：每个系统独立开发集成
• 扩展困难：添加新智能体需大量改造
• 任务无法分解：单智能体处理复杂任务效率低
• 信息无法共享：智能体间无法交换信息

A2A解决方案：

• ✅ 跨框架互操作性
• ✅ 降低集成成本
• ✅ 促进智能体专业化
• ✅ 支持复杂工作流编排
• ✅ 开源生态

A2A核心概念

1. 核心参与者（Core Actors）

角色	定义	职责
User（用户）	发起请求的人	提出需求
A2A Client（客户端智能体）	代表用户请求	发送任务、接收结果
A2A Server（远程智能体）	提供服务的智能体	处理任务、返回结果

工作流程：

User发起请求
  ↓
Client智能体接收
  ↓
通过A2A协议调用Remote智能体
  ↓
Remote智能体处理
  ↓
返回结果给Client
  ↓
Client返回给User

2. 智能体卡片（Agent Card）

定义：智能体的"身份证"，包含关键元信息，通常为JSON文件。

核心字段：

{
  "name": "WeatherBot",
  "description": "提供天气预报",
  "url": "http://xxx.com/a2a",
  "version": "1.0.0",
  "capabilities": {
    "streaming": true,
    "pushNotifications": false,
    "stateTransitionHistory": true
  },
  "authentication": {
    "schemes": ["apiKey"]
  },
  "skills": [
    {
      "id": "get_current_weather",
      "name": "获取当前天气",
      "description": "实时天气查询",
      "examples": ["巴黎天气如何?"]
    }
  ]
}

作用：

• 自动发现智能体
• 了解智能体能力
• 确定调用方式
• 声明认证需求

3. 智能体发现（Agent Discovery）

发现方式	原理	适用场景
Well-Known URI	标准路径<code>/.well-known/agent.json</code>	公共智能体、自动发现
托管注册中心	集中目录，可按条件查询	企业环境、集中管理
直接配置	硬编码或私下共享	私有系统、紧密耦合

安全考虑：

• 访问控制
• 双向TLS(mTLS)
• 网络限制

---

怎么做：通信机制与ADK实战

四种交互模式

模式	适用场景	工作原理
同步请求/响应	快速简单操作	发送→等待→接收完整响应
异步轮询	长时间任务	发送→获取任务ID→定期查询状态
流式更新(SSE)	实时增量结果	建立持久连接→服务器持续推送更新
推送通知(Webhook)	超长任务	注册webhook→任务完成时服务器推送

示例对比：

同步请求（使用<code>sendTask</code>）：

{
  "jsonrpc": "2.0",
  "method": "sendTask",
  "params": {
    "message": {
      "role": "user",
      "parts": [{"type": "text", "text": "USD to EUR汇率?"}]
    }
  }
}
// 等待单一完整响应

流式请求（使用<code>sendTaskSubscribe</code>）：

{
  "jsonrpc": "2.0",
  "method": "sendTaskSubscribe",
  "params": {
    "message": {
      "role": "user",
      "parts": [{"type": "text", "text": "JPY to GBP汇率?"}]
    }
  }
}
// 持续接收增量更新

核心通信概念

概念	定义	作用
Task（任务）	工作的基本单元	携带唯一ID和状态(submitted/working/completed)
Message（消息）	通信载体	包含attributes(元数据)和parts(实际内容)
Artifacts（产出物）	任务结果	可增量流式传输
contextId（上下文ID）	会话标识	关联多次交互，保持上下文

技术协议：

• 传输：HTTP(S)
• 负载：JSON-RPC 2.0
• 模态无关：支持文本、音频、视频等多种数据类型

A2A vs MCP

维度	A2A	MCP
核心目标	智能体间通信与协作	智能体与外部数据/工具交互
关注点	任务委派、协调、信息交换	结构化上下文、工具调用
适用场景	多智能体系统编排	单智能体能力扩展
开发者	Google	Anthropic
关系	互补，非竞争	互补，非竞争

实际应用：

场景：企业智能客服系统

MCP层：
  - 查询知识库(RAG)
  - 调用CRM API
  - 访问工单系统

A2A层：
  - 客服智能体 ←→ 技术支持智能体
  - 客服智能体 ←→ 订单处理智能体
  - 客服智能体 ←→ 数据分析智能体

实战示例 - ADK构建A2A Server

1. 创建ADK智能体

from google.adk.agents import LlmAgent
from google.adk.tools.google_api_tool import CalendarToolset

async def create_agent(client_id, client_secret) -> LlmAgent:
    """构建日历管理智能体"""
    toolset = CalendarToolset(client_id=client_id, client_secret=client_secret)
    return LlmAgent(
        model='gemini-2.0-flash-001',
        name='calendar_agent',
        description="帮助管理用户日历的智能体",
        instruction=f"""
        你是日历管理智能体。
        用户会询问日历状态或请求修改。
        使用提供的工具与Calendar API交互。
        默认日历为'primary'。
        今天是 {datetime.datetime.now()}.
        """,
        tools=await toolset.get_tools(),
    )

2. 定义智能体卡片和技能

from a2a import AgentSkill, AgentCard, AgentCapabilities

# 定义技能
skill = AgentSkill(
    id='check_availability',
    name='检查空闲时间',
    description="使用Google Calendar检查用户空闲状态",
    tags=['calendar'],
    examples=['明天10点到11点我有空吗?'],
)

# 创建智能体卡片
agent_card = AgentCard(
    name='Calendar Agent',
    description="管理用户日历的智能体",
    url=f'http://{host}:{port}/',
    version='1.0.0',
    defaultInputModes=['text'],
    defaultOutputModes=['text'],
    capabilities=AgentCapabilities(streaming=True),
    skills=[skill],
)

3. 设置A2A服务器

from a2a.adk import ADKAgentExecutor
from a2a.starlette import A2AStarletteApplication, DefaultRequestHandler
from starlette.applications import Starlette

# 创建ADK运行器
adk_agent = asyncio.run(create_agent(
    client_id=os.getenv('GOOGLE_CLIENT_ID'),
    client_secret=os.getenv('GOOGLE_CLIENT_SECRET'),
))
runner = Runner(
    app_name=agent_card.name,
    agent=adk_agent,
    artifact_service=InMemoryArtifactService(),
    session_service=InMemorySessionService(),
)

# 包装为A2A执行器
agent_executor = ADKAgentExecutor(runner, agent_card)

# 创建请求处理器
request_handler = DefaultRequestHandler(
    agent_executor=agent_executor,
    task_store=InMemoryTaskStore()
)

# 创建A2A应用
a2a_app = A2AStarletteApplication(
    agent_card=agent_card,
    http_handler=request_handler
)

# 启动服务
app = Starlette(routes=a2a_app.routes())
uvicorn.run(app, host=host, port=port)

核心步骤：

1. 创建ADK智能体（配置工具和指令）
2. 定义智能体卡片（声明能力和技能）
3. 包装为A2A执行器
4. 暴露HTTP端点

---

对比与取舍：A2A的优势与挑战

✅ 核心优势

优势	说明
互操作性	不同框架智能体无缝协作
模块化	智能体独立开发和部署
可扩展性	轻松添加新智能体
专业化	每个智能体专注特定领域
开放标准	社区驱动，厂商支持

⚠️ 挑战

挑战	影响	缓解方案
网络延迟	跨服务通信增加耗时	异步设计+缓存
复杂性	多智能体协调复杂	清晰的编排逻辑
调试困难	分布式系统难排查	完善的日志和追踪
版本兼容	协议演进可能不兼容	语义化版本控制
安全风险	多端点增加攻击面	mTLS+审计+最小权限

安全机制

机制	作用	实现方式
双向TLS(mTLS)	加密通信、防拦截	加密连接+双向认证
审计日志	追踪与问责	记录所有通信细节
智能体卡片声明	集中管理认证	在Agent Card中明确声明
安全凭证	身份验证	OAuth 2.0 / API Key (通过Header传递)

最佳实践：

• ✅ 使用HTTPS
• ✅ 定期轮换API密钥
• ✅ 实施最小权限原则
• ✅ 监控异常通信模式
• ✅ 加密敏感数据

---

常见错误与排错

典型坑位

问题	症状	识别方法	修复建议
连接失败	无法连接到远程智能体	检查网络和认证	验证URL、认证信息、网络连接
版本不兼容	协议版本不匹配	检查Agent Card版本	使用语义化版本控制，确保兼容
通信超时	长时间任务超时	检查超时设置	使用异步轮询或流式更新
安全漏洞	未授权访问	检查认证机制	实施mTLS、API Key、访问控制

调试技巧

1. 检查Agent Card配置：确保智能体卡片正确配置，包含所有必要信息。
2. 验证通信协议：检查JSON-RPC 2.0格式是否正确。
3. 查看日志：记录所有通信细节，便于调试和追踪。
4. 测试独立运行：先单独测试智能体，再集成到A2A系统。

---

FAQ

Q1：A2A与MCP如何选择？
A：

• A2A: 多智能体协作、任务委派、跨框架通信
• MCP: 单智能体扩展、外部工具接入、数据源集成
• 通常一起使用：MCP扩展单个智能体能力，A2A编排多个智能体

Q2：如何处理A2A通信失败？
A：1) 重试机制；2) 超时设置；3) 降级策略；4) 错误日志；5) 熔断器模式。

Q3：A2A支持哪些数据类型？
A：模态无关，支持文本、JSON、音频、视频、图像等。

Q4：如何管理智能体版本？
A：在Agent Card中声明版本号，客户端根据兼容性选择。

Q5：A2A性能如何优化？
A：1) 使用流式传输；2) 实施缓存；3) 异步处理；4) 批量请求；5) 负载均衡。

Q6：如何监控A2A系统？
A：

• 追踪每个任务的状态转换
• 记录通信延迟
• 监控失败率
• 分析审计日志

---

延伸阅读与引用

官方文档

• A2A协议规范
• A2A示例代码
• 构建A2A项目教程

---

总结

智能体间通信（A2A）是突破单一框架限制、实现跨平台协作的核心协议。通过智能体卡片声明能力和技能，四种交互模式（同步、异步、流式、推送）支持不同场景，A2A实现了不同框架智能体的无缝协作。虽然A2A面临网络延迟、复杂性、调试困难等挑战，但通过异步设计、清晰编排、完善日志和安全机制可以显著缓解。A2A与MCP互补，MCP扩展单个智能体能力，A2A编排多个智能体，两者协同构建完整的智能体生态系统。