本文章没有找到对应的语言版本

为什么要写这篇

这半年 AI 圈两个缩写刷屏——MCP（Model Context Protocol）和 A2A（Agent2Agent Protocol）。都带"协议"二字、都跟 Agent 有关、连发布节奏都挨着，所以经常被人混着讲：

Agentic Stack：Google 视角下的四层栈，MCP 和 A2A 各占一层

图源：a2aproject/A2A。Google 把 MCP 和 A2A 放在同一张"agent 技术栈"图里——这本身就说明两者是互补，不是替代。

“MCP 不就是 A2A 吗？”

“A2A 不就是 MCP 的升级版吗？”

我翻了手头几个项目想找真实案例，很遗憾都不沾边——AIKit 是 Next.js 壁纸工具，InkFrame 是 Flutter 桌面应用，博客是 Hugo。所以这次换个写法：啃官方 repo，对着源码讲清楚两个协议各自在解决什么问题、什么时候用哪个、以及——它们怎么组合。

一句话定位

先上结论，后面再展开：

协议定位类比
MCP给单个 Agent 外挂工具和数据源给 AI 插 USB
A2A让多个 Agent 互相协作让 AI 组团队

它们根本不在一个抽象层级。MCP 管的是 Agent ↔ 工具（纵向），A2A 管的是 Agent ↔ Agent（横向）。混淆的本质是把"我 Agent 能干什么"和"我们 Agent 怎么一起干"混为一谈。

MCP：给 Agent 插 USB

权威 repo

底层逻辑

MCP 把"AI 调工具"这件事标准化成三角关系：

Host (Claude Desktop / Cursor / 你自己的应用)
  └─ Client (每个 MCP 连接一个)
       └─ Server (filesystem / github / postgres / ...)
  • Host：跑模型的那一侧，决定什么时候连哪个 server
  • Client：Host 里的连接器，一对一
  • Server：真正干活的进程，暴露三类能力：
    • tools——可调用的函数（读文件、查 DB、发消息）
    • resources——可读取的数据（日志、Schema、文档）
    • prompts——可复用的提示词模板

传输层是 JSON-RPC 2.0，通道可以是 stdio 或 SSE/HTTP。

最短可读参考：filesystem server

想真正看懂 MCP，别去读规范，去读这个：

https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem

百来行 TypeScript，把 read_file / write_file / list_directory 这些工具注册给 Client。读完你就明白：MCP server 的本质就是一个实现了 JSON-RPC 的小进程，没别的魔法。

用户侧视角

我写这篇文章的时候，Claude Code 会话里就挂着几个 MCP server：

mcp__claude_ai_Gmail__*
mcp__claude_ai_Google_Calendar__*
mcp__claude_ai_Google_Drive__*

对 Claude 来说，这些就是"多出来的工具"。我不需要教它怎么调 Gmail API——MCP 把鉴权、调用、schema 全封好了，Claude 只看到 send_email(to, subject, body) 这种人话接口。

A2A：让 Agent 组队

权威 repo

A2A 是 Google 2025 年开源的协议，同年捐给了 Linux Foundation（所以仓库从 google-a2a 迁到了 a2aproject）。定位非常直接：跨厂商、跨框架的 Agent 互操作标准。你的 LangGraph agent 想调我的 CrewAI agent？用 A2A。

A2A 角色关系：End-User → Client → Client Agent → Remote Agent Mesh

图源：a2aproject/A2A。A2A 的核心画面是右边那张"Remote Agent Mesh"——一堆互不属于同一系统的 agent，通过协议握手就能协作。

三个核心概念

啃 a2a-samples/samples/python/agents 里任何一个 demo，都绕不开这三样东西：

1. Agent Card 每个 A2A agent 在 /.well-known/agent.json 发布一张"名片"：我是谁、我会干什么、怎么联系我、要不要鉴权。这是 发现机制。

2. Task 调用不是一次性请求，而是一个有状态的任务，状态机是：submitted → working → input-required → completed / failed / canceled。支持长任务、支持中途要补充信息。

3. Message / Artifact Task 内部来回传的消息叫 Message，最终产出叫 Artifact。都支持多模态——文本、文件、结构化数据。

和 MCP 的关键差异

维度MCPA2A
参与方Host ↔ Server（主从）Agent ↔ Agent（对等）
调用形态同步 RPC 为主异步 Task，可长时间运行
发现机制Host 配置里写死Agent Card 自描述
内部可见性Server 暴露全部能力Agent 对外只露"能干什么"，不露"怎么干"
典型场景“Claude 帮我读本地文件”“订机票 Agent 去喊 HR Agent 查假期”

信任边界不同——这是最容易被忽略的点。MCP server 是你自己挂的，你信任它；A2A 的对端可能是另一个组织的 agent，所以协议里把鉴权、权限、错误语义讲得更重。

什么时候用哪个

一张决策表替代长篇大论：

你的需求选哪个
给 AI 加一个私有数据源 / 内部工具MCP
复用别人写好的工具（GitHub、Slack、DB）MCP
让多个专业 agent 协作完成一个流程A2A
跨组织 / 跨厂商的 agent 互调A2A
一个长时间跑的任务，中途要催进度 / 补信息A2A
只是"让 Claude 多一个函数可调用"MCP

组合拳：A2A 在上，MCP 在下

真实系统里两个协议不冲突，反而是分层的。这张图是 A2A 官方仓库的"镇仓之图"，把两者的关系画得很清楚：

A2A 在外、MCP 在内：Agentic Application 内部用 MCP 连工具，对外用 A2A 连其他 Agent

图源：a2aproject/A2A。左边整块是一个 Agentic Application——内部有 Agent Framework、LLM、sub-agents，通过 MCP Server 连 /tools /resources；对外通过 A2A protocol 和两个黑盒 Agent 通信，先 Get agent card 发现再调用。

翻译成一句话：

  • 横向用 A2A：agent 之间异步协作、互相发现、各自黑盒
  • 纵向用 MCP：每个 agent 自己挂一堆工具/数据源

一个类比：A2A 是公司间的邮件合同，MCP 是每个员工桌上的电脑和工具。你不会用邮件合同去控制鼠标，也不会用 USB 去签合同。

想动手的话从哪开始

MCP 最快路径：

1
2
3
4
5
6

# 1. 读完这个 100 行的 server
open https://github.com/modelcontextprotocol/servers/tree/main/src/filesystem

# 2. 用 Python SDK 写一个自己的
pip install mcp
# 照着 https://github.com/modelcontextprotocol/python-sdk 的 README

A2A 最快路径：

1
2
3
4
5

# 1. clone 官方 samples
git clone https://github.com/google-a2a/a2a-samples

# 2. 跑 python/agents 目录里任意一个（推荐 langgraph 那个）
# 3. 再开一个终端，用 a2a-python SDK 当 client 调它

注意：A2A 已从 google-a2a 组织迁到 Linux Foundation 下的 a2aproject，老链接会自动跳转，但 clone 时最好直接用新地址。

收尾

MCP 和 A2A 不是替代关系，是同一套 Agent 架构里的两根柱子：

  • 没有 MCP，Agent 是个只会聊天的空壳——进不了你的文件，摸不到你的数据库
  • 没有 A2A，Agent 永远只能自己玩——没法跟别的系统里的 Agent 协作

2026 年再建 AI 系统，基本跑不掉"MCP 接工具 + A2A 接同行"这个组合。先把两个官方 repo 各读一遍 reference 实现，再决定自己要不要动手。

相关链接汇总：

说些什么吧！

giscus