Agent Skills
返回列表
🤖

A2A 智能体互操作协议

AI Agent 更新于 2026.08.30

将以下提示词粘贴到你的 AI 对话框中：

请根据 https://skillhub.cn/install/skillhub.md 安装 @kunlungrowth/agent-interop-a2a 技能，用于指导 AI 助手实现智能体互操作协议（A2A）。

技能介绍

多智能体协作的现实痛点

当你需要在跨厂商、跨系统的多个 Agent 之间协调工作时，会遇到几个棘手问题：Agent 之间无法互相发现能力、跨系统调用缺乏统一规范、长任务难以跟踪状态、跨域调用存在权限与安全风险。

A2A 协议如何解决这些问题

四大核心能力

  • Agent Card 发现机制：每个 Agent 通过能力卡声明自身功能
  • 任务委派：支持 Agent 间安全的任务传递与结果回传
  • 状态追踪：通过任务/消息机制跟踪长任务进度
  • 安全授权：基于企业身份而非裸调用的鉴权体系

关键落地步骤

  1. 为每个 Agent 定义能力卡（Agent Card）
  2. 明确任务输入输出契约
  3. 制定鉴权与可见性策略
  4. 设计失败/超时的回退路径

与 MCP 的分工

  • MCP 解决 Agent 连接工具/数据源的纵向问题
  • A2A 解决 Agent 连接 Agent 的横向问题
  • 两者互补：MCP 给能力，A2A 给协作

适用边界与注意点

  • 避免用 A2A 做本该由 MCP 处理的工具调用
  • 严禁无鉴权暴露 Agent 能力
  • 长任务必须实现状态追踪
  • 跨 Agent 调用需遵循企业安全合规要求

使用场景

  • 系统中有多个不同厂商的 Agent，需要互相发现能力并委派子任务，而不是靠人工转发消息。
  • Agent 需要把长耗时任务拆成子任务交给其他 Agent 执行，并持续跟踪每个子任务的进度。
  • 跨系统调用 Agent 前，要先确认对方的输入输出契约与鉴权方式，避免直接裸调用。
  • 需要判断某个工具调用该用 A2A 还是 MCP，避免把协议用错层级。

适合人员

  • 正在设计多 Agent 系统的后端工程师，需要定义 Agent 间的任务委派与状态回传方案。
  • 负责企业 Agent 平台的架构师，需要规划跨部门 Agent 的发现、鉴权与可见性策略。
  • 正在评估 A2A 与 MCP 取舍的技术负责人，需要厘清两种协议各自的适用边界。
  • 为长任务设计失败回退机制的开发者，需要处理 Agent 间调用的超时与重试。