2025 年 4 月，Google 与多家合作伙伴公布 Agent2Agent（A2A）协议。MCP 主要解决智能体怎样连接工具和上下文，A2A 关注的是另一层问题：一个智能体怎样发现另一个智能体的能力，把任务委托给它，并持续获得进度与结果。
当智能体从单个聊天窗口走进企业流程，协作协议几乎是必然需求。
为什么不能只暴露一个普通 API
当然可以用 HTTP API 调用任何服务，但智能体任务往往不是一次请求立即返回。它可能需要几分钟处理资料，期间请求补充信息，产出多个文件，或者最终失败并给出原因。
A2A 用 Agent Card 描述一个智能体的身份、地址和能力，让调用方先发现“谁会做什么”；任务则拥有状态和生命周期，消息与产物可以在过程中持续交换。
这与微服务中的服务发现和异步任务很相似，只是交互内容更开放，执行步骤也可能由模型动态决定。协议的价值，是让每个团队不必重新发明能力描述、状态轮询和结果封装。
多智能体不是让模型开更多群聊
一个任务拆给多个智能体，理论上可以并行并利用专业能力；现实中也会出现重复劳动、目标漂移、上下文丢失和互相等待。智能体数量增加，会像微服务数量增加一样引入协调成本。
适合拆分的任务应该有清晰责任边界和可验证产物。例如研究智能体返回带来源的材料，代码智能体提交补丁，测试智能体返回失败用例。若只是让几个模型自由讨论，往往产生更多文字，不一定产生更多证据。
协议解决消息互通，任务如何分解、何时结束和冲突如何仲裁，仍然属于应用设计。
身份和权限会成为核心问题
当 A 智能体代表用户调用 B 智能体时，B 应该信任谁？用户的权限如何传递？一个只能阅读日历的智能体，不能因为被另一个高权限智能体调用就获得发邮件能力。
分布式系统过去积累的认证、授权、审计和最小权限原则必须继续适用。每次委托都应携带有限身份和明确目的，高风险操作由真正执行动作的一端再次校验。来自其他智能体的消息仍是不可信输入，不能覆盖系统规则。
我的理解：智能体网络首先是分布式系统
多智能体常被描述成一个拟人化团队，但工程上它更像一组不完全确定的分布式服务。网络会失败，任务会超时，消息会重复，参与者可能给出错误结果。因此需要幂等、超时、重试、状态机和可观测性。
模型让服务能够理解开放语言，协议让服务能够互相找到；真正让系统可靠的，仍是那些看似传统的工程约束。
A2A 的长期价值取决于生态是否形成共同实现，但它提出的问题已经很清楚：当 AI 能力分散在不同组织和平台中，我们需要的不只是更聪明的单体模型，还需要可信地委托、协商和交付。
参考资料
本文是 2026 年整理断更期时写下的回顾，发布日期按事件所处阶段归档。