单个 Agent 能做的事有限，真正的前沿是 Agent 之间怎么协作。行业里基本形成共识：MCP 解决「AI 和工具之间」的互操作，A2A 解决「Agent 和 Agent 之间」的互操作。前者像 USB-C——统一接口接各种设备；后者像 TCP/IP——让不同系统互通。

MCP：工具的标准插座

  • 模型上下文协议，2024 年底推出，现在已是 AI 工具接线的默认标准
  • 生态非常活跃：从调试器到购物比价，都有人做成 MCP server
  • 例：x64dbg-mcp-server（1759★）把调试器的全部功能暴露给 AI；northcinder（1218★）让 AI 比价后先征求买家确认

A2A：Agent 之间的通信协议

  • Agent2Agent，2026 年 3 月发布 v1.0，官方提供 Rust、Java、Python 三套 SDK
  • 解决 Agent 发现、任务委派、进度协商、结果回传这些协作问题
  • 例：sprix-sage-router（2791★）在 A2A 网络上做状态感知路由，支持 SELF、COLLABORATE、HANDOFF 三种模式切换

两者怎么配合

典型架构是「A2A 管协作，MCP 管干活」：一个主 Agent 通过 A2A 把子任务派给其他 Agent，每个 Agent 再通过 MCP 调用各自擅长的工具。FrontierAgent（1287★）这类框架已经把 ReAct、Agent 团队模式打包进去，方向都是同一个：从单 Agent 走向多 Agent 流水线。

什么时候跟进

  • 应用只调外部工具：先接 MCP，生态最成熟，收益最直接
  • 有多个 Agent 分工协作：关注 A2A，先看官方 SDK 和示例再动手
  • 别急着自研协议：除非有明确的多 Agent、跨组织需求
MCP 把工具变成插头，A2A 把 Agent 变成节点。两条协议合起来，才是完整的 AI 互操作拼图。