从 MCP 到 A2A，AI Agent 应用架构设计演进之路-CSDN博客

本文链接：https://blog.csdn.net/m0_59164304/article/details/147246080

AI Agent 本质上是一种通过控制大语言模型（LLM）来解决问题的 AI 应用系统，但这一本质特征并不妨碍其成为大模型时代最具潜力的应用方式。尤其在 DeepSeek 和 Manus 等项目今年爆火之后，AI Agent 被认为即将迎来发展的黄金时期。然而，AI Agent 的发展也面临着诸多瓶颈，比如：应用程序调用的复杂性以及跨平台 AI Agent 之间的通信问题等。不过，随着谷歌4月10日发布开源协议 A2A（Agent-to-Agent 协议），以及 MCP（Model Context Protocol）协议的逐渐普及和大规模应用，这些问题有望逐步得到解决。随着时间的推移，AI Agent 将不断走向成熟，其发展前景令人期待。

MCP 协议主要解决了大模型在调用外部数据和应用时的规范性问题。该协议采用了客户端-服务器架构：客户端负责将大语言模型的请求发送到 MCP 服务器，随后服务器将这些请求转发至相应的资源。只要 AI Agent 支持 MCP 协议，便可以直接调用那些配备了 MCP 服务器的应用，无需再为各种各样的插件功能而烦恼。简而言之，MCP 协议有效解决了 AI Agent 调用外部数据和应用的难题。

其次，谷歌于4月10日发布的 A2A 协议同样值得关注。A2A 协议的诞生，使得基于不同底层框架和供应商平台创建的 AI Agent 之间能够实现相互通信，这无疑是其最为突出的贡献。

图源：网络

以一个更直观的例子来说，倘若 A2A 协议能够像 MCP 协议那样得到广泛采用，那么在阿里云上创建的 AI Agent 将能够与火山云上创建的 AI Agent 进行无缝的通信与协作。

基于 A2A 协议的开源理念，谷歌并未为其添加任何独有的内容，而是采用了当前流行的标准技术进行构建，比如：HTTP、SSE、JSON-RPC 等。这种设计不仅便于企业将其与现有的 IT 环境进行集成，还确保了高度的兼容性。此外，A2A 协议还支持企业级的认证和授权机制，从而有效保障了 AI Agent 协作过程中的安全性。

在文章开篇，我们提到 AI Agent 本质上是通过控制大语言模型（LLM）来解决问题的 AI 应用系统。MCP 协议的标准化和普及，解决了 AI Agent 在调用外部数据和应用时的难题，显著提升了其工作效率。而 A2A 协议的出现，则进一步推动了 AI Agent 的发展，使得不同底层框架和供应商平台创建的 AI Agent 能够实现相互通信与协作。这标志着 AI Agent 的应用范围从单一提升工作效率，迈向了大规模驱动应用的新阶段。

如何学习大模型 AI ？

由于新岗位的生产效率，要优于被取代岗位的生产效率，所以实际上整个社会的生产效率是提升的。

但是具体到个人，只能说是：

“最先掌握AI的人，将会比较晚掌握AI的人有竞争优势”。

这句话，放在计算机、互联网、移动互联网的开局时期，都是一样的道理。

我在一线互联网企业工作十余年里，指导过不少同行后辈。帮助很多人得到了学习和成长。

我意识到有很多经验和知识值得分享给大家，也可以通过我们的能力和经验解答大家在人工智能学习中的很多困惑，所以在工作繁忙的情况下还是坚持各种整理和分享。但苦于知识传播途径有限，很多互联网行业朋友无法获得正确的资料得到学习提升，故此将并将重要的AI大模型资料包括AI大模型入门学习思维导图、精品AI大模型学习书籍手册、视频教程、实战学习等录播视频免费分享出来。

在这里插入图片描述