爱吃知识的土豆倪的博客

2025 年4月 9 号，谷歌发布了它的 agent to agent protocol a to a 协议。这协议简单来说就是 Google 想制定一套 agent 的开发标准，这样能让不同的智能体之间协作起来。那今天我们就通过文档走读的形式来和大家一起学习一下 Google 的这个 a to a 到底是个什么东西？然后它有什么用？它的一些技术细节是怎么实现的？然后它和 MCP 协议有什么关系？最后我们还会讨一个简单的官方的案例来了解一下它的实现，所以今天没有太多硬核的代码的东西，主要是看文档。那在最开始

一、OpenManus 的核心架构。

认识MCP。

DeepSeek R1确实是国运级别的科技里程碑，他能有这么大的影响力，震荡美股，引爆硅谷，我觉得有三条原因，首先是它的性能非常的棒，直接对标openAi的o1-mini，截止到2025年三月 DeepSeek R1在司南openCompass大模型综合排行榜是冠军，超过了国内外历史上所有的大模型。第三就是本地部署，既然模型开源，那么任何人都可以下载放到自己公司的服务器，甚至电脑手机这些边缘终端上运行，没有延迟卡顿，没有推理成本，没有隐私外泄，完全自主可控，随意微调蒸馏。

如任务翻译、文章改写，这些有明确输入输出的场景，用普通模型也是足够的，刚才的翻译例子虽然推理模型结果更好，站在我自己的经验来看，速度始终是这类明确任务的关键。****

什么是mcp的客户端呢？这个函数的作用就是通过命令运行一个mcp-server，然后使用mcp-client客户端连接这个mcp-server，要保持一个会话状态，然后我们就可以通过这个session去请求到这个mcp-server了，然后去获取到这个mcp-server所提供的工具tools了。今天简单聊聊mcp-client客户端，并接入deepseek 模型，调用我们自己的mcp server，本篇是基于之前开发好的mcp-server进行的。并且使用python去实现mcp client的客户端。

MCP 是什么。

这个模式很像我们的职场，老板分配任务，牛马们干活像老板汇报，也是目前主流的多智能体执行模式，比如Manus就是这种执行模式。我们再回到外部的执行模式上，刚才介绍的三种执行模式ReAct、Plan-Execute、WorkForce都是目标导向的，也就是以最终完成用户任务为目的的，中间的执行过程、经过多少步骤都是动态的、不确定的。道是最本质的东西，对于智能体就是它的基本组成 和 设计模式，然后就会有很多的框架去践行这些模式，最后基于这些框架 和 用户需求又会产生一批产品，如今繁荣的智能体生态就是这么来的。

本文共分为三部分，第一部分简单记录了openManus的启动步骤，方便大家在自己电脑上部署自己的opnemanus；第二部分是结合 通义千问（免费）来使用openMenus的步骤；第三部分是全面透彻的分析Manus到底是什么？