智慧體架構大一統：Linux 基金會 AAIF 下的 A2A 與 MCP 協同實戰

Linux 基金會 AAIF 與協定大一統格局

當多智慧體系統發展超越單一程序腳本時，必然直接面臨兩個邊界明確的整合難題：

1. 大語言模型如何穩定存取各類工具與結構化資料來源？
2. 基於不同框架構建的自主智慧體如何實現跨組織邊界的高效協作？

早期，產業曾試圖依賴單一協定同時覆蓋兩個維度。例如強行將 Model Context Protocol (MCP) 規範 擴充為跨網路的智慧體協商層，或是自建封閉的 HTTP API 導致嚴重的廠商鎖定。

Linux 基金會旗下 Agentic AI Foundation (AAIF) 的成立催生了全行業共識：

• IBM 的 ACP 正式併入 Google 的 A2A，匯聚為統一的 A2A 協定官方規範，由開源中立的 a2aproject/A2A 社群統一治理維護。
• Anthropic 的 MCP 成為基金會旗艦的模型至工具（Model-to-Tool）連線標準。

兩者並非競爭關係，而是精準劃分於彼此正交的維度。

南北向 MCP 與東西向 A2A 的雙層分工

現代企業級智慧體的心智架構模型可直接對照經典的網路拓撲分層：

南北向：MCP 工具執行層

• 連線方向：垂直維度（智慧體 ↔ 工具 / 內部資料來源）。
• 控制模式：確定性指令呼叫。智慧體模型作為主控方，工具作為被動能力接收參數並回傳執行結果。
• 作用範圍：企業內部私有基礎設施——關聯式資料庫、內部 ERP 系統、本機檔案系統及 CLI 命令列工具。
• 協定合約：宣告輸入參數、引數及同步傳回值的 JSON-RPC 結構定義。

東西向：A2A 跨智慧體協作層

• 連線方向：水平維度（智慧體 ↔ 外部對等智慧體）。
• 控制模式：非同步目標委派。呼叫方提出預期達成目標，受託智慧體自主規劃執行路徑。
• 作用範圍：跨團隊、跨企業實體及跨雲端環境的去中心化協同。
• 協定合約：Agent Card（agent.json），宣告智慧體身分、能力清單、自然語言技能、串流介面與相互鑑權標準。

LangGraph、CrewAI 與 Google ADK 的跨框架協同

在協定大一統之前，以 LangGraph 開發的企業主控智慧體很難直接調度 CrewAI 團隊或 Google ADK 的工作流程，往往需要為各框架編寫複雜的專案適配層。

在 AAIF 體系下，異質框架各自保留核心推演引擎優勢，對外暴露通用連線介面：

1. LangGraph（中樞協調）：作為面向使用者的主控智慧體，精細管理對話與複雜圖狀態轉移。
2. CrewAI（領域專案組）：組織多角色協同分析團隊，透過 https://crew.example.com/a2a 暴露 A2A 介面。
3. Google ADK（專業執行單元）：承接超大文件解析與多語言轉換流水線。

當 LangGraph 智慧體判斷需要進行深入產業研究時：

• 直接自 /.well-known/agent.json 讀取並剖析 CrewAI 的 Agent Card。
• 檢驗 skills 技能清單中是否涵蓋 market-analysis 標籤。
• 透過 HTTPS 上的 JSON-RPC 派發研究委託。
• 透過 Server-Sent Events (SSE) 即時接收長任務進度回傳。

Agent Card 在多智慧體網路中的核心紐帶作用

在此架構中，Agent Card 是開啟自主互聯生態的「數位身分證」，使單體智慧體蛻變為全球智慧體網路中的可探索節點：

• 身分與提供商：明確標記智慧體的法人擁有者與信任背書。
• 技能宣告：詳細表述自然語言理解邊界與輸入/輸出模態（文字、語音、JSON 負載）。
• 支援介面：宣告協定傳輸通道（JSONRPC、HTTP+JSON 或 gRPC）與存取端點。
• 安全配置：聲明所需的驗證機制（OAuth2、OIDC 憑證或雙向 TLS）。

您可以造訪我們的 Agent Card 規範參考 深入查閱 v1.0 標準的每個欄位規格。

企業級多智慧體生產部署藍图

遵循 AAIF 標準落地多智慧體系統時，建議採取以下五步實踐：

1. 搭建內部工具層：使用標準 MCP 伺服器掛載資料庫與 API，保持存取端點於內網隔離。
2. 起草 Agent Card：整理智慧體向外暴露的對外能力，編寫符合標準的 agent.json。
3. 元資料校驗：使用 Agent Card 驗證器 全面排查介面語法錯誤與欄位缺失。
4. 發布公開端點：將卡片部署至 HTTPS 根目錄 /.well-known/agent.json，配置正確的 CORS 標頭與快取原則。
5. 建立互聯互通：向生態夥伴提供智慧體網域，實現免客製化程式碼的自主探索與業務協同。

常見問題解答

為什麼 IBM 選擇將 ACP 合併入 Linux 基金會 AAIF 下的 A2A 體系？

為了消除產業協定碎片化。由於 Google 的 A2A 與 IBM 的 ACP 均聚焦於智慧體間的互聯協同，在 Linux 基金會 AAIF 旗下實現合力，形成了獲得全球頂尖企業一致背書的唯一中立開放標準。

一個智慧體能否在消費 MCP 工具的同時對外暴露 A2A Agent Card？

這正是推薦的標準生產實踐架構。智慧體內部藉助 MCP 協定安全存取私有資料庫與企業 API；對外則透過 A2A Agent Card 將自身高級業務技能與端點發布給外部夥伴。

基於 LangGraph 或 CrewAI 開發的智慧體如何提供 A2A 介面？

開發者只需在其 Graph 流程或 Crew 執行邏輯外包裹一層輕量級 HTTP JSON-RPC 服務，在 /.well-known/agent.json 路徑下發布宣告能力的 agent.json 檔案即可接入生態。

MCP 與 A2A 在安全鑑權機制上有何差異？

MCP 主要假定在本地行程或受控的私有工作階段中運作；而 A2A 需要跨越開放網際網路邊界，因此在 Agent Card 中宣告了完備的安全認證方案（OAuth2、OIDC、API Key）以及 JWS 數位簽章。

AgentCard.net 提供哪些工具輔助雙層架構落地？

AgentCard.net 提供針對 A2A 探索層的規範指南、視覺化產生器與深度驗證器，與現有的 MCP 工具伺服器生態形成完美互補。

參考資料

1. A2A 協定官方規範 (a2a-protocol.org)a2a-protocol.org
2. A2A 協定官方程式碼庫 (a2aproject/A2A)github.com/a2aproject/A2A
3. Model Context Protocol (MCP) 規範modelcontextprotocol.io/