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

當多智慧體系統超出單一程序腳本的範疇，會直接撞上兩道彼此獨立的整合邊界：

1. LLM 如何可靠地觸及工具與結構化資料來源？
2. 基於不同框架建構的自主智慧體如何跨組織邊界協作？

早期，開發者曾試圖用單一協定同時解決這兩個問題：有團隊試著把 Model Context Protocol 改造成跨網路的智慧體協商層，也有團隊使用自訂 HTTP API，結果造成廠商鎖定。

事件的先後順序最終帶來了產業共識：

• 2025 年 6 月：Google 將 A2A 貢獻給 Linux 基金會，其規範在 a2aproject/A2A 程式庫中公開開發；
• 2025 年 8 月：IBM 的 ACP 與 A2A 合流，融入統一的 A2A 協定規範；
• 2025 年 12 月：Linux 基金會發起 Agentic AI Foundation (AAIF)，以 Anthropic 的 MCP（模型到工具連線的標準）為核心，並納入 Block 的 goose 與 OpenAI 的 AGENTS.md；
• 2026 年 8 月：A2A 作為成長階段（Growth Stage）專案被 AAIF 接納，兩個協定至此處於同一治理體系之下。

這些標準沒有相互競爭，而是沿著相互正交的兩條軸線清晰分工。

南北向 MCP 與東西向 A2A 的雙層分工

現代企業級智慧體設計的心智模型，可以直接對應到經典的網路拓撲：

南北向：MCP 執行層

• 方向：縱向（智慧體 ↔ 工具 / 內部資料）；
• 控制模式：嚴格的確定性呼叫。智慧體模型是主導，工具只是被動的能力；
• 範圍：防火牆後方的私有基礎設施——關聯式資料庫、內部 ERP 系統、檔案系統存取、本機 CLI 工具；
• 契約：每個工具一份 JSON Schema，描述參數與回傳值，透過 JSON-RPC 交換。

東西向：A2A 協作層

• 方向：橫向（智慧體 ↔ 對等智慧體）；
• 控制模式：非同步的目標委派。呼叫方說明要完成什麼，接收方自行決定如何完成；
• 範圍：跨團隊、跨公司、跨雲端協作；
• 契約：Agent Card（agent-card.json），定義身分、能力、自然語言技能、支援的介面與安全要求。

LangGraph、CrewAI 與 Google ADK 的跨框架協同

在協定趨同之前，用 LangGraph 撰寫的企業智慧體很難在沒有客製 API 適配層的情況下，把任務委派給 CrewAI 研究團隊或 Google ADK 工作流程。

以 A2A 作為對外介面後，每個框架都保留自己內部的推理引擎，同時共享一種通用的被呼叫方式：

1. LangGraph（協調者）：作為面向客戶的主要智慧體，管理複雜的圖狀態迴圈；
2. CrewAI（專業團隊）：執行用於市場分析的多角色團隊，在 https://crew.example.com/a2a 暴露 A2A 介面；
3. Google ADK（執行者）：處理文件解析與翻譯管線。

當 LangGraph 協調者判斷需要做市場調研時，它會：

• 從 /.well-known/agent-card.json 讀取 CrewAI 的 Agent Card；
• 檢查 skills 陣列，確認該智慧體處理 market-analysis 技能；
• 透過 HTTPS 上的 JSON-RPC 派發任務；
• 透過伺服器傳送事件（SSE）接收即時狀態更新。

Agent Card 在多智慧體網路中的核心紐帶作用

在這一架構中，Agent Card 是關鍵的紐帶。它把一個孤立的智慧體變成全球智慧體網路中一個可被探索的節點：

• 身分與提供者：確認誰擁有該智慧體，並連結到信任憑證；
• 技能宣告：傳達自然語言能力以及輸入/輸出模態（文字、音訊、JSON 酬載）；
• 支援的介面：宣告協定綁定（JSONRPC、HTTP+JSON 或 gRPC）與端點；
• 安全方案與要求：說明所需的驗證方式——例如 OAuth 2.0 客戶端憑證或雙向 TLS——以及呼叫方必須滿足哪些方案。

你可以在我們的 Agent Card 規範參考 中查看 v1.0 標準的每一個屬性。

企業級多智慧體生產部署藍圖

基於 A2A 與 MCP 標準建構企業級智慧體時，請依循以下順序：

1. 內部工具：用標準 MCP 伺服器實作資料連線，並將這些端點保持私有；
2. 起草 Agent Card：撰寫 agent-card.json，宣告你的智慧體向其他團隊開放的公開技能；
3. 驗證中繼資料：用 Agent Card 驗證器 檢查你的名片，驗證介面合規性，消除常見的語法錯誤；
4. 部署 well-known 端點：將檔案託管在 /.well-known/agent-card.json，使用 HTTPS、有效的 CORS 標頭與合適的快取控制；
5. 建立對等連線：把你的智慧體網域提供給外部團隊，無需雙邊客製工程，即可自動探索能力。

常見問題解答

IBM 為什麼把 ACP 併入 A2A？

為了避免碎片化。Google 的 A2A 與 IBM 的 ACP 目標都是實現智慧體之間的互通，因此在 2025 年 8 月，IBM Research 與 Google 宣布 ACP 將與 A2A 在 Linux 基金會旗下合流。ACP 的負責人加入了 A2A 技術指導委員會，ACP 的理念也被貢獻給 A2A。這發生在 AAIF 成立的幾個月之前，而 A2A 本身是在 2026 年 8 月加入 AAIF 的。

智慧體能否一邊使用 MCP 工具，一邊對外暴露 A2A Agent Card？

可以，這是正式環境中的標準模式。對內，智慧體透過 MCP 連接私有資料庫與 API；對外，它透過 A2A Agent Card 向其他智慧體公布自己的高層能力與端點。

LangGraph 或 CrewAI 智慧體如何暴露 A2A 介面？

智慧體把自己的圖或團隊呼叫邏輯包裝進一個 A2A 伺服器，用託管在 /.well-known/agent-card.json 的 Agent Card 描述自己，並透過協定綁定之一（JSON-RPC、gRPC 或 HTTP+JSON）處理請求。多個框架都提供了完成這層包裝的輔助工具。

MCP 與 A2A 的安全模型有何不同？

在 MCP 中，主機應用程式事先設定每個伺服器連線，因此信任是按連線建立的（遠端伺服器使用基於 OAuth 的授權）。A2A 智慧體會被跨組織的陌生方發現，所以 Agent Card 本身就宣告了可接受的安全方案與要求（OAuth 2.0、OpenID Connect、API Key、雙向 TLS），並且可以攜帶用於完整性保護的 JWS 簽章。

有哪些工具可以幫助建構與測試這個雙層技術堆疊？

AgentCard.net 為 A2A 探索層提供規範瀏覽器、產生器與驗證器，可與你現有的 MCP 伺服器無縫搭配使用。

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/