智能体架构大一统：Linux 基金会 AAIF 下的 A2A 与 MCP 协同实战

Linux 基金会 AAIF 与协议大一统格局

当多智能体系统的规模超越单机单进程后，开发者必然会撞上两堵截然不同的技术边界：

1. 大语言模型如何可靠、标准化地连接工具与结构化数据源？
2. 基于不同技术栈构建的独立智能体，如何在不同组织与云厂商之间协同作业？

起初，部分团队试图通过单一协议包打天下，例如把专为工具设计的 Model Context Protocol 强行用于跨网络跨机构的智能体博弈，或者采用私有定制的 HTTP 接口，导致严重的生态锁定。

Linux 基金会旗下 Agentic AI Foundation (AAIF) 的成立确立了行业共识：

• IBM 的 ACP 正式与 Google 发起的 A2A 融合，统一演进为全球开放的 A2A 协议官方规范，并归口至中立的 a2aproject/A2A 组织进行开源治理。
• Anthropic 的 MCP 则确立为模型连接工具与上下文的标准协议。

两者互不重叠，分别在正交的技术维度上各司其职。

南北向 MCP 与东西向 A2A 的双层分工

现代企业级多智能体系统的拓扑结构可以直接映射为经典的网络模型：

南北向：MCP 执行控制层

• 通信方向：垂直方向（智能体 ↔ 底层工具 / 私有数据源）。
• 控制模式：确定性调用。模型扮演主控角色，工具是被动无状态的执行插件。
• 作用域：防火墙内部的私有环境——关系型数据库、企业内部 ERP、本地文件系统、CLI 工具。
• 协议契约：严格约束参数结构与同步返回结果的 JSON-RPC Schema。

东西向：A2A 协作网络层

• 通信方向：水平方向（独立智能体 ↔ 对等外部智能体）。
• 控制模式：非阻塞的目标委派。调用方说明期望达成的目标，接收方自主决定工作流调度。
• 作用域：跨业务部门、跨跨国企业、跨多云厂商的异构智能体对等协作。
• 协议契约：Agent Card (agent.json)，定义身份、主体归属、自然语言技能描述、流式传输接口以及双向鉴权凭据。

LangGraph、CrewAI 与 Google ADK 的跨框架协同

在协议统一之前，采用 LangGraph 构建的企业调度智能体要调用外部基于 CrewAI 的分析团队或 Google ADK 的工单流水线，需要针对每个项目定制私有适配器。

在 AAIF 开放标准下，各大框架保留自身独特的内部推理机制，对外呈现标准一致的交互协议：

1. LangGraph (主控协调器)：负责直接面向最终用户的复杂多轮对话与状态流转图。
2. CrewAI (专业研究组)：由多个特定角色 Agent 组成的市场情报分析编队，在 https://crew.example.com/a2a 暴露 A2A 接口。
3. Google ADK (执行流水线)：负责高并发文档抽取与多语言翻译。

当 LangGraph 协调器识别到需要深度行业研报时：

• 读取 CrewAI 智能体公开的 /.well-known/agent.json；
• 检索 skills 技能列表，确认其具备处理 market-analysis 任务的标签与输入模式；
• 通过 HTTPS 发起标准 JSON-RPC 任务委派；
• 通过 Server-Sent Events (SSE) 流式接收执行进展。

Agent Card 在多智能体网络中的核心纽带作用

在这套生产架构中，Agent Card 是打通孤岛的决定性纽带。它赋予了每个私有智能体在开放网络中的“可发现身份证”：

• 主体与身份验证：说明智能体运营实体并链接合规信任凭证；
• 业务能力声明：以自然语言和结构化模式声明支持的技能及多模态输入输出模式；
• 传输接口支持：声明具体的协议绑定方式（JSONRPC、HTTP+JSON 或 gRPC）与端点；
• 安全认证机制：声明调用所需的认证协议（如 OAuth2 Client Credentials 流程）。

您可以在我们的 Agent Card 规范参考 中逐项查阅 v1.0 标准所有字段的详细定义。

企业级多智能体生产部署蓝图

遵循 AAIF 双层标准部署企业级智能体系统时，建议采取以下实施步骤：

1. 构建内部工具层：使用官方 MCP SDK 封装内部数据连接，确保工具接口置于私有内网保护之下。
2. 起草 Agent Card：整理准备对外公开的业务技能与安全策略，生成初始 agent.json。
3. 元数据合规校验：使用 Agent Card 校验器 检查接口规范性，避免路径与格式错误。
4. 上线 Well-Known 端点：在域名根路径的 /.well-known/agent.json 部署静态文件，配置 HTTPS 与 CORS 跨域响应头。
5. 建立对等互联：将域名交付外部合作伙伴，主控模型即可实现自动发现与零摩擦对接。

常见问题解答

为什么 IBM 选择将 ACP 合并入 Linux 基金会 AAIF 下的 A2A 体系？

为了消除行业协议碎片化。由于 Google 的 A2A 与 IBM 的 ACP 均聚焦于智能体间的互联协同，在 Linux 基金会 AAIF 旗下实现合力，形成了获得全球顶尖企业一致背书的唯一中立开放标准。

一个智能体能否在消费 MCP 工具的同时对外暴露 A2A Agent Card？

这正是推荐的标准生产实践架构。智能体内部借助 MCP 协议安全访问私有数据库与企业 API；对外则通过 A2A Agent Card 将自身高级业务技能与端点发布给外部伙伴。

基于 LangGraph 或 CrewAI 开发的智能体如何提供 A2A 接口？

开发者只需在其 Graph 流程或 Crew 执行逻辑外包裹一层轻量级 HTTP JSON-RPC 服务，在 /.well-known/agent.json 路径下发布声明能力的 agent.json 文件即可接入生态。

MCP 与 A2A 在安全鉴权机制上有何差异？

MCP 主要假定在本地进程或受控的私有会话中运行；而 A2A 需要跨越开放互联网边界，因此在 Agent Card 中声明了完备的安全认证方案（OAuth2、OIDC、API Key）以及 JWS 数字签名。

AgentCard.net 提供哪些工具辅助双层架构落地？

AgentCard.net 提供针对 A2A 发现层的规范指南、可视化生成器与深度校验器，与现有的 MCP 工具服务器生态形成完美互补。

参考资料

1. A2A 协议官方规范 (a2a-protocol.org)a2a-protocol.org
2. A2A 协议官方代码仓 (a2aproject/A2A)github.com/a2aproject/A2A
3. Model Context Protocol (MCP) 规范modelcontextprotocol.io/