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

当多智能体系统超出单进程脚本的范畴，会直接撞上两道彼此独立的集成边界：

1. LLM 如何可靠地触达工具和结构化数据源？
2. 基于不同框架构建的自主智能体如何跨组织边界协作？

早期，开发者曾试图用单一协议同时解决这两个问题：有团队试着把 Model Context Protocol 改造成跨网络的智能体协商层，也有团队使用自定义 HTTP API，结果造成厂商锁定。

事件的先后顺序最终带来了行业共识：

• 2025 年 6 月：Google 将 A2A 贡献给 Linux 基金会，其规范在 a2aproject/A2A 仓库中公开开发；
• 2025 年 8 月：IBM 的 ACP 与 A2A 合流，融入统一的 A2A 协议规范；
• 2025 年 12 月：Linux 基金会发起 Agentic AI Foundation (AAIF)，以 Anthropic 的 MCP（模型到工具连接的标准）为核心，并纳入 Block 的 goose 和 OpenAI 的 AGENTS.md；
• 2026 年 8 月：A2A 作为成长阶段（Growth Stage）项目被 AAIF 接纳，两个协议至此处于同一治理体系之下。

这些标准没有相互竞争，而是沿着相互正交的两条轴线清晰分工。

南北向 MCP 与东西向 A2A 的双层分工

现代企业级智能体设计的心智模型，可以直接映射到经典的网络拓扑：

南北向：MCP 执行层

• 方向：纵向（智能体 ↔ 工具 / 内部数据）；
• 控制模式：严格的确定性调用。智能体模型是主导，工具只是被动的能力；
• 范围：防火墙背后的私有基础设施——关系型数据库、内部 ERP 系统、文件系统访问、本地 CLI 工具；
• 契约：每个工具一份 JSON Schema，描述参数和返回值，通过 JSON-RPC 交换。

东西向：A2A 协作层

• 方向：横向（智能体 ↔ 对等智能体）；
• 控制模式：异步的目标委派。调用方说明要完成什么，接收方自行决定如何完成；
• 范围：跨团队、跨公司、跨云协作；
• 契约：Agent Card（agent-card.json），定义身份、能力、自然语言技能、支持的接口和安全要求。

LangGraph、CrewAI 与 Google ADK 的跨框架协同

在协议趋同之前，用 LangGraph 编写的企业智能体很难在没有定制 API 适配层的情况下，把任务委派给 CrewAI 研究团队或 Google ADK 工作流。

以 A2A 作为对外接口后，每个框架都保留自己内部的推理引擎，同时共享一种通用的被调用方式：

1. LangGraph（协调者）：作为面向客户的主要智能体，管理复杂的图状态循环；
2. CrewAI（专业团队）：运行用于市场分析的多角色团队，在 https://crew.example.com/a2a 暴露 A2A 接口；
3. Google ADK（执行者）：处理文档解析与翻译流水线。

当 LangGraph 协调者判断需要做市场调研时，它会：

• 从 /.well-known/agent-card.json 读取 CrewAI 的 Agent Card；
• 检查 skills 数组，确认该智能体处理 market-analysis 技能；
• 通过 HTTPS 上的 JSON-RPC 派发任务；
• 通过服务器发送事件（SSE）接收实时状态更新。

Agent Card 在多智能体网络中的核心纽带作用

在这一架构中，Agent Card 是关键的纽带。它把一个孤立的智能体变成全球智能体网络中一个可被发现的节点：

• 身份与提供方：确认谁拥有该智能体，并链接到信任凭据；
• 技能声明：传达自然语言能力以及输入/输出模态（文本、音频、JSON 载荷）；
• 支持的接口：声明协议绑定（JSONRPC、HTTP+JSON 或 gRPC）和端点；
• 安全方案与要求：说明所需的鉴权方式——例如 OAuth 2.0 客户端凭据或双向 TLS——以及调用方必须满足哪些方案。

你可以在我们的 Agent Card 规范参考 中查看 v1.0 标准的每一个属性。

企业级多智能体生产部署蓝图

基于 A2A 和 MCP 标准构建企业级智能体时，请遵循以下顺序：

1. 内部工具：用标准 MCP 服务器实现数据连接，并将这些端点保持私有；
2. 起草 Agent Card：编写 agent-card.json，声明你的智能体向其他团队开放的公开技能；
3. 校验元数据：用 Agent Card 校验器 检查你的卡片，验证接口合规性，消除常见的语法错误；
4. 部署 well-known 端点：将文件托管在 /.well-known/agent-card.json，使用 HTTPS、有效的 CORS 头和合适的缓存控制；
5. 建立对等连接：把你的智能体域名提供给外部团队，无需双边定制工程，即可自动发现能力。

常见问题解答

IBM 为什么把 ACP 并入 A2A？

为了避免碎片化。Google 的 A2A 与 IBM 的 ACP 目标都是实现智能体之间的互操作，因此在 2025 年 8 月，IBM Research 与 Google 宣布 ACP 将与 A2A 在 Linux 基金会旗下合流。ACP 的负责人加入了 A2A 技术指导委员会，ACP 的理念也被贡献给 A2A。这发生在 AAIF 成立的几个月之前，而 A2A 本身是在 2026 年 8 月加入 AAIF 的。

智能体能否一边使用 MCP 工具，一边对外暴露 A2A Agent Card？

可以，这是生产环境中的标准模式。对内，智能体通过 MCP 连接私有数据库和 API；对外，它通过 A2A Agent Card 向其他智能体公布自己的高层能力和端点。

LangGraph 或 CrewAI 智能体如何暴露 A2A 接口？

智能体把自己的图或团队调用逻辑包装进一个 A2A 服务器，用托管在 /.well-known/agent-card.json 的 Agent Card 描述自己，并通过协议绑定之一（JSON-RPC、gRPC 或 HTTP+JSON）处理请求。多个框架都提供了完成这层包装的辅助工具。

MCP 与 A2A 的安全模型有何不同？

在 MCP 中，宿主应用提前配置每个服务器连接，因此信任是按连接建立的（远程服务器使用基于 OAuth 的授权）。A2A 智能体会被跨组织的陌生方发现，所以 Agent Card 本身就声明了可接受的安全方案和要求（OAuth 2.0、OpenID Connect、API Key、双向 TLS），并且可以携带用于完整性保护的 JWS 签名。

有哪些工具可以帮助构建和测试这一双层技术栈？

AgentCard.net 为 A2A 发现层提供规范浏览器、生成器和校验器，可与你现有的 MCP 服务器无缝配合使用。

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/