智能AI之常用协议普及

好记忆不如烂笔头，能记下点东西，就记下点，有时间拿出来看看，也会发觉不一样的感受.

目录

1. A2A（Agent-to-Agent Protocol，智能体对智能体协议）

2. MCP（Model Context Protocol，模型上下文协议）

3. ACP（Agent Communication Protocol，智能体通信协议）

1. A2A（Agent-to-Agent Protocol，智能体对智能体协议）

协议内容

由Google提出，是一种跨平台规范，旨在使AI智能体能够在异构系统中进行通信、协作与任务委派。定义了一种基于HTTP的通信模型，将智能体视为可互操作的服务。每个智能体都会公开一个“Agent Card”（智能体卡片），这是一个机器可读的JSON描述文件，包含智能体的身份、功能、接口端点和认证要求。智能体利用这些信息实现程序化发现彼此、协商任务与角色分工、交换消息、数据以及流式更新等功能。

使用场景

• 跨平台智能体生态系统：适用于来自不同团队或厂商的智能体需要安全互操作的场景。

• 云原生AI环境中的分布式智能体编排：如在Vertex AI、LangChain、HuggingFace Agents等平台中进行智能体协同管理。

• 多智能体协作框架：支持企业级AI工作流中多个系统（如CRM、HR、IT智能体）之间的协作对接。

使用功能

• Agent Cards（智能体卡片）：以JSON文档形式描述一个智能体的能力、接口端点、支持的消息类型、认证方式以及运行时元数据。

• A2A客户端/服务端接口：每个智能体可以作为客户端（任务发起者）、服务端（任务执行者）或两者兼具，从而支持任务的动态路由与协商。

• 消息与资源交换：支持包含上下文信息的多段任务、多轮交互中的流式输出（通过SSE实现）以及持久性资源（如文件、知识片段）传输。

• 用户体验协商：智能体可根据下游智能体的能力自适应消息格式、内容粒度与可视化方式。

特性

• 天然适配Web环境：基于HTTP、JSON-RPC和标准Web安全机制构建。

• 模型无关：适用于任何实现该协议的智能体系统，无论是否基于LLM。

• 支持任务流式处理与多轮协作：数据负载轻巧，支持实时交互与高效协同。

• 安全架构：基于OAuth 2.0和API Key的授权机制，能力范围限定接口，支持“黑箱模式”。

相似协议对比

与ACP相比，A2A聚焦于横向互操作性，标准化了来自不同厂商或运行环境的智能体如何通过开放网络交换能力并协调工作流，而ACP专为本地优先和实时智能体编排而设计，强调最小化网络开销，并实现运行时中多智能体之间的紧密集成。与MCP相比，A2A更注重智能体之间的通信与协作，而MCP主要专注于向LLM注入结构化实时上下文以及调用功能工具。

2. MCP（Model Context Protocol，模型上下文协议）

协议内容

由Anthropic公司提出的一种标准化接口，用于向大型语言模型（LLMs）提供结构化的实时上下文信息。

使用场景

• LLM与内部API集成：支持安全、只读或交互式访问结构化的业务数据，避免暴露原始接口。

• 企业级智能体（Enterprise Agents）：为自主智能体提供来自Salesforce、SAP或内部知识库等工具的运行时上下文信息。

• 动态提示词构建（Dynamic Prompt Construction）：根据用户会话、系统状态或任务流程逻辑动态生成提示词。

使用功能

• 上下文数据注入（Contextual Data Injection）：允许将外部资源（例如文件、数据库行或API响应）直接注入到提示词或工作内存中，所有数据都通过标准化接口传输。

• 函数路由与调用（Function Routing & Invocation）：支持模型动态调用工具，可以注册如searchCustomerData或generateReport等功能，LLM可按需调用它们。

• 提示词编排（Prompt Orchestration）：无需将所有细节堆进提示词中，能够动态组装关键上下文，支持模块化、实时构建提示词。

特性

• 基于HTTP(S)协议：通过JSON格式描述功能能力。

• 模型无关（model-agnostic）：任何具备兼容运行时的LLM均可使用MCP兼容服务器。

• 与API网关及企业级认证标准兼容：例如OAuth2、mTLS等。

• 安全架构：支持企业级认证标准，确保数据传输的安全性。

相似协议对比

与A2A相比，MCP主要专注于向LLM注入结构化实时上下文以及调用功能工具，而A2A更注重智能体之间的通信与协作。与ACP相比，MCP与LLM配套运行，支持上下文处理与函数调用，而ACP专为本地优先和实时智能体编排而设计，强调最小化网络开销，并实现运行时中多智能体之间的紧密集成。

3. ACP（Agent Communication Protocol，智能体通信协议）

协议内容

是一个开放标准，最初由BeeAI和IBM提出，旨在支持同一本地或边缘环境中多个AI智能体之间的结构化通信、发现与协调。定义了一个去中心化的智能体环境，其核心特点包括：每个智能体通过本地广播/发现机制发布其身份、能力和状态；智能体之间通过事件驱动的消息系统进行通信，常见的方式包括本地总线（local bus）或进程间通信（IPC）系统；可选的运行时控制器可用于协调智能体行为、汇总遥测数据并执行运行策略；ACP智能体通常作为轻量级、无状态的服务或容器运行，并共享通信底层设施。

使用场景

• 边缘设备上的多智能体编排：适用于无人机、物联网集群或机器人舰队等场景中的多智能体实时协作。

• 本地优先的LLM系统：支持本地协调模型调用、传感器输入与动作执行，实现低延迟响应。

• 自治型运行时环境：在无法依赖集中式云基础设施的情况下，智能体仍能自主协调运行。

使用功能

• 本地广播/发现机制：智能体通过本地广播/发现机制发布其身份、能力和状态。

• 事件驱动的消息系统：智能体之间通过事件驱动的消息系统进行通信。

• 运行时控制器：可选的运行时控制器可用于协调智能体行为、汇总遥测数据并执行运行策略。

特性

• 设计适用于低延迟场景：如本地编排、机器人系统、离线边缘AI。

• 可通过gRPC、ZeroMQ或自定义运行时总线实现：强调本地自治性，无需依赖云端或注册外部服务。

• 支持能力类型（capability typing）和语义描述（semantic descriptors）：用于自动化任务路由。

• 安全架构：无需外部服务注册，本地广播发现+可选控制器，确保本地运行的安全性和自主性。

相似协议对比

与A2A相比，ACP专为本地优先和实时智能体编排而设计，强调最小化网络开销，并实现运行时中多智能体之间的紧密集成，而A2A聚焦于横向互操作性，标准化了来自不同厂商或运行环境的智能体如何通过开放网络交换能力并协调工作流。与MCP相比，ACP强调本地自治性，无需依赖云端或注册外部服务，而MCP主要专注于向LLM注入结构化实时上下文以及调用功能工具。
 

       协议对比一览（Protocols Compared Side-by-Side）

相知不迷路，欢迎你来 ：“codingba” or “码出精彩” 交朋友