A2A + MCP：构建企业级 Multi-Agent 系统的两大协议实战

两个协议的分工

• MCP（Model Context Protocol）：Anthropic 提出 → Agent ↔ 工具/数据的连接
• A2A（Agent-to-Agent Protocol）：Google 提出 → Agent ↔ Agent 的协作

两者不是竞争关系，是互补关系。

MCP 的三种能力

• Tools（工具）：Agent 可以调用的函数——查数据库、发邮件、创建工单
• Resources（资源）：Agent 可以读取的数据——用户信息、文件内容
• Prompts（提示模板）：预定义的标准化交互模板

A2A 的核心概念：Agent Card

每个 Agent 发布"名片"，让其他 Agent 能发现它：

{ "name": "数据分析专家 Agent", "capabilities": ["nl2sql", "data_visualization", "report_generation"], "input_modes": ["text", "structured_data"], "output_modes": ["text", "chart", "report"], "sla": { "max_response_time_ms": 5000 } }

MCP + A2A 协同场景

用户问"上个月华东区销售额为什么下降了？"

1. 指挥官 Agent 接收问题，判断需要数据支持
2. A2A→ 数据 Agent："查询华东区上月数据"
   • MCP→ 数据库 MCP Server：执行查询
   • MCP→ 知识库 MCP Server：检索业务口径
3. A2A→ 业务 Agent："分析下降原因"
   • MCP→ CRM MCP Server：查询客户流失
4. A2A→ 报告 Agent：综合分析，生成报告

踩过的 3 个坑

1. MCP 超时处理：复杂 SQL 查询可能很慢，需要根据工具类型动态调整超时时间
2. A2A 循环委托：Agent A 委托给 B，B 又委托回 A，必须实现循环检测
3. 上下文窗口溢出：多个 MCP + 多个 A2A 结果同时注入时，需要上下文预算管理

📎参考链接：KM Ai｜企业级 AI Workforce 产品矩阵｜鲲溟智能