在當今這個科技飛速發展的時代，AI領域正以前所未有的速度創新和擴張。新模型、新能力和新工具層出不窮，讓人應接不暇。而在眾多新興技術中，Model Context Protocol（MCP）和Agent2Agent（A2A）無疑是兩顆耀眼的新星，它們正以開放標準的形式，為AI開發帶來全新的可能性。今天，就讓我們深入探討一下MCP和A2A，看看它們究竟有何魅力，以及如何為你的團隊帶來新的機遇。

一、什么是Model Context Protocol（MCP）？

（一）MCP的誕生背景

在MCP出現之前，我們通常會通過一些工具（比如微軟的Semantic Kernel或LangChain）編寫自定義代碼和連接器，將大型語言模型與我們自己的數據或自定義工具集結合起來，從而構建出各種AI應用。這種做法雖然有效，但也存在一些局限性。比如，當我們想要將新的AI功能（比如開發者AI聊天插件或網絡聊天門戶）集成到現有系統中時，就會發現這些系統很難與它們兼容。這就像是我們為AI打造了一座功能強大的城堡，但城堡的每一扇門只能通往一個特定的地方，無法靈活地與其他地方連接。

（二）MCP的核心理念

MCP的出現，正是為了解決這個問題。它通過將自定義功能從聊天插件和大型語言模型中分離出來，以一種模塊化的方式公開這些功能，從而讓不同的AI系統都可以輕松地引用和使用它們。這就像是把城堡的每一扇門都變成了一個通用的接口，無論你想要通往哪里，只要找到對應的接口，就可以輕松連接。

舉個例子，假設你正在開發一個AI聊天機器人，它可以回答用戶關于公司內部文檔的問題。在傳統的開發模式下，你可能需要為這個聊天機器人編寫一套完整的代碼，將文檔檢索、問題解析和答案生成等功能都集成在一起。但有了MCP之后，你可以將這些功能分解成一個個獨立的模塊，比如一個專門負責文檔檢索的模塊、一個負責問題解析的模塊，以及一個負責答案生成的模塊。然后，你只需要在MCP服務器上配置好這些模塊，聊天機器人就可以通過MCP客戶端調用它們，從而實現功能的擴展和升級。

（三）MCP服務器的構成

MCP系統由MCP客戶端和MCP服務器兩部分組成。MCP客戶端通常集成在用戶使用的對話式AI界面中，它本身并不包含太多邏輯。而MCP服務器才是真正的“能力中心”，它包含了所有自定義邏輯，為AI系統提供額外的功能。

MCP服務器可以包含以下幾種類型的資源：

• 工具（Tools）：AI系統可以調用的函數，用于完成特定任務。比如，一個工具可以用來從數據庫中檢索數據，另一個工具可以用來生成文本摘要。
• 資源（Resources）：這些是可以被AI系統訪問的文件、文檔或數據庫記錄等。比如，你可以將公司的內部文檔庫作為資源，讓AI聊天機器人能夠從中檢索信息。
• 提示（Prompts）：這些是預定義的交互模板，用于指導AI系統如何處理常見的交互場景。比如，你可以定義一個提示，告訴AI在用戶詢問“如何使用某個功能”時，應該如何回答。

當你創建一個MCP服務器時，你需要定義你的服務器能夠提供哪些功能，以及如何檢索提示和資源，如何執行指定的工具。這種靈活的方式允許你的服務器動態地發現和廣告資源，因此可以根據新的文件、數據庫條目或外部API結果來更新資源。

（四）MCP的優勢

MCP帶來的最大好處就是效率和模塊化。開發者可以專注于開發特定的功能模塊，而不是從頭到尾構建整個AI系統。這就像是在一個大型的建筑工地上，不同的工人只需要專注于自己的任務，比如砌磚、安裝門窗等，而不需要每個人都去設計和建造整個建筑。這樣一來，不僅可以提高開發效率，還可以讓AI系統更加靈活地適應工具的變化和大型語言模型的更新。

此外，MCP還為AI系統的擴展提供了極大的便利。比如，當你開發了一個新的AI功能時，你只需要將其添加到MCP服務器上，然后其他AI系統就可以通過MCP客戶端輕松地調用它，而不需要對每個系統都進行單獨的集成和配置。

（五）MCP的部署方式

目前，MCP服務器通常是以本地安裝的方式部署的。雖然也有遠程MCP服務器的協議，但更常見的做法是將MCP服務器安裝和配置在本地，然后讓本地的MCP服務器根據需要調用外部資源。這樣做的好處是，可以將認證邏輯保留在本地，而不需要在MCP客戶端層處理復雜的認證問題。比如，你的聊天機器人不需要知道如何與Azure的MCP服務器、GitHub的MCP服務器以及你團隊的MCP服務器進行認證，而是由本地的MCP服務器來處理這些認證問題。

隨著MCP協議的逐漸成熟，遠程MCP服務器可能會越來越受歡迎，因為它們可以提供更標準化的認證過程。但目前，建議使用小型的自定義MCP服務器，這些服務器可以在本地運行，并通過你團隊控制的API連接到外部資源，使用你團隊喜歡的任何認證機制。

二、什么是Agent2Agent（A2A）？

（一）A2A的核心理念

如果說MCP是一個“工具箱”，那么A2A就是一個“標準化的修理工”。A2A是由谷歌最近推出的一種開放協議，它允許AI代理之間以一種標準化的方式進行通信。與MCP專注于公開模塊化功能不同，A2A更側重于提供一個標準化的協議，用于與整個AI代理進行交互，包括它的提示、資源、工具和模型選擇。

舉個例子，假設你有一個AI代理，它可以回答關于天氣的問題。但當用戶問到一個關于股票市場的問題時，這個AI代理可能就無能為力了。這時，A2A就可以讓這個AI代理“打電話求助”，找到另一個專門處理股票市場問題的AI代理來幫忙。這就像是在一個復雜的機械系統中，當一個部件出現問題時，它可以自動找到合適的維修工來解決問題。

（二）A2A的工作方式

A2A的工作方式是通過A2A客戶端和A2A服務器架構來實現的。A2A將工作表示為任務，其交互由多個部分組成的消息，旨在產生一個或多個代表交付物的工件，這些工件將返回給調用代理。

比如，你可以創建一系列AI代理，并將它們連接在一起，或者創建一個單一的代理，它可以調用你選擇的可信供應商提供的專業第三方代理。這就像是在一個大型的生態系統中，每個AI代理都有自己的職責，當遇到超出自己能力范圍的任務時，它們可以通過A2A協議互相協作，共同完成復雜的請求。

（三）A2A的優勢

A2A的最大優勢在于它能夠支持更復雜、更動態的AI交互場景。在一個快速變化的AI生態系統中，我們很難預測未來會出現哪些新的AI功能和工具。而A2A提供了一個標準化的接口，讓不同的AI代理可以輕松地集成和協作，從而適應不斷變化的需求。

比如，在一個企業環境中，你可能需要一個AI代理來處理客戶支持問題，另一個AI代理來處理訂單處理，還有一個AI代理來處理數據分析。通過A2A，這些AI代理可以互相協作，共同完成一個復雜的業務流程，比如處理一個客戶的投訴，從接收投訴到分析問題，再到提出解決方案，最后通知客戶處理結果。

三、MCP與A2A：如何選擇？

（一）它們并不是相互沖突的

雖然MCP和A2A都旨在提供更模塊化的AI系統，但它們并不是相互沖突的技術。實際上，你可以創建一個AI代理，它既可以使用MCP來連接一系列功能模塊，又可以使用A2A來請求幫助，以處理那些它自己無法完成的任務。

（二）選擇MCP的情況

如果你的團隊想要為AI代理提供自定義功能，并且這些功能需要集成到不同的用戶界面中（比如開發者IDE聊天機器人和網絡聊天門戶），那么MCP是一個不錯的選擇。設計時考慮MCP可以為組織帶來更多的靈活性，隨著AI工具的發展和在更多地方的可用性，你可以輕松地將新的功能集成到你的系統中。

（三）選擇A2A的情況

如果你的團隊想要支持復雜的交互場景，但又不想提供自定義解決方案，那么A2A可能更適合你。通過A2A，你可以輕松地調用其他組織提供的專業AI代理，從而快速實現復雜的功能。

另外，如果你的團隊有一些獨特的功能或能力，想要與其他組織共享，那么A2A也可以幫助你將這些功能打包成AI代理，供其他組織在他們的AI解決方案中使用。

四、總結

MCP和A2A都是正在迅速獲得廣泛支持和流行的開放協議，微軟最近也承諾在其未來的產品中支持這兩種協議。在一個快速發展的AI生態系統中，出現標準化的協議來定義AI系統如何連接到功能以及AI系統如何相互交互是非常有意義的。

MCP和A2A的出現，不僅為AI開發帶來了新的可能性，也為組織提供了更多的選擇和靈活性。無論你是想要構建一個功能強大的AI系統，還是想要快速集成現有的AI功能，MCP和A2A都可以為你提供支持。在未來，隨著這些協議的不斷發展和完善，我們有理由相信，AI開發將變得更加高效、靈活和模塊化。

本文轉載自??Halo咯咯??    作者：基咯咯