一、为什么 2027 年 Agent 需要「协议」？

回想一下早期的 LLM 应用开发，大家在做什么？

研究 Prompt 工程、尝试 Function Calling、给模型配工具、 Agent 让看起来更「聪明」一点。说到主要问题是，怎样让单个模型看起来更像 Agent。

但到了 2026 年，领域的问题已经从「如何做一个 Agent」变成了：

• 如何让不同厂商开发的 Agent 互相通信？
• 如何让 Agent 调用各种第三方工具时不需要重复写适配器？
• 如何让多个 Agent 协作完成复杂业务流？

答案就是：标准化协议。

就像 HTTP 是 Web 的基础协议，TCP/IP 是互联网的基石——Agent 环境也需要一套通用的通信和集成规范。

使用者痛点 • “适配器堆叠”导致维护成本飙升

在没有统一协议之前，每个框架都自带工具调用格式。者不得不为每个工具写不同版本的适配层，导致维护成本高昂；当工具更新时需要同步修改所有适配器，出现兼容性问题。

二、MCP— 工具调用的「HTTP」

解决什么问题

MCP 由 Anthropic 于 2025 年底推出，解决的是Agent 与工具之间的标准化集成问题。

之前。每个 Agent 框架都有自己的一套工具调用格式：

• OpenAI 用 Function Calling JSON Schema
• LangChain 用 Tool 抽象类
• 自定义 Agent 还需要自己写解析层

MCP 的主要设计

Agent ────→──→ External Tool
│
│ 

MCP 的设计理念比较简单：

1. MCP Server: 工具提供方实现一个 MCP Server，暴露工具元信息。
2. MCP Client: Agent 或 LLM 应用通过 MCP Client 自动发现可用工具，并调用它们。
3. JSON‑RPC 协议层: 所有交互采用 JSON‑RPC 格式，自然跨语言跨框架。

2027 年 MCP 环境现状

• MCP 官方服务器数量突破百家： 覆盖数据库、云服务、DevOps、设计工具等场景。
• Mainstream frameworks 支持： LangChain、CrewAI、Semantic Kernel、Spring AI 等均已内置支持。
• Google 提供托管 MCP 服务： 在 Vertex AI 中一键部署 MCP Server。
• 国内厂商跟进： 百度千帆网站与阿里百炼网站均开放了 MCP 接口兼容层。

争议的观点是，MCP 真的吗？

三、A2A— 智能体之间的「SMTP」

主要定位

A2A 是 Google 在 2026 年推出的一套代理间协作协议，它解决的是 Agent ↔ Agent 通信和协同任务的问题。话说回来，

设计原则

1. No shared memory: 每个 Agent 拥有独立上下文与工作空间。
2. Aynchronous communication: 任务可能耗时分钟甚至小时需要异步消息机制。
3. Easily discover capabilities: Agent 能主动查询其他可用功能并选择合适伙伴。

工作流程示意图

Agent A ────→ Agent B
│ │
│ ←──────┤
│ ←───┤
│ ←──────┘

典型请求示例

{
"jsonrpc":"2.0","method":"tasks/send"。"params": {
再看"id"，"task-001","sessionId":"sess-abcd","message":{
从"role"来看，"user","parts":
},"metadata":{
"capabilities":
}
}
}

实际使用场景

• Cros部门协作： 销售-Agent 将客户需要转给技术-Agent；技术-Agent 完成后自动通知销售，无缝交接；
• Sourcing & Logistics: 采购-Agent → 库存-Agent → 物流-Agent 链式自动化；不过，
• Sophisticated Customer Support: 对话-Agent 无法回答时自动路由到专业知识库-Agent。无感体验，

---

"
"
"
"
"
"
"
"
"
"
"
"

---

。

---