没有 HTTP 的互联网是孤岛。没有 A2A 的多智能体,也是各自为政、无法互联。文中给了可对照的做法。

🦩 第 30 篇 · 2026 年 1 月 30 日
HTTP 让网页之间可以互相链接,TCP 让计算机之间可以通话,而 A2A(Agent-to-Agent)协议,让智能体之间可以互相协作。类比一下:没有 HTTP 的互联网是 DOS 年代——每个网站孤立,无法互联。没有 A2A 的多智能体世界,每个 Agent 孤立,无法协作。
一句话
A2A 协议是智能体之间的通信标准:它解决四个核心问题——发现(怎么知道谁可以帮我)、认证(怎么确认你是你)、传输(消息怎么传递)、语义(我说的你能懂吗)。四个问题缺一个,多 Agent 协作就是空中楼阁。
为什么需要 A2A 协议
问题一:Agent 孤岛
没有 A2A 之前,智能体之间的协作是"硬编码"的:
|
1
2
3
4
5
# 硬编码的 Agent 调用
if intent == "订水":
result = water_order_agent.process(user_message)
elif intent == "查配送":
result = delivery_agent.process(user_message)
问题:
- 每加一个 Agent,需要改代码
- Agent 无法动态发现——新上线的 Agent 谁都不知道
- 无法跨组织协作——A 公司的 Agent 无法调用 B 公司的 Agent
问题二:语义不一致
两个 Agent 对"客户"的理解不同:
- CRM Agent 认为"客户"有字段:id、name、phone、email
- 客服 Agent 认为"客户"有字段:customer_id、customer_name、phone_number
没有语义对齐,跨 Agent 的数据传递会丢失或误解。
问题三:状态不一致
A Agent 更新了客户地址,B Agent 不知道,继续用旧地址发配送。
A2A 协议的四层架构
第一层:发现层(Discovery)
问题:怎么知道谁可以帮我?
类比 DNS——域名系统让互联网上的服务可以被发现。
A2A 的 Agent Registry:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
{
"agent_id": "sales-agent-001",
"capabilities": ["order", "product_recommend", "coupon"],
"input_schema": {
"order": "OrderInput",
"recommend": "RecommendInput"
},
"output_schema": {
"order": "OrderOutput",
"recommend": "RecommendOutput"
},
"endpoint": "https://agent.example.com/sales",
"auth": "Bearer token"
}
工作流程:
- 新 Agent 上线 → 注册到 Agent Registry
- 协作发起方 → 查询 Registry,找到有能力处理此任务的 Agent
- 发起协作请求 → 定向调用
Anthropic 的 Agent Card:就是发现层的实现——每个 Agent 发布自己的 Card,描述自己的能力、输入输出格式。
第二层:认证层(Authentication)
问题:怎么确认你是你?
- 调用方认证:调用的 Agent 证明自己的身份(JWT Token)
- 被调用方认证:被调用的 Agent 证明自己的身份(也是 JWT Token)
- 权限控制:不是所有 Agent 都能调用所有能力(类似 API 权限)
|
1
2
3
4
5
6
7
8
{
"auth": {
"type": "agent_token",
"issuer": "openclaw-gateway",
"audience": "sales-agent",
"scopes": ["order:create", "order:cancel", "customer:read"]
}
}
第三层:传输层(Transport)
问题:消息怎么传递?
类比 HTTP/TCP/IP 协议栈。
A2A 支持多种传输:
- 同步传输(HTTP/REST):发起方等待结果,类似函数调用
- 异步传输(Message Queue):发起方不等待,结果通过回调返回
- 流式传输(Server-Sent Events / WebSocket):长任务实时推送进度
A2A Message 格式:
|
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
{
"header": {
"message_id": "msg-uuid-xxx",
"protocol_version": "1.0",
"timestamp": "2026-01-30T10:00:00+08:00"
},
"from": "sales-agent-001",
"to": "ops-agent-001",
"task_id": "task-uuid-yyy",
"action": "schedule_delivery",
"payload": {
"order_id": "ORD-12345",
"address": "北京市朝阳区xxx",
"time_window": "14:00-16:00"
},
"reply_to": "sales-agent-001"
}
第四层:语义层(Semantic)
问题:我说的你能懂吗?
语义层解决不同 Agent 对同一概念的理解差异。
方法一:共享本体论(Shared Ontology)
所有 Agent 使用同一套概念定义:
- “客户” = 统一的数据结构
- “订单状态” = 统一的状态枚举
- “商品” = 统一的分类体系
方法二:Schema 映射
不同 Agent 的 Schema 可以不同,但需要映射:
CRM Agent 的 customer_id → 映射到 → 客服 Agent 的 customer_id
CRM Agent 的 phone → 映射到 → 客服 Agent 的 phone_number
方法三:语义类型标注
|
1
2
3
4
5
6
7
8
9
{
"customer": {
"@type": "Customer",
"@semantic_type": "person:with_phone:has_address",
"name": "张三",
"phone": "138xxxx",
"address": "北京市朝阳区xxx"
}
}
A2A 协议的实战:跨公司智能体协作
场景:水站 + 品牌方 + 物流公司
水站 Agent(负责:接单、配送、服务) 品牌方 Agent(负责:营销、促销、会员) 物流公司 Agent(负责:调度、追踪、运输)
A2A 协作流程:
客户在水站下单(通过水站 Agent)
↓
水站 Agent → 调用 → 品牌方 Agent
目的:查询客户会员等级、可用优惠券
协议:A2A / discover / coupon_query
↓
品牌方 Agent → 返回 → 客户是 VIP,有一张 9 折券
↓
水站 Agent → 调用 → 物流公司 Agent
目的:预约配送
协议:A2A / delivery / schedule
↓
物流公司 Agent → 分配司机 → 返回配送信息
↓
水站 Agent → 回复客户 → 订单确认 + 配送信息
整个流程涉及三个公司的 Agent,但通过 A2A 协议无缝协作——不需要共享数据库,不需要提前配置,每方只需要开放自己需要的能力接口。
当前业界的 A2A 实践
| 协议/平台 发现层 认证层 传输层 语义层 现状 | Anthropic Agent Card ✅ ❌ ❌ ❌ 草案 | OpenClaw A2A ✅ ✅ ✅ 部分 生产可用 | Microsoft AutoGen 部分 ❌ ✅ ❌ 开源 | LangGraph 部分 ❌ ✅ ❌ 开源 | CrewAI 部分 ❌ ✅ ❌ 开源
落地建议:从小规模同构开始
- 第一阶段:同团队、同架构的多 Agent 协作,用 OpenClaw 内置 A2A
- 第二阶段:跨团队、同一组织的协作,建立共享本体论和权限体系
- 第三阶段:跨组织、开放生态的协作,推动行业标准协议
不要一上来就做跨公司的开放协作——先把内部多 Agent 跑通,再考虑外部扩展。
怎么判断你的系统需不需要 A2A
| 信号 答案 | 你的 AI 需要调用其他 AI 才能完成任务吗? 需要 → 考虑 A2A | 你有多个 Agent 但它们是硬编码互相调用? 是 → 改用 A2A | 你希望新 Agent 上线不需要改现有代码? 希望 → 需要 A2A | 你需要跨组织调用外部 Agent 能力? 需要 → 必须 A2A | 你的业务涉及多个独立系统需要协调? 是 → 必须 A2A
如果超过两个"需要",你的系统需要 A2A 协议。
延伸阅读
- 本地生活智能体团队,4 个行业实战案例
- 多 Agent 协同的难题,不是技术是边界
- 多智能体协作的四种模式,适用场景各不同
- 智能体和聊天机器人,差在哪四件套
- A2A 不只是连 Agent,门店之间也要协同
- A2A 想协同,先理清谁跟谁说话
- OpenClaw 把散装 Agent 拼成团队
- 办公 Agent 想落地,先啃会议和流程两座山
- 办公助手不只是聊天,它真能替你跑活
- 办公助手能自动化的场景,别再当翻译机
相关阅读
标签
双号关注
扫码关注「广说新零售」公众号 + 视频号
本地生活 AI 落地、Agent 实操、真实门店怎么跑起来。扫码关注公众号与视频号「广说新零售」,持续看可收藏的做法;有场景也可私信聊合作。

公众号

视频号
继续读
同栏目相关文章,方便对照着看。
AI 上线头一周,先盯紧这四件要事别放
AI 落地项目上线第一周别只看 demo。盯四件事:在不在跑、对不对、人的反应、出错怎么兜。
客户说 AI 不懂我,八成是这三种原因
AI 客服不懂客户,多半不是模型问题:不知道你是谁、没接准意图、不记得你们发生过什么。
AI 项目为什么大多死在第二个月就停
AI 落地项目第一个月有掌声,第二个月只剩没人愿意干的脏活:维护、接真业务、说服使用的人。
A2A 不只是连 Agent,门店之间也要协同
A2A 的价值不止让 AI 互相说话。A 店缺货、B 店有货,门店之间能对上话才是关键。先在一家店验证。
AI 当员工还是当工具,结果完全不同
AI 落地半年后差距很明显:有人越用越省事像多带个员工,有人越用越累只把它当工具。
