Google Developers Blog

How A2A is Building a World of Collaborative Agents

8.5内容质量

TL;DR · AI 摘要

A2A 协议通过构建协作代理生态系统,解决了 AI 代理间通信和协作的难题,推动了生成式 AI 的发展。

核心要点

  • A2A 协议通过安全边界保护企业敏感数据,实现代理间黑盒任务交接。
  • A2A 协议通过零上下文污染机制,提升 LLM 的性能和稳定性。
  • A2A 协议支持动态自主协作,允许代理间进行意图理解与计划优化。

结构提纲

按章节快速跳转。

  1. 文章介绍了 A2A 协议的背景及其在构建协作代理生态系统中的作用。

  2. A2A 协议相比传统 REST API,提供了更灵活、安全的代理间通信方式。

  3. A2A 协议通过黑盒交接机制,保护企业敏感数据和内部逻辑。

  4. A2A 协议避免了 LLM 上下文窗口被复杂任务占用,提升性能。

  5. A2A 协议支持代理间协作,实现意图理解与计划优化。

  6. A2A 协议允许不同团队和专家构建和管理代理组件,提升模块化设计。

思维导图

用一张图看清主题之间的关系。

查看大纲文本(无障碍 / 无 JS 友好)
  • A2A 协议
    • 协作代理生态系统
      • 安全边界
      • 零上下文污染
      • 动态自主性
      • 工作负载分配

金句 / Highlights

值得收藏与分享的关键句。

#AI Agents#A2A#协作架构#Google#生成式 AI
打开原文

A2A 如何构建协作代理的世界 - Google 开发者博客

Google Tag Manager (noscript)

结束 Google Tag Manager (noscript)

HTML

A2A 如何构建协作代理的世界

2026 年 6 月 18 日

Alan Blount

高级技术产品经理

Frank Guan

产品营销

AI 代理

Nick Losier

客户工程师

分享

  • Facebook
  • Twitter
  • LinkedIn
  • 邮件

超越工具:代理生态系统的兴起

如果你使用过 AI 代理,你就知道将它们当作简单的无状态工具来处理的痛苦。真正的代理需要进行对话并具有动态性,但要释放它们的真正潜力,它们需要一种通用的语言来进行协作和安全地交接任务。这正是我们一年前推出 Agent-to-Agent(A2A)协议时的愿景。今天,当我们庆祝 A2A 一周年之际,协作代理生态系统的愿景正在成为现实——而且它的增长速度可能超乎你的想象。

为什么是 A2A?协作的架构

在我们实际查看 A2A 的运作方式之前,了解为什么我们需要一种新的协议非常重要。为什么不直接通过标准的 REST API 连接代理?

API 是僵硬且确定性的;代理是灵活且自主的。将代理当作 API 来处理会严重限制其潜力。A2A 协议是专门为生成式 AI 时代设计的,提供了几个关键的架构优势:

  • 安全边界(保护“核心机密”):在企业场景中,代理需要利用敏感数据或专有的内部流程,这些数据和流程不能暴露给公共的 LLM 或第三方系统。A2A 促进了“黑盒”交接:你可以将任务分配给一个专门的内部代理,该代理维护自己的安全环境。请求代理可以得到其需要的高价值输出,而你的专有数据和“如何实现”的逻辑则保持封装并严格私有。
  • 零上下文污染:LLM 的上下文窗口是有限的。如果你强制一个主代理处理复杂的多步骤依赖关系,其上下文窗口会被填满,导致幻觉和性能下降。通过 A2A 进行交互时,专门的对等代理可以处理自己的大量依赖关系和内部状态,而不会占用主代理的内存。
  • 动态自主性:当你调用 API 时,它只是返回数据或失败。当代理调用 A2A 对等代理时,它启动了一个协作。接收代理可以理解意图,完善计划,对不完整的请求提出异议,并在某些内容不明确时提出澄清问题。
  • 工作负载分配:与其由一个人或一个团队从头开始构建整个代理解决方案,A2A 允许分配专门的工作负载。解决方案的不同部分可以由其他同事、团队、供应商或持续改进其组件的托管代理服务来构建和管理。这种模块化简化了整体应用程序的设计,并在长期内显著降低了管理难度。

聚焦:FoldRun——无需堆栈的大规模科学

要看到这种架构的实际应用,我们无需再寻找,生命科学领域就是最好的例子。预测蛋白质的 3D 结构是生物学的“圣杯”,但对开发者来说,这却是一个基础设施噩梦。从 petabyte 级别的基因数据库,到专门的 GPU 需求,再到 AlphaFold、OpenFold 和 Boltz 等模型的多步骤生命周期,从头开始重现这种功能是一个巨大的“复杂性悬崖”。

Foldrun 不仅仅是一个工具或脚本;它是一个独立的、具有智能代理功能的接口。

在旧的模式中,你必须将一组脆弱的 API 工作流拼接在一起,或者构建你自己的代理,注入专业技能,确保环境安全,并希望不要出错。在 A2A 世界中,你只需将 Foldrun 代理添加到 Gemini Enterprise、Gemini CLI 或任何符合 A2A 标准的环境中即可。

Foldrun 管理那些需要动态决策的长期自主任务,例如根据预测置信度调整参数,或根据分子类型在 AlphaFold 2、OpenFold 3 或 Boltz-2 之间进行选择。你只需提出任务,分配工作,Foldrun 就会以一个专业对等体的身份交付结果。

抱歉,你的浏览器不支持播放此视频。

Foldrun 快速入门:在 A2A 工作流中查看 Foldrun 的实际应用:

  • 拉取镜像:从 Google Cloud Life Sciences GitHub 获取 Foldrun 的代理接口。
  • 通过 A2A 连接:在你的 A2A 支持环境中注册代理。
  • 委派任务:使用自然语言开始分配结构预测任务,无需编写自定义的胶合代码。

开发者提示:使用 Gemini CLI 将蛋白质序列“交给”Foldrun。Gemini CLI 支持任何 A2A 代理,包括 Foldrun。当它处理 3D 建模的繁重工作时,你的主要代理可以继续管理其余的研究流程。

客户评价:

“为了确保 FoldRun 能够满足现实环境中复杂的各种需求,我们与 BicycleTx 作为核心设计合作伙伴紧密合作。他们的团队一直在积极评估该解决方案,并提供了关键的反馈,这些反馈直接影响了该功能的开发。“我们一直在寻找方法,让不同团队的科学家能够使用协同折叠模型的强大功能。拥有一个代理接口的解决方案,而我们的组织正在通过 Gemini Enterprise 接受这种接口,这使得测试和与工作流程的集成变得容易得多,”——BicycleTx 的 Richard Hughes。通过在他们的流程中探索 FoldRun,BicycleTx 正在解锁新的优化工作流程和扩展其代理驱动操作的方法。我们非常感谢他们的持续合作,并期待不久的将来将这些功能带给更广泛的社区。”

A2A 还能做些什么?

如果 A2A 能够协调 PB 级的生物建模,它还能解锁哪些可能性?通过标准化代理之间的通信方式,我们正在各行各业看到令人难以置信的创新:

  • 代理商业与自主支付:这是自主经济真正实现的地方。开发人员正在利用 A2A 来确保交易的完整性,使 AI 代理能够安全地协商交易、验证库存,并代表用户无缝执行 B2B 购买。
  • 企业数据与实时流媒体:代理正在被部署以安全地监控实时事件流和企业数据库。而不是将原始数据管道暴露给中心 LLM,专门的 A2A 代理位于数据边缘,仅在满足特定合规条件时才提取见解并触发下游工作流程。
  • 跨平台 IT 与 DevOps:运营孤岛正在被打破。想象一下,一个主要的人力资源代理通过 A2A 与一个专门的 DevOps 代理进行协调。人力资源代理安全地传递所需的权限参数,而 DevOps 代理则自主地在多个断开连接的 SaaS 平台上分配软件许可证、仓库访问权限和安全环境。
  • 安全电信与受监管网络:在高度受监管的行业中,安全性至关重要。A2A 被用于确保自主系统的量子安全、端到端消息层安全(MLS),确保代理可以在不暴露底层信息的情况下协作处理敏感数据。

开始使用并参与庆祝

加入生态系统的最简单方式是通过我们的官方 SDK。无论你是从零开始构建,还是扩展规范,实现互操作性的路径从未如此清晰。

  • 构建:下载官方 A2A SDK —— Python 和 Go 已经达到 1.0 GA 版本,Java(Beta)和 .NET(预览版)正在跟踪 1.0 规范,并计划发布 GA 版本,JavaScript/TypeScript 在稳定的 v0.3 版本上运行,1.0 的开发工作正在进行中。

这是我们的一周年生日,但你将获得礼物。我们想看看你构建了什么!在社交媒体上发布一张你的照片(或你代理的头像!),并标记我们,我们将展示我们最喜欢的社区项目,

发布在:

  • AI
  • 案例研究
  • 公告
  • 学习
  • 解决方案

上一篇

下一篇

相关文章

列表

AI

公告

学习

宣布 Agentic Resource Discovery 规范

2026 年 6 月 17 日

移动

案例研究

使用 LiteRT 和 NPU 构建现实中的设备端 AI

2026 年 4 月 23 日

网络

教程

最佳实践

A2UI + MCP 应用:结合声明式和自定义代理 UI 的优势

在 Google TPUs 上加速 LLM 推理:通过扩散式推测解码实现 3 倍加速

2026 年 5 月 4 日

导航点