Ngayon ay inilabas ng Google ang kanyang open source agent sa agent protocol, imaginatively naming
Hindi ko kaya sigurado, kaya nagsisimula ako upang makikita ng mas mataas at tingnan kung ano ang posisyon ng A2A sa agensya universe. Kaya makikita natin kung paano gumagana ang A2A sa real life, at isang paghahambing sa MCP.
Mga Test Drive A2A
Ang paggamit ng A2A ay nangangahulugan tulad ng MCP. Maaari mong i-execute ang ilang mga A2A mga agente / server, at pagkatapos ay ang A2A client ay maaaring i-connect sa lahat ng mga ito. Ang magandang balita ay na karaniwang hindi mo kailangang i-execute ang A2A mga agente kasama ang A2A client.
Paggamit ng mga A2A agent (server)
Ipinanganak ko ang lahat ng tatlong mga sample na mga agente sa lokal na
- sa loob
- Ang Google ADK agent na maaaring magpadala ng mga report ng gastos para sa iyo sa loob
- CrewAI agent na maaaring malaman ang generate ng isang imahe sa loob
- LangGraph agent na maaaring malaman ang pinakabagong exchange rate sa loob
Ang paraan na ang isang A2A server ay nagpapakita sa mundo ang kanyang mga kapasidad ay sa pamamagitan ng isang "Agent Card" sa JSON format.
{
"name": "Reimbursement Agent",
"description": "This agent handles the reimbursement process for the employees given the amount and purpose of the reimbursement.",
"url": "http://localhost:10002/",
"version": "1.0.0",
"capabilities": {
"streaming": true,
"pushNotifications": false,
"stateTransitionHistory": false
},
"defaultInputModes": [
"text",
"text/plain"
],
"defaultOutputModes": [
"text",
"text/plain"
],
"skills": [
{
"id": "process_reimbursement",
"name": "Process Reimbursement Tool",
"description": "Helps with the reimbursement process for users given the amount and purpose of the reimbursement.",
"tags": [
"reimbursement"
],
"examples": [
"Can you reimburse me $20 for my lunch with the clients?"
]
}
]
}
I-download ang A2A Client demo app
Ipinanganak sa client. Ang mga instruksiyon upang makuha ang demo web app na gumagana ay dito.
Kapag ang web app ay gumagana, maaari mong i-access ito mula sa iyong browser. Ang client ay matatagpuan ng Gemini AI Studio na may signature Google Material design.
URL: localhost:12000
Ang unang bagay, kailangan naming magdagdag ng lahat ng mga agente sa client sa pamamagitan ng pag-specify ang kanilang base URL. Dahil sa aking kaso ako ay nag-execute ang lahat ng mga agente lokal, ang kanilang base URL ay:
- sa loob
- Mga pahinang tumuturo sa Google ADK: 10002 sa loob
- ang napili ng mga taga-hanga: 10001 sa loob
- Mga pahinang tumuturo: 10000 sa loob
Side note: Sa loob ng protocol, ang katapusan na URL ay nakikita ng isang bagay na ito:
https://localhost:10002/.well-known/agent.json
Ngayon maaari mong makitaall three agentsAng mga ito ay konektado:
Maaari mong makita angchat historydito
Ang lahat ngevent list
At ang lahat ngtask list
SettingsIto ay isang Basic
I-test ang Google ADK agent para sa mga claim sa gastos
Test LangGraph para sa forex rate
Test CrewAI agent para sa image generation
Ang isang combo test para sa mga multi-agent
Gusto kong makita kung ang A2A client ay maaaringuse multiple agents to achieve a single goalKaya ako tested kung ito ay maaaring mag-combine ang gastos claim agent sa forex rate agent. at ito ay gumagana.
Ang aking trabaho ay “claim para sa isang gastos para sa isang beer sa Germany habang sa isang negosyo trip, 5 euros, April 4 2025Ang pag-uusap ay dumating sa loob ng ilang round ng back and forth, at sa katapusan ay nakuha ang parehong halaga ng US dollars sa gasto claim form.
Mga pahinang tumuturo sa A2A
Gusto ko na ang A2A ay isang purong Client-Server modelo na ang parehong maaaring mag-execute at i-host remotely.
Ang configuration ng mga agente ay malaki na simpleng sa lamang na itakda ang pangunahing URL, at ang "Agent Card" ay nagtatrabaho sa konteksto exchange.
Sa kasalukuyang format ng demo, ito ay medyo mahirap na malaman kung paano makipag-ugnayan ang mga agente sa ibang tao at bumuo ng mga komprehensibong mga gawain. Ang kliyente ay nag-aalok ng bawat agente para sa iba't ibang mga gawain, kaya tulad ng pag-aalok ng ilang tool.
Pagkakaiba sa A2A at MCP
Now I’ve tried out A2A, it’s time to compare it sa MCP na narinig ko tungkol sa bago sa
Habang ang parehong A2A at MCP ay nangangahulugan upang mapabuti ang pag-unlad ng sistema ng AI agent, sa teorya, ang mga ito ay tumutulong sa mga natatanging mga pangangailangan. A2A ay gumagana sa antas ng agent-to-agent, na nagkakahalaga sa pag-interaction sa pagitan ng independiyenteng entities, habang ang MCP ay gumagana sa antas ng LLM, na nagkakahalaga sa pag-enrichment ng kontekstong at kapangyarihan ng mga individual na mga modelo ng wika.
At upang magbigay ng isang pakikipag-usap sa kanilang mga pangunahing kasaysayan at mga pagkakaiba ayon sa kanilang mga protocol na dokumento:
sa loobFeature A2A MCP Primary Use Case Agent-to-agent communication and collaboration Nagbibigay ng konteksto at mga tool (external API/SDK) sa LLMs Core Architecture Client-server (agent-to-agent) Client-host-server (application-LLM-external resource) Standard Interface JSON specification, Agent Card, Tasks, Messages, Artifacts JSON-RPC 2.0, Resources, Tools, Memory, Prompts Key Features Multimodal, dynamic, secure collaboration, task management, capability discovery Modularity, security limitasyon, reusability ng connectors, SDKs, tool discovery Communication Protocol HTTP, JSON-RPC, SSE JSON-RPC 2.0 overstudio, HTTP with SSE (o streamingMga Feature
ang2aang2a
ang mcpang mcp
Primary Usage Case Agent-to-agent komunikasyon at kolaborasyon Nagbibigay ng konteksto at mga tool (external API / SDK) sa LLMsMga primary use caseMga primary use case
Agent-to-agent na komunikasyon at kolaborasyonAgent-to-agent na komunikasyon at kolaborasyon
sa loobNagbibigay ng konteksto at mga tool (external API / SDK) sa LLMs
Nagbibigay ng konteksto at mga tool (external API / SDK) sa LLMs
sa loobang core architecturesa loobMga pahinang tumuturo sa Client-server (agent-to-agent)sa loobClient-host-server (application-LLM-external resource) sa pamamagitan ngsa loobsa loobang core architecture
ang core architecture
sa loobMga pahinang tumuturo sa Client-server (agent-to-agent)
Mga pahinang tumuturo sa Client-server (agent-to-agent)
Client-host-server (application-LLM-external resource) sa pamamagitan ngClient-host-server (application-LLM-external resource)
Standard Interface JSON specification, Agent Card, Tasks, Messages, Artifacts JSON-RPC 2.0, Resources, Tools, Memory, Promptsang standard interfaceang standard interface
JSON specification, Agent Card, Task, Messages, ArtifactsJSON specification, Agent Card, Task, Messages, Artifacts
sa loobJSON-RPC 2.0, Mga Resources, Tools, Memory, Prompts
JSON-RPC 2.0, Mga Resources, Tools, Memory, Prompts
Key Features Multimodal, dynamic, safe collaboration, task management, capability discovery Modularity, security boundaries, reusability ng connectors, SDKs, tool discoveryMga Key FeaturesMga Key Features
Multimodal, dynamic, safe collaboration, task management, capability discoveryMultimodal, dynamic, safe collaboration, task management, capability discovery
Modularity, security boundaries, reusability ng connectors, SDKs, tool discoveryModularity, security boundaries, reusability ng connectors, SDKs, tool discovery
Komunikasyon Protocol HTTP, JSON-RPC, SSE JSON-RPC 2.0 over stdio, HTTP sa SSE (o streamable HTTP)sa loobProtokolo ng komunikasyon
Protokolo ng komunikasyon
Mga pahinang tumuturo sa JSON-RPC, SSEMga pahinang tumuturo sa JSON-RPC, SSE
JSON-RPC 2.0 over stdio, HTTP na may SSE (o streamable HTTP)JSON-RPC 2.0 over stdio, HTTP na may SSE (o streamable HTTP)
Performance Focus Asynchronous communication para sa load handling Efficient context management, parallel processing, caching para sa high throughputFocus sa PerformanceFocus sa Performance
Asynchronous communication para sa load handlingAsynchronous communication para sa load handling
Efficient context management, parallel processing, caching para sa mataas na pagkuhaEfficient context management, parallel processing, caching para sa mataas na pagkuha
Adoption & Community Good initial industry support, nagsisimula na ecosystem Substantial adoption mula sa buong industriya, mabilis na bumuo communityAdopsiyon at komunidadAdopsiyon at komunidad
sa loobGood initial industry support, nagsisimula na ecosystem
Good initial industry support, nagsisimula na ecosystem
Substantial adoption mula sa buong industriya, mabilis na lumaki ang komunidadSubstantial adoption mula sa buong industriya, mabilis na lumaki ang komunidad
mga konklusyon
Gayunpaman ang Google ay nagtatagumpay na A2A ay isang gratis na protocol sa MCP, ang aking unang pagsubok ay nagpapakita na sila ayoverwhelmingly overlapping in purpose and featuresLahat ng mga ito ay tumutulong sa mga pangangailangan ng mga developer ng application ng AI upang gamitin ang ilang mga agens at mga tool upang makakuha ng mga kompleksong mga target. Sa kasalukuyang, ang parehong mga ito ay walang isang mahusay na mekanismo upang i-register at i-discover ang iba pang mga agens at mga tool nang walang manual na konfigurasyon.
Ang MCP ay nagsisimula na at nagkakahalaga ng malaking suporta mula sa parehong komunidad ng developer at mga malaking enterprise. A2A ay napaka-mahalaga, ngunit ngayon ay may malakas na pagsusuri mula sa maraming mga customer ng Google Cloud enterprise.
Ito ay isang mahusay na halimbawa para sa mga developer, dahil sila ay may higit pa ng mga pagpipilian saopen and standard agent-agent protocolsPanatilihin ang pagpapatala para sa isang minimum na dalawang magkasunod na semestre.
