Google 的 6 大 AI Agent 协议：互操作性是未来

TL;DR

Google 发布《AI Agent Protocols 开发者指南》，提出 6 大开放标准（MCP、A2A、UCP、AP2、A2UI、AG-UI），旨在解决 AI Agent 生态的”碎片化集成”问题。核心主张：停止为每个工具编写自定义集成胶水代码，拥抱可互操作的 Agent 未来。本文深度解析这 6 大协议及其关系。

📋 本文结构

1. 为什么需要 Agent 协议
2. 6 大协议全景图
3. 协议详解：MCP
4. 协议详解：A2A
5. 协议详解：UCP、AP2、A2UI、AG-UI
6. 协议之间的关系
7. Google ADK 的实践
8. 对比：OpenAI vs Google 生态
9. 结论：协议战争还是协议和平

为什么需要 Agent 协议

当前痛点：集成地狱

现状：

Agent A → 自定义集成 → 工具 X
Agent A → 自定义集成 → 工具 Y
Agent A → 自定义集成 → 工具 Z

Agent B → 自定义集成 → 工具 X
Agent B → 自定义集成 → 工具 Y
...

问题：

• N 个 Agent × M 个工具 = N×M 个集成
• 每个集成都是定制开发
• 维护成本爆炸

协议的价值

有了标准协议后：

Agent A ──┐
Agent B ──┼──→ 标准协议 ──→ 工具 X
Agent C ──┤         ├────→ 工具 Y
...       └─────────┴────→ 工具 Z

好处：

• 一次实现，到处使用
• 降低集成成本
• 促进生态繁荣

6 大协议全景图

协议总览

分层架构

┌─────────────────────────────────────────┐
│  表现层：AG-UI / A2UI                   │
│  图形界面、用户交互                      │
├─────────────────────────────────────────┤
│  应用层：A2A                            │
│  Agent 之间的协作                        │
├─────────────────────────────────────────┤
│  工具层：MCP                            │
│  Agent 与工具/数据的交互                  │
├─────────────────────────────────────────┤
│  控制层：UCP                            │
│  跨平台控制与管理                        │
├─────────────────────────────────────────┤
│  传输层：AP2                            │
│  高效数据传输                           │
└─────────────────────────────────────────┘

协议详解：MCP

Model Context Protocol

定位：Agent 与外部世界（工具、数据、服务）的通信协议。

核心概念：

# MCP 客户端示例
from mcp import Client

client = Client()

# 发现可用工具
tools = await client.discover_tools()
# [
#   {"name": "calculator", "description": "计算数学表达式"},
#   {"name": "weather_api", "description": "获取天气数据"}
# ]

# 调用工具
result = await client.call_tool(
    "calculator",
    {"expression": "2 + 2"}
)
# {"result": 4}

关键特性：

与 Function Calling 的区别：

协议详解：A2A

Agent-to-Agent Protocol

定位：Agent 之间的协作通信协议。

核心场景：

用户："计划一次商务旅行"
    ↓
主 Agent（协调者）
    ├── A2A → 航班 Agent（查询航班）
    ├── A2A → 酒店 Agent（预订酒店）
    ├── A2A → 日历 Agent（检查日程）
    └── A2A → 报销 Agent（生成报告）
    ↓
整合结果返回用户

协议要素：

# A2A 消息格式
{
    "message_id": "uuid",
    "sender": "agent://flight-booker",
    "receiver": "agent://travel-coordinator",
    "intent": "query_flight",
    "payload": {
        "origin": "NYC",
        "destination": "SFO",
        "date": "2026-04-01"
    },
    "callback": "agent://flight-booker/callback"
}

关键特性：

协议详解：UCP、AP2、A2UI、AG-UI

UCP：Universal Control Protocol

定位：跨平台 Agent 控制协议。

解决的问题：

场景：在手机上启动 Agent 任务
       在电脑上继续和监控
       在智能音箱上获取更新

问题：不同平台如何协调同一个 Agent？

UCP 解决方案：统一的控制接口

核心功能：

• 任务状态同步
• 跨设备切换
• 统一的权限管理

AP2：Agent Protocol 2.0

定位：高效数据传输协议。

特性：

• 二进制传输（vs JSON 文本）
• 压缩支持
• 流式传输
• 低延迟

适用场景：

• 大量数据传输
• 实时 Agent 通信
• 移动网络环境

A2UI：Agent-to-User Interface

定位：Agent 与用户界面的交互协议。

解决的问题：

Agent 如何：
- 在网页上填充表单？
- 在 App 中点击按钮？
- 在 CLI 中执行命令？

A2UI：统一的操作抽象

核心概念：

# A2UI 操作示例
{
    "action": "fill_form",
    "target": "#booking-form",
    "data": {
        "name": "John Doe",
        "date": "2026-04-01"
    }
}

AG-UI：Agent Graphical User Interface

定位：Agent 图形化呈现协议。

解决的问题：Agent 如何向用户展示复杂信息。

支持的 UI 元素：

• 卡片（Cards）
• 图表（Charts）
• 表格（Tables）
• 交互式表单（Forms）

示例：

{
    "type": "card",
    "title": "航班查询结果",
    "content": [
        {"label": "航班号", "value": "UA1234"},
        {"label": "时间", "value": "10:00 AM"},
        {"label": "价格", "value": "$299"}
    ],
    "actions": [
        {"label": "预订", "action": "book"},
        {"label": "查看详情", "action": "details"}
    ]
}

协议之间的关系

完整的数据流

用户通过 AG-UI 看到界面
    ↓
用户操作通过 A2UI 传递给 Agent
    ↓
Agent 决定需要什么工具
    ↓
通过 MCP 调用外部工具
    ↓
如果需要其他 Agent 协作
    ↓
通过 A2A 通信
    ↓
结果通过 AG-UI 展示给用户

全程：UCP 保证跨设备同步
      AP2 保证高效传输

协议栈类比

Google ADK 的实践

Agent Development Kit

Google 使用 ADK 构建了一个 B2B Agent，演示了这 6 大协议的实际应用。

架构示例：

# Google ADK 示例
from google.adk import Agent
from google.adk.protocols import MCP, A2A

# 创建主 Agent
agent = Agent(
    name="business_travel_agent",
    protocols=[MCP, A2A, A2UI]
)

# 注册工具（通过 MCP）
@agent.tool
async def search_flights(origin, destination, date):
    """搜索航班"""
    pass

# 注册子 Agent（通过 A2A）
@agent.sub_agent
async def hotel_booking_agent(requirements):
    """酒店预订 Agent"""
    pass

# 定义 UI（通过 A2UI/AG-UI）
@agent.ui
def render_results(results):
    """渲染结果界面"""
    return {
        "type": "card_list",
        "items": results
    }

协议实现状态

对比：OpenAI vs Google 生态

战略差异

技术对比

竞争还是合作？

可能的走向：

1. 协议战争：各自推自己的标准
2. 协议融合：形成统一标准
3. 协议分层：不同层级不同赢家

当前趋势：

• MCP 获得广泛支持（包括 Anthropic）
• Google 推动更多开放标准
• OpenAI 相对谨慎

结论：协议战争还是协议和平

历史教训

VHS vs Betamax：技术标准不总是最好的赢，但通常是最开放的赢。

HTTP/REST：开放标准造就了互联网。

关键因素

协议成功的要素：

1. 采用率：有多少开发者使用
2. 生态支持：工具、库、文档
3. 企业背书：大厂支持
4. 技术优劣：是否解决真问题

给开发者的建议

现在应该做什么：

1. 关注 MCP：已成为事实标准
2. 尝试 A2A：多 Agent 是未来
3. 保持开放：不要锁定到单一生态
4. 参与社区：贡献反馈，影响标准

未来展望

短期（1-2 年）：

• MCP 进一步普及
• A2A 开始落地
• 其他协议陆续发布

中期（3-5 年）：

• 协议栈成熟
• 跨平台 Agent 成为可能
• 生态繁荣

长期（5+ 年）：

• Agent 协议成为基础设施
• 类似 HTTP 的地位
• 开发者无需关心底层集成

参考与延伸阅读

• Developer’s Guide to AI Agent Protocols - Google 官方指南
• Model Context Protocol - MCP 官网
• A2A Protocol - A2A 官网
• Google ADK - Agent Development Kit

本文基于 Google 发布的《Developer’s Guide to AI Agent Protocols》深度解读。

发布于 postcodeengineering.com