智能体架构中的协议设计三部曲：MCP → A2A → AG-UI

推荐语

智能体技术在企业落地的关键：三大协议如何让智能体高效协作？

核心内容：
1. MCP协议：标准化智能体与外部工具的交互，提升操作安全性和开发效率
2. A2A协议：实现智能体之间的顺畅协作，解决跨系统沟通难题
3. AG-UI协议：优化前端应用与智能体的交互体验，让技术落地更直观高效

杨芳贤

53AI创始人/腾讯云(TVP)最具价值专家

随着智能体技术在企业落地越来越广泛，一个完整的智能体系统通常涉及三个关键角色：用户、智能体和外部工具。

一个核心问题是——这三者之间如何高效、安全地沟通？

答案就在三大协议中：MCP、A2A 和 AG-UI。MCP让智能体和外部工具对话标准化；A2A让智能体之间协作顺畅；AG-UI则保证前端应用和智能体的交互高效而直观。

今天，我们就来拆解这三大协议，看它们如何让智能体“长手长脚”，成为企业落地利器。

一、MCP 协议：让智能体“长手长脚”

MCP，全称 模型上下文协议，由 Anthropic 提出，是智能体与外部世界交互的标准接口。通俗来说，它告诉智能体：哪些数据可以访问、哪些工具可以调用、提示词如何注入。

在实际系统中，上下文信息主要来源于三类：

1. 外部数据：长期记忆，比如数据库、文档。

2. 工具：智能体执行操作的能力。

3. 动态提示词：随时更新的系统提示。

为什么要标准化？原因很现实：

• 现在智能体开发框架众多，差异细微但会影响开发效率；

• 不同数据源集成方式各异，即使在同一公司内部，也可能千差万别；

• 工具调用方式没有统一标准，代码维护成本高。

MCP 的设计让智能体操作更安全、上下文更易获取，同时提升创新速度。

MCP 架构

核心组成：

• MCP Host：以智能体为核心的应用程序，调用 MCP 提供的数据和工具。

• MCP Client：与 MCP Server 一对一连接的客户端。

• MCP Server：公开标准接口的轻量程序，提供工具、资源、提示词。

• Local/Remote Data Sources：本地文件、数据库或远程 API，MCP Server 可安全访问。

MCP Server 将控制权拆成三类：

• Prompts：用户可控的提示词；

• Resources：应用可控的数据资源；

• Tools：智能体可自主调用的操作工具。

示例代码（Python）：

# MCP Server 模拟工具调用class Tool:    def __init__(self, name):        self.name = name    def execute(self, params):        return f"{self.name} executed with {params}"tools = [Tool("Translate"), Tool("Search")]# MCP Client 调用工具for tool in tools:    result = tool.execute({"text": "Hello"})    print(result)

运行结果：

Translate executed with {'text': 'Hello'}Search executed with {'text': 'Hello'}

通过 MCP，智能体可以安全调用工具、访问数据、使用提示词，完成“长手长脚”的操作能力。

二、A2A 协议：智能体之间的“协作桥梁”

未来企业系统，不会只有单一智能体，而是多智能体协作网络。问题是：

• 不同框架的智能体无法共享状态；

• 远程智能体之间状态不同步；

• 离线智能体也无法共享工具和上下文。

A2A（Agent-to-Agent）协议应运而生，它提供统一标准，让智能体间协作无缝衔接。

A2A 核心设计

1. 能力发现：智能体通过 Agent Card 公开功能目录，方便其他智能体调用。

2. 任务管理：确保短期与长期任务同步完成。

3. 协作：传递上下文、工件、用户指令。

4. 用户体验协商：数据返回格式可定制，如图像、文本、视频等。

示例 JSON（Agent Card）：

{  "name": "DataFetcher",  "capabilities": ["fetch_user_data", "fetch_order_data"],  "endpoint": "https://example.com/agent.json"}

调用示例（Python）：

import requestsagent_card = requests.get("https://example.com/agent.json").json()capabilities = agent_card["capabilities"]print(f"Available capabilities: {capabilities}")

输出：

Available capabilities: ['fetch_user_data', 'fetch_order_data']

A2A 协议建立在现有标准之上（HTTP、SSE、JSON-RPC），安全性可媲美企业级 API 验证，方便与现有 IT 堆栈集成。

三、AG-UI 协议：前端交互的“神经网络”

每个智能体后端都有自己的状态、工具和输出机制。如果前端直接对接，会出现各种杂乱 JSON、WebSocket 逻辑。

AG-UI 协议就是为了解决这一痛点。

AG-UI 核心机制

• 事件驱动：通过 POST 请求启动会话，然后建立 HTTP 流（SSE/WebSocket）实时监听事件。

• 双向心跳：智能体不断推送事件，UI 可实时更新，同时前端也能回传上下文。

事件示例（Python）：

from ag_ui.core import TextMessageContentEvent, EventTypefrom ag_ui.encoder import EventEncoderevent = TextMessageContentEvent(    type=EventType.TEXT_MESSAGE_CONTENT,    message_id="msg_123",    delta="Hello, world!")encoder = EventEncoder()encoded_event = encoder.encode(event)print(encoded_event)

输出：

data: {"type":"TEXT_MESSAGE_CONTENT","messageId":"msg_123","delta":"Hello, world!"}

AG-UI 特性

• 🪶 轻量易懂，可扩展；

• 🔌 多传输协议支持（SSE、WebSocket、Webhook）；

• 🔄 真正双向同步；

• 🧩 框架无关（LangGraph、CrewAI、Mastra 等可对接）；

• ⚙️ 即插即用，前端快速集成无门槛。

四、三大协议的互补与落地价值

通过这三大协议，智能体系统实现了：

• 能力落地：MCP让智能体可以执行操作；

• 协作拓展：A2A让智能体之间互相支持；

• 用户交互：AG-UI让前端体验顺畅直观。

未来企业级智能体应用，将从单体向多智能体系统演进。三大协议为智能体赋能，让复杂业务流程落地变得轻而易举，也为跨系统、跨领域的创新应用铺平道路。