企业官网建设流程全解析

AI Agent 通信协议深度解析：从 MCP 工具互联到 A2A 多智能体协作（easy-vibe 实战视角）

【免费下载链接】easy-vibe从 0 到 1 学会 vibe coding，项目制学习项目地址: https://gitcode.com/datawhalechina/easy-vibe

::: tip 核心问题 AI Agent 如何与外部世界"对话"？正如互联网需要 HTTP 协议，AI Agent 同样需要标准化的通信协议。本文系统讲解当前最主流的两大 Agent 协议——MCP（Model Context Protocol）与 A2A（Agent-to-Agent Protocol），分别解决"AI 连接工具"与"Agent 间协作"两类问题，并结合 easy-vibe 仓库中的真实配置（如 config/mcporter.json）与配套实战课程（MCP 完整指南、Agent Teams 指南）给出可直接落地的方案。 :::

读完本文，你将掌握：协议的本质与价值、Agent 通信的三层结构、MCP 与 A2A 的完整原理与配置方法、两者的选型策略，以及它们在真实项目中的使用方式。

1. 协议（Protocol）是什么

在计算机领域，协议是一套标准化的规则与约定，让不同的系统与程序能够互相"理解"并"沟通"。

1.1 为什么需要协议

想象这样一个场景：你给朋友寄包裹需要写地址。如果每个人都用不同格式写地址，快递员将无法投递任何东西。协议就是定义"地址怎么写"的标准——省、市、区、街道、门牌号，按这个格式写，任何人都能看懂。

计算机同理。两个程序要通信，必须约定：

• 数据格式是什么？（JSON？还是二进制？）
• 如何建立连接？（握手流程）
• 出错时怎么办？（错误处理机制）

1.2 计算领域常见协议

这些协议构成了互联网的基石。没有它们，你无法浏览网页、发送邮件或观看视频。

1.3 协议的核心价值

协议的核心价值在于标准化与互操作性：

• 标准化：所有人都遵守同一套规则，降低沟通成本；
• 互操作性：不同厂商、不同技术栈的系统可以无缝集成。

例如 HTTP 协议让 Chrome 能访问 Nginx 服务器，也让 Python 爬虫能从 Java 网站抓取数据。Chrome 与 Nginx 不需要"认识"彼此——只要都遵循 HTTP 协议即可。

1.4 AI Agent 同样需要协议

要让 AI Agent 真正"干活"，它需要：

• 调用外部工具（查天气、发邮件、查数据库）；
• 与其他 Agent 协作（分工完成复杂任务）。

这便需要标准化协议来定义"AI 如何调用工具"与"Agent 之间如何通信"——这正是MCP和A2A诞生的背景。

2. Agent 协议的三个层次

在深入具体协议之前，先看 Agent 生态中的通信分层：

逐行解读这张表：

• 第 1 层（Function Call / 工具调用）：这是大模型最基础的能力——通过输出结构化数据（JSON）触发函数执行。它是一切"协议"的基础，但更偏向一种能力而非正式标准。其底层原理在配套文档 AI Agent 原理与工具调用 中有详细拆解：LLM 本身是纯文本处理器，它不直接执行操作，而是生成"调用指令"（如{"tool": "weather_api", "params": {"city": "Beijing"}}），由外部系统代为执行后再把结果返回给 LLM 生成最终答复。

• 第 2 层（MCP）：Model Context Protocol，由 Anthropic 于 2024 年 11 月发布，标准化 AI 连接外部工具与数据源的方式，正如 USB-C 统一了各种设备的充电接口。

• 第 3 层（A2A）：Agent-to-Agent Protocol，由 Google 于 2025 年 4 月发布，让不同的 Agent 能够互相发现、通信与协作，正如企业微信让同事之间可以派发任务、实时沟通。

本章重点讲解第 2、3 层的两个正式协议：MCP 与 A2A。

3. MCP（Model Context Protocol）详解

3.1 基本信息

3.2 为什么叫"上下文协议"

Context（上下文）是大模型理解任务的关键。MCP 的核心思想是：让 AI 动态获取它所需的上下文信息，而不是把一切塞进 Prompt。

例如，当 AI 需要读取文件时，你不必复制粘贴文件内容——它可以通过 MCP 直接访问文件系统。

3.3 发布背景

2024 年，随着 Claude 3.5 Sonnet 的发布，Anthropic 发现一个问题：每个工具都需要单独集成。

想象一下：

• 想让 AI 读 GitHub 仓库 → 写 GitHub 集成代码；
• 想让 AI 查询数据库 → 写数据库集成代码；
• 想让 AI 操作文件系统 → 写文件系统集成代码。

每次集成都要重复编写相似的代码：认证、错误处理、数据转换……

Anthropic 在官方博客中写道：

"我们推出 Model Context Protocol（MCP），一个开放协议，用于标准化应用如何向 LLM 提供上下文。"

核心目标：让工具开发者只写一次代码，就能被所有兼容 MCP 的 AI 应用使用。

3.4 MCP 的三大核心能力

3.5 内部实现要点

MCP 采用客户端-服务器（Client-Server）架构：

• MCP Host：AI 应用（如 Claude、Cursor、Windsurf）作为客户端发起请求；
• MCP Server：暴露工具、资源与提示模板的服务端进程；
• 二者通过协议定义的 JSON-RPC 消息交换请求与响应，传输层支持本地进程（STDIO）与远程服务（HTTP/SSE）。

这一"写一次、处处用"的架构正是其生态迅速扩张的根本原因。

3.6 类比：USB-C 接口

MCP 就像USB-C 接口：

• 之前：每台设备都有自己的充电口（圆形、扁形、磁吸……）；
• 现在：USB-C 统一了所有设备的充电与数据传输；
• MCP：统一了 AI 连接所有工具的方式。

工具开发者只需实现一次 MCP Server，所有兼容 MCP 的 AI 应用（Claude、Cursor、Windsurf 等）都能直接使用。

3.7 典型应用场景

真实案例：

• Cursor / Windsurf：通过 MCP 连接文件系统、Git 与终端；
• Claude Desktop：通过 MCP 连接笔记应用与邮件客户端；
• 自动化脚本：让 AI 执行备份、部署、数据同步等自动化任务。

4. MCP 实战：从配置文件到工具调用

原文档侧重于协议原理，而 easy-vibe 仓库则提供了完整的实战路径，可以直接在你的开发环境中复现。

4.1 一个真实的 MCP 配置文件

仓库根目录下的 config/mcporter.json 就是一个可直接运行的 MCP Server 配置实例（通过 mcporter 工具加载）：

{ "mcpServers": { "autoglm-browser-agent": { "command": "/Users/sanbu/.agents/skills/autoglm-browser-agent/dist/mcp_server --start_url https://www.bing.com --window_width 1456 --window_height 819 --resize_width 1456 --resize_height 819 --max_steps 100 --log_dir /Users/sanbu/.agents/skills/autoglm-browser-agent/mcp_output --if_subagent" } }, "imports": [] }

逐项拆解这段配置的实战含义：

• mcpServers：MCP 服务器注册表，键名为服务器标识（此处为autoglm-browser-agent）；
• command：本地服务器启动命令。这里启动的是一个浏览器智能体 MCP Server，通过命令行参数控制其行为：
  • --start_url https://www.bing.com：浏览器初始打开的目标页面；
  • --window_width 1456 --window_height 819：浏览器窗口初始尺寸（像素）；
  • --resize_width 1456 --resize_height 819：页面渲染目标尺寸，保证截图/操作坐标与实际视图一致；
  • --max_steps 100：单次任务允许的最大执行步数，防止智能体无限循环；
  • --log_dir ...：日志输出目录，便于排查运行过程；
  • --if_subagent：以子智能体模式运行，适配多 Agent 嵌套调用场景；
• imports：可导入的其他配置片段列表，此处为空。

这个示例直观展示了"AI 通过 MCP 操作浏览器"的落地形态：把浏览器封装成一个 MCP Server，AI 便能在对话中完成网页访问、操作与信息采集。

4.2 配置文件放在哪里

Claude Code 的 MCP 配置文件位于：

优先使用项目级配置，这样不同项目可以使用不同的 MCP 服务。

项目级配置示例（复用 MCP 完整指南 中的完整方案）：

{ "mcpServers": { "project-db": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-sqlite", "--db-path", "./data/app.db"] } } }

项目级配置的优势：

• 团队可将配置提交到 Git 共享，成员克隆后直接使用同一套 MCP 服务；
• 不同项目使用不同 MCP 服务，互不污染；
• 前端项目放浏览器测试工具、后端项目放数据库连接，各取所需。

4.3 三种传输模式

Claude Code 支持三种 MCP 传输模式：

① STDIO（本地进程）

{ "mcpServers": { "local-tool": { "command": "npx", "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path"] } } }

通过标准输入输出与本地子进程通信，适合文件系统、Git 等本地工具。

② HTTP（远程服务）

{ "mcpServers": { "remote-api": { "url": "https://api.example.com/mcp", "transport": "http", "headers": { "Authorization": "Bearer your-token" } } } }

直接以 URL 连接远程 MCP 服务，通过headers携带认证信息，适合云端托管的工具服务。

③ SSE（Server-Sent Events）

{ "mcpServers": { "streaming": { "url": "https://api.example.com/sse", "transport": "sse" } } }

基于服务端推送事件流的远程传输，适合需要实时流式返回结果的场景。

4.4 用自然语言管理 MCP

在 Claude Code 中，无需手工编辑配置文件，可以直接用自然语言描述需求：

You: Help me add a GitHub MCP server. My token is ghp_xxx You: Add a SQLite database server. The database file is at ./data/app.db You: Add an HTTP-type MCP server with the address https://api.example.com/mcp

配置完成后同样可以用自然语言管理与诊断：

You: List all configured MCP servers You: Check the connection status of the MCP servers You: Delete the MCP server named notion You: My MCP server cannot connect. Please check it for me

也可以使用诊断命令/doctor，输出类似：

System Diagnostic Report: =============== Claude Code: v2.5.0 ✓ Node.js: v20.0.0 ✓ MCP server status: • github: ✓ Connected (12 tools) • sqlite: ✗ Connection failed - Database file not found • puppeteer: ✓ Connected (8 tools) Suggestions: 1. Check whether the sqlite database path is correct 2. Make sure the .claude/mcp.json format is correct

4.5 常见 MCP 服务器速查

4.6 三条关键最佳实践

① 敏感信息放进环境变量，绝不硬编码

配置文件可能被误提交到 Git 导致密钥泄露：

{ "env": { "GITHUB_TOKEN": "$GITHUB_TOKEN" } }

从环境变量读取是正确做法；直接写死"ghp_abc123"是错误做法。

② 固定版本号

npx -y默认总是使用最新版 MCP Server，新版本可能引入破坏性变更。在包名后追加@版本号可以保证使用已验证的版本：

{ "command": "npx", "args": ["-y", "@modelcontextprotocol/server-github@1.2.3"] }

③ 为项目编写 MCP 配置文档

在.claude/README.md中说明每个服务器的用途、所需配置与凭据获取方式，可以显著降低团队沟通成本。

4.7 常见问题排查

5. A2A（Agent-to-Agent Protocol）详解

5.1 基本信息

5.2 为什么由 Google 提出

Google 在 Cloud Next 2025 大会上发布 A2A，与其企业级 AI 战略密切相关。

Google 认为，企业 AI 的未来不是单一的"超级 Agent"，而是多个专业化 Agent 协作——有的负责数据分析，有的负责代码生成，有的负责文档处理。这些 Agent 需要标准化的通信方式，A2A 应运而生。

5.3 发布背景

MCP 解决了"AI 如何连接工具"的问题，但另一个问题仍然存在：多个 Agent 如何协作？

想象这样的场景：

• Agent A 是"需求分析专家"；
• Agent B 是"代码生成专家"；
• Agent C 是"测试专家"。

用户说："帮我开发一个登录功能"。Agent A 分析需求后需要把任务委派给 Agent B；Agent B 写完代码需要 Agent C 测试。它们之间如何通信？

Google 在官方博客中写道：

"A2A 是一个开放协议，使 AI Agent 之间能够相互通信，促进跨框架、跨厂商的协作。"

核心目标：让不同厂商、不同框架构建的 Agent 无缝协作。

5.4 三大核心概念

5.5 类比：企业微信

A2A 就像企业微信：

• Agent Card：每个人的名片，显示姓名、部门与职责；
• 派发任务：@某人，委派一项任务；
• 聊天沟通：任务执行过程中随时沟通；
• 任务追踪：查看任务进度与状态。

不同的 Agent 就像不同的同事——A2A 让它们能够协作完成复杂项目。

5.6 典型应用场景

真实案例：

• Google Agent Space：企业内部多 Agent 协作处理文档、邮件与日程；
• 软件研发团队：需求 Agent → 代码 Agent → 测试 Agent → 部署 Agent；
• 智能客服：接待 Agent → 专家 Agent → 人工转接 Agent。

5.7 A2A 的落地形态：Agent Teams

A2A 协议解决"跨厂商 Agent 互通"，而在单一工具内，多 Agent 协作已有成熟实现。easy-vibe 仓库的 Agent Teams 完整指南 展示了 Claude Code 中的多 Agent 团队协作：

• Team Lead：负责需求分析与任务分解、团队创建、任务调度与结果整合；
• Teammates：每个成员是独立 AI 实例，拥有独立的上下文窗口与完整工具权限，可自主认领任务并直接相互通信；
• TaskList：任务看板，管理任务状态（pending/in_progress/completed）与依赖关系，通过文件锁机制防止多人同时编辑同一文件；
• Messaging System：基于本地文件系统的消息箱（~/.claude/teams/{team-name}/inboxes/），支持点对点通信与广播，无需网络。

典型协作流程：

用户提交复杂需求 ↓ Team Lead 分析需求并拆解为任务 ↓ 创建团队成员并初始化 TaskList ↓ ├─→ Teammate A 认领任务 1 ─┐ ├─→ Teammate B 认领任务 2 ─┼→ 并行执行 ├─→ Teammate C 认领任务 3 ─┤ │ ↓ └──────────────────── 成员通过消息系统协调 ↓ 全部任务完成后，Team Lead 整合结果 ↓ 最终产出交付给用户

Subagent 与 Agent Teams 的本质区别在于拓扑：Subagent 是星形拓扑（所有子任务向主 Agent 汇报）；Agent Teams 是网状拓扑（成员之间可以直接沟通、讨论、协调）。选择原则是：快速、独立、无持续讨论需求的单点任务用 Subagent；跨模块复杂重构、需要多角度讨论与真并行的任务用 Agent Teams。

6. MCP vs A2A：对比与关系

6.1 核心差异

6.2 两者关系：互补而非竞争

MCP 与 A2A不是竞争关系，而是互补关系：

• MCP 解决"AI 如何获取外部能力"（连接工具、数据源）；
• A2A 解决"多个 AI 如何协作"（任务委派、多智能体协同）；
• 一个 Agent 可以同时通过 MCP 使用工具、通过 A2A 与其他 Agent 协作——两者处于不同通信层，天然可叠加。

6.3 选型决策表

7. 协议的未来趋势

7.1 生态发展

MCP 生态：

• 官方提供的服务器：File System、SQLite、Git、PostgreSQL 等；
• 社区贡献的服务器：Slack、Notion、Figma、Stripe 等；
• 支持 MCP 的应用：Claude Desktop、Cursor、Windsurf、Zed 等。

A2A 生态：

• Google 自家 Agent 产品率先支持；
• 开源社区正在开发各语言 SDK；
• 企业级应用正在探索落地。

7.2 标准化进程

Agent 协议目前正处于"战国时代"：

• MCP 与 A2A 是最主流的两个；
• 还有 ANP、AGP 等其他新兴协议；
• 未来可能走向收敛或统一。

类比互联网的发展历程：早期各种局域网协议并存，后来 TCP/IP 成为标准。现在，Agent 协议也可能走向统一。

8. 总结

关键认知：

1. MCP 解决"AI 如何获取外部能力"的问题；
2. A2A 解决"多个 AI 如何协作"的问题；
3. 两者互补，未来可能组合使用；
4. 按具体场景选型——没有银弹。

延伸阅读（仓库内配套资料）

• MCP 完整指南（Claude Code 实战）：MCP 配置文件、三种传输模式、常见服务器与排障的最佳实践手册；
• Agent Teams 完整指南：多 Agent 团队协作的架构、文件系统布局与完整实战案例；
• AI Agent 原理与工具调用：从 Function Call 到规划与记忆的 Agent 底层原理；
• 配置示例 config/mcporter.json：仓库内真实可用的 MCP Server 配置实例；
• 附录总索引：easy-vibe 全部 AI 与全栈基础知识的导航页。

【免费下载链接】easy-vibe从 0 到 1 学会 vibe coding，项目制学习项目地址: https://gitcode.com/datawhalechina/easy-vibe