近期，关注AI行业动向的朋友们或许会注意到一个明显的趋势：基础模型训练领域正日益形成寡头垄断局面，而AI应用创新的前景依然广阔，令人兴奋的新型AI应用层出不穷。一个完整的AI应用系统通常包含三个主要角色：用户、AI Agent和外部工具，而AI交互系统的核心之一便是如何解决这三者之间的有效沟通问题。
本文将介绍Agent框架中的三个主流协议，包括MCP协议——用于解决AI Agent与外部工具之间的交互问题；A2A协议——专注于解决不同Agent之间的通信问题；AG-UI协议——旨在规范AI Agent与前端应用的交互。随着AI应用的飞速发展，AI相关的标准和协议逐渐进入公众视野，本文将重点探讨这些协议的背景、实现方式以及实际应用。
MCP，全称Model Context Protocol（模型上下文协议），是由Claude的母公司Anthropic在2024年11月开源发布的。MCP开源项目的Star数自今年3月以来急剧增长，显示了其快速发展的趋势。3月27日，OpenAI宣布在Agent SDK中支持MCP协议，4月4日，谷歌也在Gemini的官方API文档中加入了MCP使用示例，三大海外AI巨头纷纷拥抱这一协议。
MCP协议的出现与Function Calling的使用密切相关。2023年6月，OpenAI首次在GPT-4-0613和GPT-3.5-turbo-0613模型中引入了Function Calling功能，赋予AI Agent执行特定任务的能力。借助这一功能，模型能够根据上下文理解并执行一些特定的操作，如查询天气、检索知识库信息、执行数学计算等。随后，谷歌和Anthropic也陆续为自己的模型提供了Function Calling能力。然而，不同厂商在Function Calling的接口、格式和细节上存在一定差异，导致开发者在集成不同模型时面临巨大的适配工作量。因此，MCP协议作为一个通用标准应运而生，旨在为模型提供一种规范化的方式来管理和利用上下文，并为外部工具、服务和数据提供统一的交互协议。可以将MCP视作一个简化外部设备适配的“USB-C接口”，AI模型通过它能够轻松连接各种数据源和工具。
需要指出的是，虽然MCP协议支持的模型通常都需要具备Function Calling能力，但Function Calling并非实现MCP的唯一方式。只要模型能理解并生成结构化的调用协议（如JSON-RPC、gRPC或RESTful API等），也能够实现MCP的功能。Function Calling是当前最主流且推荐的实现MCP的方式。
开发者可以通过三个简单步骤快速体验MCP服务：
1. 配置好所需工具。
2. 在Cursor中选择Agent模式。
3. 通过自然语言进行本地文件操作。对于与文件系统相关的查询，Agent会自动调用MCP Server工具，如create_directory、write_file、search_files等。
目前，有大量的MCP Server服务可供使用，诸如Git、Playwright、Times等热门工具。此外，国内各大『互联网』公司也推出了自己的MCP Server，例如『支付宝』、高德地图、阿里云无影AgentBay、12306等。例如，在无影AgentBay中，用户只需申请API Key并按照官网指导配置MCP Server，即可通过自然语言操作云电脑，支持Linux、『Windows』、Android及浏览器等多种镜像环境。
随着MCP生态的快速扩展，多个MCP集散地，如mcp.so和smithery.ai，已经发布了数千个MCP Server。MCP协议使得外部工具的接入变得“即插即用”，大大减少了开发者的重复劳动，AI应用开发者可以选择使用开源的MCP Server，或根据需要自定义自己的MCP Server。
2025年3月，MCP的热潮尚未消退，谷歌紧随其后推出了MCP的补充协议——A2A（Agent2Agent协议）。尽管A2A与MCP都通过标准化和开放的方式解决了AI系统中不同模块之间的集成和互动问题，但二者的目标和作用有所不同。MCP侧重于解决AI Agent与外部工具或数据的集成问题，而A2A则旨在促进不同独立Agent之间的通信与协作，帮助不同生态系统中的Agent进行有效的沟通。
举个例子，在我的微信朋友圈中有一位“黄牛总代”，他们通过与各领域“黄牛”合作，利用专用手段满足用户需求。例如，抢演唱会门票、预约医院热门号、代排灵隐寺月饼等。各个领域的“黄牛”便是Agent，而MCP则是连接这些Agent与其工具（如抢票脚本）的协议；而A2A协议则是“黄牛总代Agent”与其他“黄牛Agent”之间的合作协议，例如“我要一张『周杰伦』演唱会的票”。基于A2A协议，Agent间可以进行双向通信，不断调整计划，最终实现用户的需求。
A2A协议是一个开放协议，主要解决Agent间在用户和企业交互中的通信难题。其核心包含三个要素：User（用户，负责认证与授权），Client Agent（任务发起者）和Server Agent（任务执行者）。Client和Server之间的通信是基于任务粒度进行的，每个Agent既可以是Client，也可以是Server。A2A的工作流程如下：
值得注意的是，多Agent系统（MAS，Multi-Agent System）是Agent系统未来发展的趋势，它能够更好地处理复杂问题、分布式任务和模拟社会系统。在MAS系统中，每个Agent专注于单一领域，工具数量较少，但团队协作需要推理支持，当前成功率约为50%。例如，在股票分析团队中，一个Agent专注于数据分析，另一个Agent提供股票操作建议。然而，2025年多Agent系统仍处于不成熟阶段，业内对于单Agent与多Agent的选择仍有较大争议，MAS系统设计复杂，行为难以预测与控制，因此，A2A协议的普及速度远不及MCP。
2025年5月，AG-UI（Agent-User Interaction Protocol，智能体用户交互协议）由CopilotKit团队发起并开源，旨在解决AI Agent与前端应用之间的交互标准化问题。它通过一个轻量级、事件驱动的协议，提供了AI Agent与用户界面的实时双向通信功能。AG-UI协议的出现，主要是为了规范智能体与前端应用之间的交互，确保流式处理、状态管理、工具集成、错误处理和可扩展性。
目前，AG-UI协议已推出Python和TypeScript SDK，并且我亲自测试过其在服务端和客户端交互中的应用。以Python为例，使用ag-ui-protocol包中的相关功能即可生成AG-UI协议事件，而无需手动编写JSON。通过AG-UI协议，开发者能够快速实现前后端应用的交互。
综上所述，这三个协议共同构成了Agent系统框架的基础设施：MCP协议让Agent拥有“手脚”，A2A协议赋予Agent“协作伙伴”，而AG-UI协议则提供了“入口”，帮助Agent实现实际应用。这些协议不仅促进了Agent系统从单Agent到多Agent的进化，也大大提升了底层能力和上层用户体验，为AI应用的创新和跨界合作提供了无限可能。
