MCP 负责把 Agent 接到工具和数据上，A2A 负责让一个 Agent 把任务交给另一个 Agent。 两者面向不同连接对象，可以同时出现在一套企业 Agent 架构里。
MCP 是 Model Context Protocol 的缩写，中文常译为模型上下文协议。Anthropic 在 2024 年 11 月把它开源，2025 年 12 月捐赠给 Linux 基金会旗下的 Agentic AI Foundation。它用一套标准接口，让 AI 应用读取外部数据、调用工具，减少为每个系统单独写连接器的重复工作。企业可以把数据库、文件系统、工单系统封装成 MCP 服务，让不同 AI 应用复用。
A2A 是 Agent2Agent 的缩写。Google 在 2025 年 4 月发起这套协议，同年 6 月捐赠给 Linux 基金会。它让不同厂商、不同框架构建的 Agent 相互发现、委派任务并交换结果。A2A 1.0 在 2026 年 3 月发布，开始进入生产可用阶段。
MCP 是什么
从结构上看，MCP 有三个角色。Host 是发起连接的 AI 应用，Client 是 Host 内部为每个 Server 维护的连接器，Server 是对外提供上下文和能力的服务。三者通过 JSON-RPC 2.0 消息通信。Visual Studio Code 连接一个数据库 Server 时，Host 会创建对应的 Client，再通过 Client 读取数据库结构或执行查询。
主机、客户端、服务器
一个 Host 可以同时连接多个 Server，每个 Server 对应一个独立的 Client。本地 Server 通过 stdio 与 Client 通信，适合文件系统、本地开发工具这类同机进程。远程 Server 通过 Streamable HTTP 通信，适合数据库、SaaS 应用和企业内部系统。这个结构让 Host 不必为每个数据源写一套私有插件，只要按 MCP 约定接入即可。
工具、资源、提示词
Server 通常暴露三类能力。Tools 是可以执行的函数，例如查询数据库、创建工单、发送消息；Resources 是供模型读取的上下文，例如文件内容、数据库记录、接口返回；Prompts 是预设的提示模板，帮助用户把常见任务组织成固定流程。
Client 也可以向 Server 提供用户补充信息的能力。当前规范以 Elicitation 为主，当 Server 需要用户确认或补充参数时，可以发起请求，由 Host 呈现给用户。
传输与版本
2026 年 7 月的规范把核心改为无状态请求模型，每个请求自带版本与能力信息，更适合 Serverless 和边缘部署。协议本身也在扩展，Tasks 处理长任务，MCP Apps 提供对话内嵌界面，Skills over MCP 用结构化指令描述 Agent 工作流。这些扩展需要客户端和服务器显式协商，未支持的实现可以忽略。
MCP 的核心价值是把工具和数据接入标准化，让多个 AI 应用复用同一套连接。 它规范的是访问方式，不负责 Agent 如何规划任务，也不负责 Agent 之间如何协作。
A2A 是什么
A2A 处理的是 Agent 与 Agent 之间的通信。它不要求双方使用同一个框架、同一个云厂商，甚至不要求双方属于同一家公司。只要双方都实现 A2A，调用方就可以发现对方的能力、发起任务并接收结果。
Agent Card 解决发现问题
每个 A2A Server 会在 /.well-known/agent-card.json 发布 Agent Card，说明自己是谁、能做什么、服务端点在哪里、需要什么认证。调用方读取 Agent Card，选择合适的 Agent，再按声明的认证方式获取访问凭据。
Agent Card 是能力声明，不是运行时日志。它让调用方在发起任务前就知道对方能接什么、怎么接。跨组织协作时，Agent Card 还可以附带签名，用来验证发布方身份和元数据完整性。
任务、消息、产物如何流转
客户端发送 Message，服务端可以创建一个 Task 来跟踪处理过程。任务有明确的生命周期，支持同步响应、流式更新和异步推送。任务完成后返回 Artifact，里面可以包含文本、文件或结构化数据。
执行方式强调不透明。调用方不需要读取对方的内部记忆、工具实现或推理过程，只根据对方声明的能力和返回结果协作。这一点对跨厂商场景很重要，双方可以在保护各自实现的前提下完成联合任务。
多协议绑定
规范同时定义 JSON-RPC、gRPC 和 HTTP+JSON 三种绑定，企业可以沿用现有网关、负载均衡、认证和可观测性设施。A2A 也原生支持长时间运行的任务，适合需要人工确认或多轮澄清的场景。
A2A 的核心是让独立 Agent 在不暴露内部实现的前提下完成任务协作。 A2A 只处理通信与任务协作，Agent 的构建仍由开发框架负责；工具调用仍由 MCP 或框架原生机制负责。
MCP 和 A2A 的区别在哪里
先看连接对象。MCP 连接 Agent 与工具、数据、业务系统；A2A 连接 Agent 与 Agent。A2A 官方文档用一句话概括，MCP 停留在单个 Agent 内部，负责接 API 和企业应用；A2A 跨越 Agent 边界。
第二个区别看交互形态。MCP 的典型动作是列出工具、读取资源、执行函数调用，输入输出相对确定。A2A 的典型动作是发现能力、发送消息、创建任务、等待或订阅结果，过程可能持续很久，也可能需要多轮澄清。
第三个区别看复用方式。MCP Server 做一次，可以被多个 AI 应用连接。A2A 把已有 Agent 直接暴露出来，不需要把它包装成工具函数。把 Agent 包装成工具函数也能调用，但多轮对话、长任务和流式反馈会被压缩掉。
| 维度 | MCP | A2A |
|---|---|---|
| 连接对象 | 工具、数据源、业务系统 | 其他 Agent |
| 解决的问题 | 让 Agent 获取上下文并执行工具调用 | 让 Agent 发现彼此、委派任务、同步结果 |
| 交互方式 | JSON-RPC 请求与响应，工具调用 | 消息、任务、产物，支持流式与异步 |
| 发现机制 | 客户端连接服务器并查询能力 | Agent Card 描述能力与端点 |
| 典型例子 | 查询数据库、读取文档、调用工单系统 | 主 Agent 把财务核算交给财务 Agent |
| 边界 | 停留在单个 Agent 的工具层 | 跨越 Agent 边界，不暴露内部状态 |
判断用哪个协议，先看连接对象是工具还是 Agent。 一个 Agent 可以一边通过 MCP 连接数据库和工单系统，一边通过 A2A 把财务核算交给另一个 Agent。两套连接可以同时存在，各自解决不同问题。
一个企业场景看懂两者如何配合
假设一家游戏公司要做运营分析。主 Agent 收到问题，某款游戏新版本上线后付费转化下降，需要判断原因并给出动作建议。
第一步，主 Agent 通过 MCP 连接数据仓库、埋点平台和活动配置系统，读取新增用户、付费漏斗、版本更新记录和活动排期。它还可以通过 MCP 调用分析工具，按渠道、国家、用户分层拆解数据。
第二步，问题涉及财务结算和预算调整，主 Agent 通过 A2A 把子任务交给财务 Agent。财务 Agent 自己决定怎么核算、需要哪些数据，完成后把结果和凭证返回。主 Agent 不需要知道财务 Agent 的内部逻辑。
第三步，主 Agent 汇总分析结论，生成运营建议，再通过 MCP 调用触达系统执行小范围实验。实验结果回到同一个任务上下文，进入下一轮验证。
MCP 解决接得上的问题，A2A 解决交给谁的问题。 在这个链路里，两者都不可少，职责不重叠。
以 ThinkingAI 的 Agentic Engine 为例，平台提供 Agent 创建、管理和多 Agent 协作能力，支持私有化部署。企业可以把数据、工具和业务系统通过 MCP 服务接进来，在平台内编排多个 Agent 的工作；当协作对象超出平台边界，再考虑 A2A。ThinkingAI 已服务全球超 1500 家企业、接入产品超 8000 款，这类多系统、多角色的协作场景正是企业 Agent 落地时要处理的问题。
什么时候用 MCP，什么时候用 A2A
选择协议时，先画清楚连接图。谁发起任务，谁接收任务，对方提供的是函数、数据，还是一个能自主决策的 Agent。
- 对方是数据库、API、文件、SaaS 系统，动作明确，选 MCP。重点是让 Agent 拿到上下文并执行动作。
- 对方是能自主规划、需要多轮沟通、任务可能运行数小时的 Agent，选 A2A。重点是把任务交出去并拿到结果。
- 只在同一个 Agent 框架内部调用子 Agent，先用框架自带机制。A2A 的价值在跨框架、跨厂商、跨组织的 多 Agent 协作。
- 只有一个调用方、一个固定接口，直接调用 API 更简单。MCP 的收益来自多应用复用和统一治理。
- 既要接企业系统，又要联合外部 Agent，两者一起用。
先画连接对象，再选协议。 为了用协议而用协议，会增加一层不必要的维护成本。
企业落地要避开哪些边界问题
协议负责互操作，Agent 治理 仍由企业自己完成。
身份与权限方面，MCP 规范要求用户对数据访问和工具调用明确同意；A2A 把认证授权交给企业既有实践。跨 Agent 调用要把调用方身份、可访问数据范围、可执行动作写清楚。
审计与可观测方面，长任务、流式响应、异步推送会拉长链路。需要记录任务 ID、调用方、工具调用、结果和失败原因，不能只看最终回答。
数据边界方面，Agent Card 是能力声明，不应包含敏感信息。跨组织协作时，优先使用签名 Agent Card，并在网关层做白名单和限流。
部署边界方面，涉及企业数据与业务系统时，私有化部署 和数据主权仍然是前提。协议开放不等于数据可以无条件流动。
协议统一接口，治理仍要企业自己补齐。 谁能调用什么、在什么条件下调用、出了问题怎么追溯，这些都需要在平台和流程里定义清楚。
常见问题
MCP 和 A2A 是竞争关系吗
两者面向不同连接对象，属于互补关系。MCP 让 Agent 接入工具和数据，A2A 让 Agent 之间协作。一个系统可以同时使用两者。
MCP 能替代企业现有 API 吗
不能。MCP 位于现有 API 之上，提供统一的 AI 访问约定；底层 API、权限体系和数据服务仍然保留。只有一个调用方、一个固定接口时，直接调用 API 往往更简单。
A2A 只能用于跨公司协作吗
不只用于跨公司。A2A 可以连接不同团队、不同框架、不同云环境中的 Agent。跨组织协作时，它的价值更明显，因为双方不需要共享内部实现。
多 Agent 协作一定要用 A2A 吗
不一定。同一个 Agent 框架内部的子 Agent 调度，用框架自带机制通常更直接。A2A 适合独立 Agent 之间的任务委派，尤其是双方来自不同厂商或框架时。
Agent Card 里通常有哪些信息
通常包括 Agent 的身份、能力、技能、服务端点、支持的协议绑定和认证方式。Agent Card 发布在标准路径下，调用方读取后决定是否发起任务。
企业应该先上 MCP 还是 A2A
先看当前主要的连接缺口。数据与工具接不进来，先做 MCP；已有多个独立 Agent，任务需要在它们之间流转，再做 A2A。多数企业会先补工具与数据接入，再随着 Agent 数量增加引入跨 Agent 协作。
参考资料
- Anthropic，Introducing the Model Context Protocol，2024 年 11 月，https://www.anthropic.com/news/model-context-protocol
- Model Context Protocol，Specification 2026-07-28，https://modelcontextprotocol.io/specification/2026-07-28
- Anthropic，Donating MCP to the Agentic AI Foundation，2025 年 12 月，https://www.anthropic.com/news/donating-the-model-context-protocol-and-establishing-of-the-agentic-ai-foundation
- Linux Foundation，Linux Foundation Launches the Agent2Agent Protocol Project，2025 年 6 月 23 日，https://www.linuxfoundation.org/press/linux-foundation-launches-the-agent2agent-protocol-project-to-enable-secure-intelligent-communication-between-ai-agents
- A2A Protocol，Specification，https://a2a-protocol.org/latest/specification/
- A2A Protocol，What is A2A，https://a2a-protocol.org/latest/topics/what-is-a2a/
- GitHub，A2A v1.0.0 Release，2026 年 3 月 12 日，https://github.com/a2aproject/A2A/releases/tag/v1.0.0
