MCP 与 A2A 协议：智能体互联网的地基
Agent 要爆发，先得解决两个基础问题：怎么连工具、怎么互相协作。2025–2026 年，两个协议完成了标准化，圈内把它们比作 Agent 时代的「USB 接口」和「TCP/IP」。这篇笔记把我梳理的要点记录下来。
一个比喻看懂两大协议
| 协议 | 比喻 | 解决什么问题 |
|---|---|---|
| MCP | USB 接口 | Agent 与工具、数据的垂直连接 |
| A2A | TCP/IP | Agent 与 Agent 之间的横向协同 |
一句话版本：MCP 让 AI 能「插上」任何工具，A2A 让不同的 AI 能「互相说话」。两个协议都已捐赠给 Linux Foundation 旗下的智能体 AI 基金会（AAIF），从企业私有标准走向全球中立治理。
MCP：模型上下文协议
MCP 全称 Model Context Protocol，由 Anthropic 于 2024 年底提出，2025 年获得 OpenAI、谷歌、微软全面响应，2025 年 12 月正式捐赠给 Linux Foundation。它的作用，是以标准化方式解决 AI 系统如何安全、统一地访问外部工具和数据的问题。
MCP 支持 TypeScript、Python、Java 等主流语言 SDK，Agent 不需要定制开发就能连接内容仓库、业务系统和开发环境。2026 年初推出的「MCP 工具搜索」进一步解决了上下文窗口被冗余工具定义占满的问题。
| 关键特性 | 传统 API 集成 | MCP 协议 |
|---|---|---|
| 接入成本 | 为每个模型写定制「胶水代码」 | 一次开发，多模型通用接入 |
| 上下文占用 | 预加载全部工具定义，最高耗费 67k+ tokens | 延迟加载，按需获取工具文档 |
| 安全性 | API Key 散落各应用，权限管理困难 | 基于令牌的细粒度权限控制与审计 |
| 扩展性 | 线性增长，维护难度大 | 动态注册，支持 50+ 工具并发调用 |
A2A：智能体之间的横向协同
A2A 全称 Agent-to-Agent，由谷歌于 2025 年 4 月推出，随后同样捐赠给 Linux Foundation。它定义了一套标准的通信原语，让来自不同厂商、运行在不同框架下的 Agent 能够像人类团队一样分工协作。
A2A 有两个核心组件：
- 智能体卡片（Agent Card）：描述 Agent 的能力、认证要求、输入输出模态，让 Agent 之间能互相「发现」和评估。
- 任务对象（Task Object）：管理跨 Agent 协作的全生命周期状态，为长达数小时甚至数天的异步协作提供技术保障。
多智能体系统：为什么决定应用上限
有了通用「语言」，多智能体系统（MAS）才能真正运转起来。复杂问题的解决依赖多智能体协同：随着 MCP、A2A 等协议趋于标准化，智能体间拥有了通用「语言」，多智能体系统将突破单体智能天花板，在科研、工业等复杂工作流中成为关键基础设施——这就是为什么说它是「Agent 时代的 TCP/IP」。
一个容易理解的形象：单个 Agent 像一位专家，多智能体系统像一支由不同专家组成的团队，可以互相分工、接力、校验，把单体搞不定的长流程任务啃下来。
Agent 的记忆：三层结构
除了协议，Agent 区别于传统 AI 助手的另一大特征是记忆。2026 年的主流实现形成了三层结构：
| 层级 | 存什么 | 作用 |
|---|---|---|
| 任务状态 | 任务进行到哪一步、子步骤、中间产物 | 断点续跑，人类干预后恢复执行 |
| 长期语境 | 用户偏好、组织约束、历史项目、权限边界 | 减少重复解释，背景知识随身带 |
| 行为轨迹 | 过去类似场景的决策过程与成败经验 | 自我进化，不在同一个坑里摔两次 |
前沿研究（如 MemAct 框架、DCPO 算法）还在让 Agent 学会「上下文策展」——主动保留关键事实、修剪冗余信息，成功率提升的同时 Token 消耗更低。
我的总结：MCP 解决「Agent 能碰到什么」，A2A 解决「Agent 能跟谁配合」，记忆解决「Agent 记得住什么」。三者合起来，才撑起 2026 年 Agent 规模化落地的地基。