終究是 Google 和 Anthropic，扛下了連接一切 Agent 的所有

今天小編分享的互聯網經驗：終究是 Google 和 Anthropic，扛下了連接一切 Agent 的所有，歡迎閲讀。

Google Cloud Next '25 大會上，Google" 殺瘋了 "，而與其説今年的大會是一場按部就班的發布會，不如看作是 Google Cloud 在全球 AI 軍備競賽中的一次表态。面對亞馬遜 AWS 和微軟 Azure 這兩大巨頭的擠壓，盡管手握 DeepMind 等頂尖 AI 研究力量，Google Cloud 在市場份額上長期扮演着 " 第三名 " 的角色。這一次，Google 似乎決心不再僅僅追随，而是要先發制人。

Google Cloud CEOThomas Kurian 和 Alphabet CEO 桑達爾 · 皮查伊在台上反復強調的主題，是如何将 AI 從 " 可能性 " 轉變為企業的 " 生產力 "。

漂亮的增長數據—— Vertex AI 平台使用量激增二十倍、超過四百萬開發者使用 Gemini 模型，固然能提振士氣，但數字背後，Google 真正亮出的底牌是對 AI Agent 未來潛力的全面押注。

其中，最有野心的就是開放 Agent 互操作協定 Agent2Agent ( A2A ) 。

從 MCP 到 A2A：Agent 間的 " 通用語言 " 之争已經開始

在 Google 的 A2A 發布前，給 AI Agent 一個 " 通用語言 " 的趨勢正在形成，而主角是 Anthropic 的 MCP。

在去年 11 月，Anthropic 開源了 " 模型上下文協定 "（MCP），該協定将大模型直接連接至數據源，核心目标是解決 AI 模型與數據孤島的隔離問題，通過提供統一協定替代碎片化的自定義集成。MCP 使用客户端 - 伺服器架構，AI 應用（如 Claude Desktop 或 IDE）通過 MCP 客户端連接到 MCP 伺服器，前者提供數據源或工具的訪問。

簡單來説，現在企業和開發者要把不同的數據接入 AI 系統，都得單獨開發對接方案，而 MCP 要做的，就是提供一個 " 通用 " 協定來解決這個問題。

MCP 架構包含以下幾個部分：

MCP 主機：包括 Claude Desktop、IDE 等需要通過 MCP 訪問資源的 AI 工具

MCP 客户端：與伺服器保持一對一連接的協定客户端

MCP 伺服器：一個輕量級程式，通過标準化的 MCP 協定開放特定功能

本地資源：計算機上的數據庫、檔案和服務等資源，MCP 伺服器可以安全地訪問這些内容

遠程資源：通過互聯網訪問的 API 等資源，MCP 伺服器可以與之建立連接

"MCP 之所以強大，部分原因在于它通過同一協定處理本地資源（如數據庫、檔案、服務）和遠程資源（如 Slack 或 GitHub 的 API）" 當時 Anthropic 給出的 " 推薦語 " 如此。這個統一标準在推出之初并沒有立刻成為行業共識。但随着最近一個月 AI Agents 產品的井噴，它迅速變成了目前最受認可的 " 标準 "。

有模型從業者從接口标準化的角度看待 MCP，将其類比為 Mac 筆記本的接口：" 充電，外接顯示器以及插本地 U 盤什麼的都用一個接口統一起來了 "。人們認為該協定的核心價值在于為大模型數據集成提供了統一标準，不僅能提高開發和使用效率，還能增強大模型的實際應用能力。

而在技術上，在 MCP 出現之前，業界主要依賴 RAG 和微調等方案，以及各類 Agent 應用來實現數據集成，不夠統一。像 Dify、Coze 這些平台，都是借助 llamaindex 和 langchain 構建，雖然這些方案能夠滿足需求，但整體來説比較零散，缺乏統一标準。

本質上，Google 的 A2A 也是想解決這個孤島與統一的問題。

目前有大量工具在嘗試讓大家能方便地 " 造 " 出 Agent，但這還遠遠不夠。企業内部很快會面臨新的 " 筒倉效應 "：不同團隊、不同任務、使用不同框架（如 ADK、LangGraph、CrewAI 等）構建的 Agent 可能無法有效溝通，形成新的信息孤島。

這是 Agent2Agent ( A2A ) 協定試圖解決的核心問題。A2A 被定位為一個新型的、開放的互操作性協定，其野心在于讓任何來源、任何框架構建的 AI Agent，都能夠安全地進行通信、交換信息并協調行動。例如，一個銷售部門的 Agent 可以無縫地調用财務部門的 Agent 來核實信用額度，或者一個客服 Agent 能夠自動觸發供應鏈 Agent 來查詢訂單狀态—— A2A 旨在為這種跨系統、跨領網域的 Agent 協作提供一套标準化的 " 握手 " 和 " 對話 " 機制。

根據 Google 的介紹，A2A 協定基于能力發現（Agent 通過 JSON 格式的 "Agent Card" 發布自身能力）、任務管理（實現任務生命周期的同步）、協作和用户體驗協商等關鍵原則運作，并建立在成熟的 HTTP 和 JSON 标準之上，以确保兼容性和安全性。

Google 深知，标準的建立非一家之功。因此，他們将 A2A 作為開源項目發布，并已聯合了超過 50 家技術合作夥伴，包括 Salesforce、SAP、ServiceNow、MongoDB、德勤等行業巨頭，共同參與協定的開發和推廣。這個陣容顯示了 A2A 在企業軟體領網域的初步吸引力。正如 ServiceNow 執行副總裁喬 · 戴維斯所説：" 這關乎打破壁壘和孤島，讓 Agent 真正協作。"

不過 A2A 的野心，可能遠不止于讓 AI Agent 聊天那麼簡單。有評論一針見血地指出，Google 試圖通過 A2A 解決的是一些互聯網誕生以來就存在的根本性問題：服務發現、互操作性、身份認證。這些挑戰并非 AI 時代獨有，想想微軟曾憑借 OLE ( 對象連接與嵌入 ) 技術在桌面軟體時代構建的生态壁壘，再想想蒂姆 · 伯納斯 - 李爵士那個宏大卻未能完全實現的 " 語義網 " 夢想。

相比之下，目前業界熱議的 " 自動函數調用 " 只是解決了 "Agent 如何使用工具 " 的問題，Anthropic 的 MCP 是這方面的一個重要标準，A2A 在這個意義上對其進行了補充支持。但長期來看， A2A 則試圖解決 "Agent 如何與 Agent 協作 " 這個更宏大、更復雜的問題。這體現了 Google 在技術戰略上依然懷有的 " 大圖景 " 野心。

Google 還表示，A2A 的設計将支持文本、音頻、視頻等多種模态。此外，将 A2A 開源，邀請社區參與，既是加速标準成熟的策略，也是争取開發者和企業認同的高明之舉。

在當天的發布後，Google 并沒有 " 挑明 " 它與 Anthropic 的競争，而是形容兩者是 " 互補 " 的關系。不過，仔細對比會發現這場競争注定發生：

MCP 最初的出現，就是 Anthropic 為了解決 Agents 的互通問題，只不過在 Anthropic 的定義裏，模型能力它自己就能來解決，而 Agents 需要的調用工具的能力需要一個生态，這導致它其實更像傳統的API的思路，參與者只需要把自己的能力提供出來，至于你能不能有一個完整的自己的應用，不重要。

但 Google 這次的 A2A，則在探索新的AI時代是否可以從一開始改掉API的模式。A2A 的設想裏，加入的 AI Agent 是有 " 掌握 " 一個自己的應用產品的可能，不像 MCP 可能把數據的權利都要提供出來，而是以完整 Agent 的形式參與一個更大的市場。

這也讓 Google 這次發布裏的一些細節值得玩味，在 Google 當天宣布的合作夥伴名單中，缺少了微軟和 OpenAI 這樣的玩家。但 OpenAI 其實在前不久剛剛高調宣布接入了 Anthropic 的 MCP。很明顯的一個判斷是，對于 OpenAI 這樣的野心家，MCP 它可以不做，但 Google 這種更直接的可能統一應用生态的标準，它是想做的。

Google 發布 A2A 的時機抓的也很準，在模型水平不斷拉平，曾經落後的 Gemini 早已追上 OpenAI 後，在制定标準這事上，Google 絕對不想讓 Anthropic 吃掉一切。這場競争已經開始。

配套 A2A 的更大野心：要讓 AI Agent 無處不在

要繁榮生态，必先降低門檻。Google 為此還推出了 Agent Development Kit ( ADK ) 。

這是一個開源的、初期以 Python 實現的框架，旨在極大簡化單個 Agent 及復雜多 Agent 系統的創建過程。Google 宣稱，開發者僅用不到 100 行代碼就能構建一個功能性的 Agent。

ADK 的目标非常明确：鼓勵開發者和企業圍繞 Google Cloud 構建各式各樣的 Agent ——無論是用于響應客户、編寫代碼、生成營銷文案還是優化運營流程。通過提供易用的工具，Google 希望加速 Agent 應用的落地。當然，這也潛藏着商業目的：一個繁榮的 Agent 生态，自然會增加對其底層雲服務的依賴和消耗，從而提振 Google Cloud 的收入，或許還能部分緩解投資者對生成式 AI 高昂成本和資本支出（Alphabet 預計今年高達 750 億美元）的擔憂。