
研究指出仅靠MCP和A2A协议难以支撑AI智能体规模化
来源标题:MCP and A2A alone won’t scale AI agents
MCP和A2A两种协议分别负责AI智能体连接内部资源与协同其他智能体,但仅靠它们不足以支撑智能体规模化。文章指出A2A才是实现智能体编排的关键,而MCP被过度宣传为通用协议。Gartner预测未来两年全球财富500强企业平均将运行超15万个AI智能体。
以下正文由 AI 翻译自 InfoWorld(原文版权归原站所有),可能存在偏差,重要内容请以原文为准。
两个协议定义了AI agent如何连接内部资源以及如何与其他AI agent协作。Model Context Protocol(MCP)广为人知,因为它被宣传为连接AI agent与资源及其他AI agent的通用协议。但这种说法并不完全准确。真正实现AI agent编排的是Agent2Agent协议(A2A)。
这种混淆源于各平台采用这些协议的速度,以及将它们作为功能进行营销的方式。使用Claude、OpenAI、Microsoft Copilot及其他模型构建自有AI agent的用户,已经在接触使用MCP和A2A的自定义技能、连接器和其他插件。Bolt.new、Lovable、Pave、Replit和v0等vibe coding和AI应用构建工具可以连接MCP服务器,并内置了连接器。Claude Code、Cursor、Devin Desktop、Gemini CLI、GitHub Copilot和Kiro等AI编程编辑器则配备了MCP客户端。
这些协议将塑造企业扩展和管理AI agent的方式。Gartner预测,未来两年内,全球财富500强企业的平均AI agent部署量将超过150,000个。但根据Collibra的《2026年幻觉税报告》,过去12个月中,76%的企业在从试点转向全面生产的过程中遇到了关键障碍。
审视这两种协议,并明确哪些服务需要你在它们之上自行叠加,是扩展企业级AI agent的关键。
MCP与A2A的区别
StackHawk联合创始人兼首席安全官Scott Gerlach提供了一个类比,帮助技术人员更好地理解MCP和A2A的功能。“假设你要改造卫生间,叫了一个水管工来移动水槽,他会用MCP工具箱中的工具来完成工作。但当需要修补墙面、重新粉刷、组装洗手台时,水管工agent会通过A2A调用其他承包商agent来完成这些工作,”Gerlach说。
Promevo的CTO John Pettit提供了另一种解释MCP和A2A的方式。他表示,IT团队必须认识到MCP和A2A解决的是两个完全不同的集成挑战。“MCP是AI agent的安全USB端口,或者说是企业AI的通用电源适配器,它让AI模型能够安全地接入本地文件、企业数据库或SaaS工具,而工程团队无需为每个连接编写和维护自定义API中间件。A2A则是协商协议,就像总承包商管理一支专业分包商agent团队,”Pettit说。
IEEE高级会员Arpita Soni表示,MCP和A2A解决的是agentic技术栈中两个不同的层面。“MCP是垂直连接,标准化了单个agent如何访问外部工具、数据源和API,取代了过去为agent需要的每个工具编写自定义集成的模式。A2A是水平连接,标准化了独立构建的agent如何相互发现、协商能力并交接任务,无论它们是由哪个框架或供应商构建的。MCP赋予每个agent自己的手和眼(工具和上下文或能力),而A2A为不同的agent提供了一种共享语言,使它们能够相互交流和委派工作,”Soni说。
MCP和A2A是协议,但扩展AI agent需要在其之上构建多层能力。以下是排在首位的四项:身份与授权、将AI agent连接到业务上下文层、业务流程重构,以及发展agenticops能力。
管理身份与授权
MCP和A2A定义了agent如何出示凭证,但并不管理凭证。你需要负责定义agent的身份、它们可以访问哪些资源,以及它们可以与哪些agent对话。
“两个协议都归属于Linux基金会的Agentic AI Foundation,一个为agent提供连接工具的拨号音,另一个提供agent之间的拨号音,但两者都没有规定谁有权发起呼叫,”C1.ai的CISO Kevin Paige说。“MCP将每个token绑定到单一服务器受众,并禁止服务器转发到任何其他服务器。A2A将对等agent视为不透明的,在AUTH_REQUIRED处停止,由客户端在协议之外获取该凭证。”
组织需要解决非结构化数据治理策略问题,尤其是涉及机密数据的部分。策略和实施应确定哪些agent、在什么情况下、针对哪些操作被授予对资源的访问权限,以及访问的粒度。
“从企业安全的角度来看,两种协议都将自动化工作流转化为非人类身份(NHI),这些身份依赖程序化密钥管理来治理其API凭证、密钥和token,”Bitwarden的CTO Andrew Hartnett说。“无论采用哪种协议,任何被授权在敏感系统中执行操作的agent都必须作为特权身份进行管理,遵循严格的最小权限边界,并对高风险操作设置人工介入的护栏。”
将agent连接到上下文层
MCP的一个主要用例是将AI agent连接到组织的上下文层。该层通常包括知识库(定义业务术语的语义层)和表示业务实体及其关系的知识图谱。要扩展AI agent,组织需要构建在高质量数据源、不可妥协的数据治理要求以及围绕agent的运行时AI治理之上的上下文层。
在最近一期由我主持的LinkedIn Live活动“Coffee With Digital Trailblazers”中,我与Collibra的CEO兼创始人Felix Van de Maele讨论了自信AI的隐性成本。“AI治理有两个方面:围绕上下文和语义的输入治理,以及围绕agent实际做什么、被允许做什么的输出治理。如果我们对业务术语无法达成一致,就无法信任agent给出的答案,”Van de Maele说。
(原文较长,此处译出前 6000 字,完整内容请点「打开原文」。)
正文由 探How 从来源站点 RSS 同步,内容未经改写;遇到排版缺失或需要图片、视频时请以原文为准。