
AG-UI 协议入门:标准化 AI 智能体与用户应用的连接方式
来源标题:Getting started with AG-UI — the agent-user interaction protocol
AG-UI 是一套旨在标准化 AI 智能体与面向用户应用连接方式的协议,解决智能体如何向用户展示其工作过程并让用户介入的“最后一公里”问题。该协议源于 CopilotKit 与 LangChain、CrewAI 的早期合作,基于真实需求和实践经验开发,目前已完成对多数主流智能体框架的支持。
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。
AI agent 能够自主执行长时间运行的任务,在处理大型(和小型)语言模型的严肃工作时,它已经取代了简单的聊天模式,但 agent 存在一个“最后一公里”问题:如何向用户展示 agent 正在做什么,并让用户能够对其采取操作,而不必迫使每个团队都去搭建自己的基础设施?AG-UI 就是答案之一,它旨在标准化 AI agent 与面向用户的应用程序之间的连接方式。
AG-UI 是基于真实需求和实践经验开发出来的。它源于 CopilotKit 与 LangChain 和 CrewAI 的早期合作,但如今已发展到支持大多数主流 agent 框架。
AI agent 究竟是什么?
AI agent 就像计算机上的自动驾驶汽车——它是一个软件系统,利用人工智能来思考、制定计划,并连续执行多项操作以实现目标。与只回答单个问题的典型聊天机器人不同,AI agent 可以参与一个持续的循环:思考、使用工具、分析结果,并改进方法进入下一轮迭代。
AI agent 有一个大脑(通常是大语言模型 LLM);有手(可以访问网页浏览器、API 或执行代码的工具);有记忆(RAM 中的短期上下文,以及数据库中的长期上下文,通常是向量数据库);还有一个编排器(负责工作流、循环以及步骤之间通信的管理器)。
什么是 agent 框架?
Agent 框架是帮助你构建 agent 的软件工具包。下表列出了一些最重要的 agent 框架。
AI agent 框架是一组软件工具、库和架构构建块的集合,帮助开发者设计、编排和执行自主 AI 系统。Agent 框架为 LLM 提供了推理、规划、使用工具、保留过往交互以及执行多步骤工作流的基础设施,而不仅仅是提示它在单轮中生成文本。
LangChain 评选的最佳 agent 框架
LangChain
什么是 AG-UI,它如何与 MCP 和 A2A 配合?
Agent 框架使用的头两个被广泛支持的标准协议——一个让 agent 与工具对话(MCP),一个让 agent 与其他 agent 对话(A2A)——在推出时看起来是件大事,现在依然如此,但它们并不是故事的终点。还有支持商业的协议(UCP)、支付的协议(AP2)以及 UI 组合的协议(A2UI)。第六个支持流式 agent-用户交互的协议(AG-UI)正是本文的主题。
MCP(Model Context Protocol)是一个开源标准框架,用于将 AI 应用连接到外部系统。它最初由 Anthropic 开发,随后移交给 Linux 基金会旗下的 Agentic AI Foundation(AAIF)。MCP 在将 agent 与数据源、工具和应用集成时,减少了开发时间和复杂性。对于小型本地项目来说,它非常方便。但它并不是世界上最高效或最安全的协议,在大规模互联网场景下表现也并不理想。如果你想要高效的生产级集成,就必须硬着头皮使用数据源、工具和应用的企业级 API。
MCP 协议框图,由 AAIF 提供
AAIF
Agent2Agent(A2A)协议是 AI agent 之间通信与协作的开放标准。它由 Google 于 2025 年 4 月提出,并于 2026 年 8 月加入 Agentic AI Foundation(AAIF)。A2A 是对 MCP 的补充,而非替代。借助 A2A,agent 可以发现彼此的能力、协商交互方式(文本、表单、媒体)、在长时间运行的任务上安全协作,并在不暴露内部状态、记忆或工具的情况下运行。A2A 使用基于 HTTPS 的 JSON-RPC 2.0。
AG-UI 是一个简单的事件驱动协议,帮助 AI agent 连接到面向用户的应用程序。它的设计目标是直接且易于适配,因此能让 AI agent 轻松与用户界面协同工作。在 agent 执行期间,agent 后端会发出与 AG-UI 16 种标准事件类型之一兼容的事件。Agent 后端可以接受几种简单的 AG-UI 兼容输入作为参数。AG-UI 包含一个灵活的中间件层,确保在多种环境中的兼容性。它还附带了一个参考 HTTP 实现和默认连接器。
AG-UI 框图,重点展示了所支持的 agent 框架
AG-UI
Agent 协议栈,展示了 AG-UI、MCP 和 A2A 之间的关系。
AG-UI
AG-UI 架构图。注意单一事件流。
AG-UI
AG-UI 动手演示
我第一次查看 AG-UI Dojo 中的 AG-UI 工具和演示时,发现了其中四个(见下方截图)。大约一周后,就有了 30 多个——但我挑选的俳句生成器已经不在其中了。你应该亲自去看看 AG-UI Dojo。你可以在网上查看;在你想开始构建之前,无需安装任何东西。
尽管如此,我还是想向你展示(旧的)俳句生成器演示。与当前任何演示不同,它有一些(好吧,一点点)文档,使用了图片,还有一些 CSS 样式。
俳句生成器演示。提示词是“autumn haiku”。
Foundry
俳句生成器演示文档。
Foundry
俳句生成器 Python 代码。注意使用了 gpt-4o 或环境中指定的任何 OpenAI 模型,参见第 89-93 行的 OpenAiCompatibleConfig 调用。还要注意第 100-104 行定义的系统提示词。
Foundry
其他大多数演示要简单得多,也更容易理解,尽管不那么吸引人。
集成 agent
AI agent 正在超越简单的聊天机器人,成为越来越自主的系统,能够规划、使用工具并执行复杂的工作流。但仅有自主性还不够。Agent 还需要有效的方式来传达进度、呈现结果并与用户交互。这正是 AG-UI 旨在填补的空白。
(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。