通俗易懂地了解 AI 工程师必备的三大协议：MCP、ACP 和 A2A

在构建智能 AI 系统时，我们常常需要让模型访问数据、调用工具，甚至跟其他 AI 协作完成复杂任务。为此，三种协议正在变得越来越重要：MCP（模型上下文协议）、ACP（代理通信协议）和 A2A（代理到代理协议）。

---

1. 什么是 MCP（Model Context Protocol）？

MCP 是由 Anthropic 提出的一种协议，主要解决一个问题：如何把实时数据或外部资源（比如文件、数据库、API 结果）安全、结构化地送进大模型的"脑子"里。

它能做什么：

• 上下文注入：把业务数据（比如客户资料、报告、API 响应）导入到模型提示中。

• 动态工具调用：模型可以按需调用你定义好的工具，比如 searchCustomerData 或 generateReport。

• 提示语编排：构建更简洁、高效的提示，不再需要手动拼接冗长文本。

技术特点：

• 使用 JSON 描述接口，通过 HTTP(S) 调用

• 不依赖具体模型，兼容任何支持 MCP 的运行时

• 支持 OAuth2、mTLS 等企业级安全机制

典型场景：

• 内部 API 接入 LLM，安全读取业务数据

• 企业 AI 助理接入 SAP、Salesforce 等工具

• 动态提示生成：根据用户行为自动组合提示

---

2. 什么是 ACP（Agent Communication Protocol）？

ACP 是 BeeAI 和 IBM 提出的协议，用于在本地或边缘环境中让多个 AI 代理相互通信和协作。它不依赖云，而是设计为本地优先、低延迟。

它能做什么：

• 本地广播代理的身份和能力

• 用事件驱动的消息系统在代理间沟通（比如用 ZeroMQ）

• 支持运行时协调，比如一个控制器协调所有代理的行为

技术特点：

• 针对机器人、物联网、无人机等本地/离线设备

• 可选 gRPC、ZeroMQ 作为通信方式

• 不依赖互联网或外部服务

典型场景：

• 多个机器人协作工作

• 离线环境中的 AI 模型调用和协调

• 本地设备间的安全、快速通信

---

3. 什么是 A2A（Agent-to-Agent Protocol）？

由 Google 提出，A2A 是一种 Web 原生的开放协议，用来让不同平台、不同厂商的 AI 代理跨系统协作。可以理解为“代理之间的通用语言”。

它能做什么：

• 代理通过公开的“代理卡”（一个 JSON 文件）展示自己的能力、接口、认证方式

• 自动发现彼此、交换信息、分工合作

• 进行多轮协作和任务流编排

技术特点：

• 基于 HTTP 和 JSON-RPC 构建

• 支持 OAuth2、API Key 等授权机制

• 兼容任何实现协议的系统

典型场景：

• 不同平台 AI 系统协作（比如 LangChain + Vertex AI）

• 企业跨部门 AI 代理自动协作（比如 HR + IT + CRM）

• 构建标准化、多代理协作框架

---

总结一下三者的关系：

• MCP：连接 AI 与外部工具和数据

• A2A：连接 AI 与其他 AI（跨平台、跨厂商）

• ACP：连接 AI 与本地 AI，尤其适合离线或隐私敏感环境

如何理解：

想象你有一个 AI 助理。MCP 让它读懂公司的数据库；A2A 让它找别的 AI 一起干活；ACP 则让它在没网的情况下和同办公室的机器人搭档。

未来这些协议可能会融合，构成统一的平台层，开发者只需专注于构建应用，而无需操心协议细节。

如果你还不知道该怎么上手，不妨从了解 MCP 开始，然后结合你的应用场景，看看是否需要 A2A 的协同能力，或 ACP 的本地编排能力。

更多资料可参考：Introduction - Model Context Protocol 以及 Redirecting to https://github.com/google