本文收录于专栏《AI Agent原理与实战》2026版—— 专栏系统覆盖 AI Agent 的记忆、工具、插件与实战，点击订阅可跟踪后续更新。

本课定位：MCP 连接"Agent 与工具"，那 Agent 与 Agent 之间呢？本课讲 A2A 协议、NLWeb，并把 MCP/A2A/NLWeb 三个协议的问题域彻底分清——这是面试与架构评审的高频考点。第 23 课多 Agent 框架的通信层多数已向 A2A 靠拢。

阶段 3｜框架与协议 ｜ 来源：【微软课程·11 下】

关键字：A2A协议、Agent互操作、NLWeb、智能体通信、跨框架协作、MCP对比、协议生态、互操作标准

本节目录

• 19.1 为什么有了 MCP 还要 A2A
• 19.2 A2A 核心概念
• 19.3 NLWeb：第三个协议
• 19.4 三协议问题域区分（本课核心）
• 19.5 案例：两个 Agent 通过 A2A 风格消息完成一次协作【已实测，2026-10-01】

概念讲解

19.1 为什么有了 MCP 还要 A2A

MCP 解决的是一个 Agent 怎么接工具；但当任务需要多个独立 Agent 协作——你的客服 Agent 要把退货工单交给供应商的售后 Agent 处理——两个问题 MCP 覆盖不了：

1. 发现：对方 Agent 是谁、能干什么、在哪（跨组织/跨框架）？
2. 对等协作：对方不是"工具"，是有自己模型、自己工具、自己会话状态的另一个 Agent。任务可能长耗时、需要多轮交换、异步通知。

A2A（Agent2Agent / Agent-to-Agent）协议由此而生：Google 2025-04 发起（Google Cloud Next 大会联合 50+ 合作伙伴推出，解决跨厂商 Agent 互操作），2025-06 捐给 Linux 基金会（供应商中立化），2026 年 4 月发布1.0 稳定规范（签名 Agent Card、多租户、现代安全流）。截至 2026-04，超过 150 家组织支持（AWS/Cisco/IBM/Microsoft/Salesforce/SAP/ServiceNow 等技术指导委员会成员），已进入 Google/Microsoft/AWS 主要云平台并有企业生产部署。

一句话分工（官方口径）：MCP 装备 Agent（agent-to-tool），A2A 连接 Agent（agent-to-agent），互补而非竞争。

19.2 A2A 核心概念

微软课程思想（源自微软原课第 11 课《Using Agentic Protocols》下半——A2A/NLWeb 部分）：微软讲 A2A 时强调它与 MCP 的互补而非竞争——“MCP 给 Agent 装工具，A2A 让 Agent 互相对话”；并点出 A2A 的三个独有价值：跨厂商/跨框架协作（不同技术栈的 Agent 也能组队）、模型选择自由（每个远端 Agent 自主选自己的 LLM）、内建鉴权（安全框架集成在协议层）。NLWeb 部分微软的愿景是"AI Web 的 HTML"——每个网站一个自然语言端点，且天生是 MCP server。本课 19.1/19.4 的"三协议问题域区分"正是把微软这个互补论展开成决策表。

传输层：HTTPS + JSON-RPC 2.0，鉴权直接复用 Web 成熟体系（OAuth 2.0 / API key）。A2A 明确不管的三件事：不管你怎么建 Agent（LangGraph/CrewAI/MAF 都行）、不管 Agent 内部子 Agent 怎么调度、不管 Agent 怎么接自己的工具（那是 MCP 的事）。

每个 A2A Agent自主选模型——远端 Agent 用什么 LLM 是它的内政，这正是与"把对方当工具调"的本质区别。

19.3 NLWeb：第三个协议

NLWeb（Natural Language Web，微软 2025-05 Build 大会发起的开源项目）解决第三个问题域：让网站可以被自然语言访问。每个 NLWeb 实例做两件事：

1. NLWeb 协议端点：网站暴露自然语言问答接口，返回 Schema.org 结构化 JSON——目标是做"AI Web 的 HTML"。
2. 同时是一个 MCP server：外部 Agent 可用 MCP 的ask方法直接查这个网站。

底层是向量检索（支持 Qdrant/Milvus/Snowflake/Azure AI Search 等后端）。典型场景：酒店的 NLWeb 实例让外部旅行 Agent 直接问"有没有素食友好餐厅"。

19.4 三协议问题域区分（本课核心）

三者组合的完整图景：一个用 LangGraph 构建的交易 Agent（框架），通过 MCP 连接行情数据库和下单系统（工具），通过 A2A 把合规审查委托给另一个团队的审查 Agent（协作），通过 NLWeb 查询供应商网站的商品页（信息获取）。

案例实战

19.5 案例：两个 Agent 通过 A2A 风格消息完成一次协作【已实测】

运行环境：实测于 Linux（Ubuntu 22.04 / Python 3.10.12纯标准库，零第三方依赖、无需 API key）。Windows 同构：http.server/urllib均为 Python 自带，PowerShell 下python a2a_mini_demo.py原样可跑（唯一平台差异：若 7831 端口被占用换一个端口号，代码三处同步改）。

目标：客户端 Agent 发现远端 ResearchAgent → 发送文献调研任务 → 拿回结构化结果。

# a2a_mini_demo.py ｜ 纯标准库 ｜ 2026-10-01 实测通过# 远端 Agent = HTTP server 暴露 Agent Card + message/send（演示骨架）importjson,threading,http.server,urllib.request,time RESPONSES={"调研":"已检索 3 篇文献：A(2025)、B(2026)、C(2026)，结论：方向可行。","default":"任务已受理。",}classRemoteAgentHandler(http.server.BaseHTTPRequestHandler):deflog_message(self,*a):passdef_send(self,obj):body=json.dumps(obj,ensure_ascii=False).encode()self.send_response(200)self.send_header("Content-Type","application/json")self.end_headers()self.wfile.write(body)defdo_GET(self):# ① Agent Card：A2A 的发现机制（约定路径）ifself.path=="/.well-known/agent-card.json":self._send({"name":"ResearchAgent","description":"文献检索与调研 Agent（演示）","url":"http://127.0.0.1:7831/","skills":[{"id":"literature_review","name":"文献调研"}]})defdo_POST(self):# ② JSON-RPC 2.0 message/send：A2A 的通信层req=json.loads(self.rfile.read(int(self.headers["Content-Length"])))text=req["params"]["message"]["content"]["parts"][0]["text"]key="调研"if"调研"intextelse"default"self._send({"jsonrpc":"2.0","id":req["id"],"result":{"taskId":"task-001","state":"completed","artifacts":[{"parts":[{"type":"text","text":RESPONSES[key]}]}]}})threading.Thread(target=lambda:http.server.HTTPServer(("127.0.0.1",7831),RemoteAgentHandler).serve_forever(),daemon=True).start()time.sleep(0.3)# ---- 客户端 Agent 侧 ----card=json.load(urllib.request.urlopen("http://127.0.0.1:7831/.well-known/agent-card.json"))# 发现print("[1] 发现远端 Agent:",card["name"],"-",card["description"])payload=json.dumps({# 委托"jsonrpc":"2.0","id":"req-1","method":"message/send","params":{"message":{"role":"user","content":{"parts":[{"type":"text","text":"帮我做文献调研"}]}}}}).encode()resp=json.load(urllib.request.urlopen(urllib.request.Request("http://127.0.0.1:7831/",data=payload,headers={"Content-Type":"application/json"})))print("[2] 任务状态:",resp["result"]["state"])print("[3] 远端返回:",resp["result"]["artifacts"][0]["parts"][0]["text"])

实测输出（2026-10）：

[1] 发现远端 Agent: ResearchAgent - 文献检索与调研 Agent（演示） skills: ['literature_review'] [2] 任务状态: completed [3] 远端返回: 已检索 3 篇文献：A(2025)、B(2026)、C(2026)，结论：方向可行。

读代码的三个要点：

1. 发现是 GET、协作是 POST——Agent Card 挂在约定路径/.well-known/（与 robots.txt 同思路），任务走 JSON-RPC。
2. Task 有状态机——state: completed对应 A2A 的任务生命周期；长任务可先回working，客户端轮询或收推送。
3. 返回的是 Artifacts 不是普通文本——结构化产出，为多轮/流式/文件交换预留。

这是教学骨架（示意）：真实 A2A 生产栈用官方a2a-sdk（Python/JS，含 Agent Card 校验、任务管理、流式），远端是另一个框架（LangGraph/MAF）实现的 Agent 套上 A2A server 壳。骨架的价值在于把协议两层（发现 + 通信）剥到最简——A2A 不神秘，就是"名片 + 工单"。

小结

• MCP 装手（agent-to-tool）、A2A 对话（agent-to-agent）、NLWeb 开门（agent-to-website）——三个问题域不重叠，组合使用。
• A2A 核心：Agent Card（发现）+ Task 生命周期（协作单元）+ HTTPS/JSON-RPC（传输），1.0 稳定规范 2026-04 发布，Linux 基金会托管、150+ 组织支持。
• A2A 的对等性：每个 Agent 自主选模型、保留内政（内部工具/子 Agent 不管）——这是"协作"与"当工具调"的分界线。
• NLWeb = 网站的自然语言端点 + 天生 MCP server，底层向量检索。
• 实测骨架 60 行跑通"发现 + 委托 + 结果回传"，生产用 a2a-sdk。

参见：第 18 课《MCP 协议深度实战》（互补协议的上半）、第 21-24 课（多 Agent 系统——A2A 的应用主场）、第 29 课《Agent 安全》（跨组织协作的鉴权与信任）。

扩展阅读

🌐 网络提示：github.com 需代理（clone 可走 ghproxy 加速、push 优先 SSH）；框架文档站（GitHub Pages/Cloudflare）可达性波动，打不开时稍后重试。详见总纲附录《国内网络访问与国产适配指南》。

• A2A 协议官网（1.0 规范）：https://a2a-protocol.org/latest/
• A2A GitHub（含 Python/JS SDK）：https://github.com/a2aproject/A2A
• Linux 基金会 A2A 一周年公告（150+ 组织）：https://www.linuxfoundation.org/press/a2a-protocol-surpasses-150-organizations-lands-in-major-cloud-platforms-and-sees-enterprise-production-use-in-first-year
• NLWeb 项目：https://github.com/microsoft/NLWeb
• 微软原课第 11 课：https://github.com/microsoft/ai-agents-for-beginners/tree/main/11-agentic-protocols

我的专栏