本文将进一步介绍让智能体之间进行协作的协议。

1. AI Agent 架构

AI智能体（AI Agent）有三个主要部分组成：

• 语言模型（Language Model）：提供推理和决策能力
• 工具（Tools）：与外部世界交互、收集信息等
• 编排层（Orchestration Layer ）：管理 Agent，让它们能处理信息、编排规划、执行任务，以达成最终目标

在Google发布的白皮书《Agents》中，对于AI Agent 的架构和组件是这么描述的：

2、基于LLM的智能体

随着大型语言模型技术的飞速发展，以LLM为核心的智能体已成为人工智能领域的新范式。它不仅能够理解和生成人类语言，更重要的是，它能够通过与环境的交互，自主地感知、规划、决策和执行任务。

图 LLM驱动的智能体核心组件架构

3、常用的代理协议（Agentic Protocols）

代理协议（Agentic Protocols）是一套标准化框架，让 AI Agent 内部和之间能相互通信和交互。

3.1 MCP

MCP，即 Model Context Protocol，模型上下文协议。

简单来说，MCP就是一个AI应用的接口。

它以一种标准化的方式，规范了你的AI应用要如何连接不同的数据源和工具。

Anthropic 提出的 MCP 是一种开放标准，实现了大语言模型与外部数据源和工具的集成。MCP的设计哲学是"上下文共享"。它不仅仅是一个RPC（远程过程调用）协议，更重要的是它允许智能体和工具之间共享丰富的上下文信息。

MCP 采用CS架构，一个主机应用程序可以连接多个服务器端。

MCP 包含三个关键组成部分：

• Host，主机
• Client，客户端
• Server，服务器

3.2 A2A（Agent-to-Agent）协议

Google 提出的 A2A 协议 支持 AI Agent 之间的点对点通信。

A2A关注的是智能体之间如何相互协作。A2A的设计哲学是"对等通信"。

3.3 MCP 和 A2A 的关系

MCP 和 A2A 是互补协议，它们之间的关系可以参考下图。

图：MCP 和 A2A 的关系

3.4 ANP 协议

ANP（Agent Network Protocol，智能体网络协议）是一个概念性的协议框架，目前由开源社区维护，还没有成熟的生态，其核心设计理念是构建大规模智能体网络的基础设施。

如果说MCP解决的是"如何访问工具"，A2A解决的是"如何与其他智能体对话"，那么ANP解决的是"如何在大规模网络中发现和连接智能体"。

ANP的设计哲学是"去中心化服务发现"。在一个包含成百上千个智能体的网络中，让智能体找到它需要的服务。ANP提供了服务注册、发现和路由机制，让智能体能够动态地发现网络中的其他服务，而不需要预先配置所有的连接关系。

图 ANP设计思想

5 小结

MCP、A2A、ANP都是和智能体有关的通信协议。

• MCP (Model Context Protocol): 作为智能体与工具之间的桥梁，提供统一的工具访问接口，适用于增强单个智能体的能力。
• A2A (Agent-to-Agent Protocol)： 作为智能体之间的对话系统，支持直接通信与任务协商，适用于小规模团队的紧密协作。
• ANP (Agent Network Protocol): 作为智能体的“互联网”，提供服务发现、路由与负载均衡机制，适用于构建大规模、开放的智能体网络。

最后

选择AI大模型就是选择未来！最近两年，大家都可以看到AI的发展有多快，时代在瞬息万变，我们又为何不给自己多一个选择，多一个出路，多一个可能呢？

与其在传统行业里停滞不前，不如尝试一下新兴行业，而AI大模型恰恰是这两年的大风口，人才需求急为紧迫！

由于文章篇幅有限，在这里我就不一一向大家展示了，学习AI大模型是一项系统工程，需要时间和持续的努力。但随着技术的发展和在线资源的丰富，零基础的小白也有很好的机会逐步学习和掌握。

【2025最新】AI大模型全套学习籽料（可无偿送）：LLM面试题+AI大模型学习路线+大模型PDF书籍+640套AI大模型报告等等，从入门到进阶再到精通，超全面存下吧！

获取方式：有需要的小伙伴，可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】
包括：AI大模型学习路线、LLM面试宝典、0基础教学视频、大模型PDF书籍/笔记、大模型实战案例合集、AI产品经理合集等等

AI大模型学习之路，道阻且长，但只要你坚持下去，就一定会有收获。