一、MCP

MPC(Model Context Protocol):是由 Anthropic 公司于 2024 年 11 月推出的一种开放协议标准，目的在于标准化LLM 与外部数据源、工具及服务之间的交互方式。

MCP与Function的区别：function calling可以在本地模式使用，mcp需要联网。

支持MCP的客户端： 

• cursor的agent模式可以并行调用多个MCP
• cherry studio 也可以配置搜索MCP
• VS Code+Copilot可以配置MCP
• modelscope的mcp广场可以选择需要的MCP

Thinking:哪个模型写代码能力强？

    Claude写代码能力强，面向agent模式去完成复杂任务，而其他chat大模型的训练更追求大而长的回答。

设计一个Qwen-Agent助手，调用下面mcp来扩展Agent功能。

Demo地址：https://github.com/liuting001001/MCP_Demo.git

• 高德地图amap
• Fetch网页内容抓取转为markdown格式：1）适用于静态页面，2）robots.txt注明了不能抓取
• Bing:必应中文搜索 MCP 服务器
• 自建一个txt counter MCP,可以通过 FastMCP来创建MCP服务。用uv工具启动和管理MCP服务，采用mcp dev txt_counter.py启动MCP Inspector来调试服务。

二、Agent to Agent (A2A)

Agent to Agent (A2A) ：由谷歌提出的新型协议，旨在实现不同 AI Agent 之间的自主协作。

A2A 的典型工作流程如下：
1 发现：客户端从 /.well-known/agent.json 获取 Agent Card，了解智能体能力。
2 启动：客户端发送任务请求：
• 使用 tasks/send 处理即时任务，返回最终 Task 对象。
• 使用 tasks/sendSubscribe 处理长期任务，服务器通过 SSE 事件发送更新。
3 处理：服务器处理任务，可能涉及流式更新或直接返回结果。
4 交互（可选）：若任务状态为 input-required，客户端可发送更多消息，使
用相同 Task ID 提供输入。
5 完成：任务达到终端状态（如 completed、failed 或 canceled）。此流程支持简单任务和需要多次交互的复杂任务，特别适合多模态通信环境。

A2A vs MCP:
MCP（模型上下文协议）用于工具和资源:
• 通过结构化的输入/输出将代理连接到工具、API 和资源。
• Google ADK 支持 MCP 工具，允许与Agent一起使用广泛的 MCP 服务器。
A2A（Agent2Agent 协议）用于Agent之间的协作:
• 在不同Agent之间实现动态的、多模态的通信，而无需共享内存、资源和工具。
• 这是一个由社区驱动的开放标准。

• 在 Google ADK、LangGraph 和 Crew.AI 中有提供的参考示例

Thinking：为何这样设计？
• 解耦能力与通信：
MCP专注标准化能力调用（类似微服务），A2A专注动态协作（类似聊天）。
避免智能体既要处理功能逻辑，又要处理通信协议。
• 无缝扩展性：
新智能体只需注册AgentCard到MCP，即可被其他智能体发现和调用。
A2A协议允许智能体动态组队（例如临时组建一个“数据分析小组”）。
• 兼容现有架构：MCP可集成传统工具（如数据库、API），A2A可对接人类用户或其他异构智能体。