A2A协议是什么? 与 MCP 的区别是什么？主体参考视频一起学习：马克的技术工作坊-A2A协议深度解析（第 1 部分：双Agent同步调用场景）马克的技术工作坊-A2A协议深度解析（第 2 部分：流式返回 + 多 Agent 场景） - YouTube 视频指向的一些资源：

天气 Agent 所在仓库：GitHub - MarkTechStation/VideoCode
A2A 官方示例（即平台和调度 Agent 所在仓库）：GitHub - a2aproject/a2a-samples: Samples using the Agent2Agent (A2A) Protocol
A2A 规范（作者2个月前说的地址已失效，这是最新的规范地址）：Agent2Agent (A2A) Protocol
补充：a2aproject官方Github仓库：GitHub - a2aproject/A2A: An open protocol enabling communication and interoperability between opaque agentic applications.

完成本篇学习后，可以阅读另一篇Medium上的文章： 多智能体系统中的挑战 : Google A2A, Claude Code & 研究, Gödel Agent： Challenges in Multi-Agent Systems : Google A2A, Claude Code & Research, Gödel Agent | by Joyce Birkins | Medium 再看这一篇文章，就能非常快的理解到位，尤其是看图，一目了然。

A2A协议深度解析（第 1 部分：双Agent同步调用场景）

前言

什么是 Agent

一个场景： 比如我们问 Cursor「做一个介绍AI的网页」。 Cursor会先通过大语言模型思考解决方案的大致步骤，然后调用各种外部工具来完成任务。有的工具用来创建写入文件，有的工具用来执行终端命令。但是不论调用哪种工具，它都会不断地思考执行。直到帮你把任务完成。

虽然 Cursor 很能干，但是它最擅长的还是写代码，其他比如帮你订机票，它可能就没有那么靠谱。

疑问：不对啊，如果我安装了专门订机票的MCP，不就能解决问题吗？让 Cursor 订机票的问题：

效果无法保障（Cursor这类工具核心目的是写好代码，而不是当旅行助手，可能会犯一些不可原谅的错误）
花费逐步增加（所有可用工具的信息，都写在提示词里面）比如我们BTY小红书MCP的这一坨描述。今天装个工具订机票，明天装个工具订旅馆。工具越多，提示词越长。每次回答问题的花费也就越来越多了。

所以更好的方式，就是专门做一个订机票的 Agent。写代码的事情，就专门教给 Cursor 更好。

疑问：有的场景就是需要用到多个 Agent 的能力，这种时候应该怎么办呢？这就需要我们的A2A协议了

A2A协议使用场景

你住在西雅图，希望在25-27号这三天里能出发去纽约。并且你希望出发的那天西雅图阳光明媚。

如果你生活在没有大模型和 Agent 的时代，需要自己动手做下面这三件事：剩下的就是去网站订机票，并且乘机旅行。

但是现在我们生活在有大模型和 Agent 的时代，就会存在这样的一个助手（它包含三个 Agent）：用户只需要通过自然语言，一句话就能让调度Agent获取到符合需求的信息，整理好后直接告诉用户符合要求的机票。当然，也许调度Agent甚至能一步到位直接订好机票，为了简化链路，我们只聊Agent获取到机票信息这一步。

疑问：A2A协议作用在这个链路的哪一个部分呢？简单讲，当然是Agent和Agent互相箭头指来指去的部分了。疑问Plus：那MCP又作用在哪里呢？ MCP作用在Agent内部。我们拿天气查询Agent来举例，A2A主要作用在Agent外部，MCP协议主要作用在Agent内部。这是两个协议的最大区别。

进一步简化链路，我们先简单做成调度单个Agent的链路。吃透了单个的调度，明白了原理就一通百通。

启动 Agents

下载好马克的工作坊Github仓库的 VideoCode 仓库。下载好后，直接把weather文件夹拖拽到 Termina/Iterm2 这类命令行工具。执行指令：

uv run .

如果没有 uv（python的包管理器）指令，可以执行：

curl -LsSf https://astral.sh/uv/install.sh | sh

运气不好，1000 端口被占用，会展示如下：修改 main.py 文件中的端口即可：运行成功：每一个 Agent 本质上，都是一个 HTTP 服务器，只不过这个 HTTP 服务器的内容，是符合 A2A协议的。启动好 weather Agent 之后，下一步我们就要启动用于调度的Agent了。

Google 已经写好了一个，我们直接用它的就可以了。 GitHub - a2aproject/A2A: An open protocol enabling communication and interoperability between opaque agentic applications.

但是使用 Google 的 Agent之前，你可能会遇到第1个问题。还需要先获取到 AI-Studio 的 API 才可以玩起来。请点击Google AI Studio，获取API Key。

如果已经登录，应该直接会跳转到 https://aistudio.google.com/prompts/new_chat 这个路径。和视频中不同，获取按钮已经替换到了左下角（25年8月27日）：继续点击「创建 API 密钥」：如果你没有创建过任何API Key，则直接可以选择下图置灰的「在现有的项目中创建API密钥」，直接能到创建成功。反之，你可能会因为已有项目遇到第2个问题，需要新建一个 Google Cloud 项目：当然你可以直接选已有的项目，这里还是推荐访问 Google Cloud 控制台：Google云端平台新开一个项目，如下3图：

创建完成之后，可能需要等待15-30s。多刷新几次，看到刚创建的项目出来即可：创建成功，推荐存一下备忘录。

回到主线，让我去到 a2a-samples 的文件目录：（留神，和视频中不同，我们下载的文件路径会带个’-main’）然后去向 demo/ui, (视频是vim, nano基本自带，我们这里举例用nano)

cd demo/ui
echo "GOOGLE_API_KEY=your_api_key_here" >> .env

文件夹里会多一个 .env 隐藏文件。如果没有，则按快捷键「Shift + Cmd + .」来露出隐藏文件。再输入来执行a2a程序，并等待自动部署完成：

uv run main.py

完成后应该是这样：浏览器访问： http://localhost:12000/

为了能看到Aegnt创建关联的过程，我们需要先安装打开抓包工具。

抓包分析A2A协议

安装 Reqable · API抓包调试 + API测试一站式工具增加天气Agent Read 成功，通过A2A协议，已经创建成功了。

回到抓包工具：和视频里6月份的内容不同，现在的协议已经直接请求 agent-card 路径： path 已经变成了**/.well-known/agent-card.json** 。每关联一个Agent之后，调度Agent都会收到一张Agent Card，让调度Agent知道，这个Agent 能做什么，以便后续在合适的时候选择Agent来办事。