A2A 协议：让智能体找到智能体并派活

A2A 协议（Agent2Agent）是一套"智能体之间的外交规则"：它规定了不同的 AI 智能体（agent）怎么互相找到对方、把活儿交代出去、再把结果收回来。

先分清两件事。MCP（Model Context Protocol，模型上下文协议）解决的是"一个智能体怎么用工具"：它像给员工配了一套万能工具箱，让智能体能读数据库、查文档、调搜索。而 A2A 解决的是另一个问题——"一个智能体怎么找到另一个智能体，并让它干活"，像给公司装上电话和外包流程。

举个具体场景：你有一个做财务的智能体，需要一份税务分析。它自己不会，但它知道外面有一家专做税务的智能体。于是：

1. 能力发现（agent discovery）：对方公开一张"名片"——业界常叫 Agent Card——写明自己会什么、需要什么输入、返回什么格式。你的智能体读一眼就知道该不该找它，而不是把对方的接口硬编码进代码里。

2. 任务委派（task delegation）：你的智能体把任务发过去，对方接下，任务进入一个有明确状态的生命周期：已提交、进行中、需要补充信息、完成或失败。

3. 长时任务回传：这活儿可能要跑几小时甚至几天。A2A 支持流式更新和推送通知，对方可以边走边汇报进度，最后交付结构化产物——文本、文件、表单都行，你的智能体不用一直轮询傻等。

两者是搭配关系：你用 MCP 让自家智能体连上内部系统，再用 A2A 把它包装成一项服务，开放给别人调用。一个管"手"，一个管"嘴"。

对开发者，最大的价值是省掉"一对一硬编码对接"：不必每接一个合作方就写一套适配层，跨框架、跨厂商的智能体有机会说同一种话。对企业，内部系统可以被包装成智能体对外提供服务，慢慢形成"智能体市场"的雏形。

对普通职场人，变化体现在体感上：以前你面对的是一个模型，以后你可能面对一个"前台智能体"，它自己判断把活转给哪个专家智能体。这时候，能把任务边界、输入要求、交付标准说清楚的人，会比只会写 prompt 的人更占优势。

最后提醒一句：协议只规定"怎么沟通"，不解决"该不该信任对方"。跨组织委派涉及身份认证、授权和数据边界，这些要按各家安全方案来，具体细节以官方页面为准。