本文介绍了三大主流Agent框架协议MCP、A2A和AG-UI。MCP解决Agent与外部工具的交互如文件操作、API调用等A2A促进独立Agent间的通信与协作适用于多Agent系统AG-UI则标准化Agent与前端应用的交互实现实时双向通信。文章详细阐述了各协议的背景、功能及实践方法帮助开发者快速掌握大模型应用开发构建高效AI系统。MCP协议MCP全称是Model Context Protocol模型上下文协议由Claude母公司Anthropic于24年11月开源发布以下是MCP开源项目近期的Star数增长趋势可以看到自今年3月以来MCP迎来了井喷式的发展和关注量。今年3月27日OpenAI宣布在Agent SDK中支持MCP4月4日谷歌宣布在Gemini的官方API文档中添加MCP的使用范例海外三大AI巨头已经全部投入MCP怀抱。MCP Github Star History来源https://star-history.comMCP协议的出现离不开Function Calling的使用2023年6月OpenAI 在 GPT-4-0613 和 GPT-3.5-turbo-0613 模型中首次引入Function Calling功能赋予Agent执行具体任务的能力。通过Function Calling模型能够根据上下文理解并执行特性函数调用比如搜索知识库、搜索天气地理等实时信息、执行数学计算等。之后谷歌、Anthropic也陆续推出模型的Function Calling能力。但是不同的模型的厂商在Function Calling的能力上的接口、格式、细节上存在诸多不兼容举例如下这些细节差异导致开发者需要针对不同模型做适配函数声明、参数传递、响应解析等环节极大增加了AI开发者对于多模型集成的复杂度。因此MCP作为一个通用协议被提出旨为模型提供一个标准化的方式来管理和利用上下文并提供统一的协议与外部世界工具、服务、数据进行交互。以这张经典的示例图为比如使用MCP如同电脑插入USB-C接口后简化了各种外部设备的适配。AI模型通过MCP可以轻松调用各种数据源和工具。MCP 架构示例图来源Norah Sakalon X**https://x.com/norahsakal/status/1898183864570593663值得注意的是支持 MCP的模型通常需要支持 Function Calling但Function Calling不是唯一实现方式。理论上只要模型能理解和生成结构化的调用协议比如 JSON-RPC、gRPC、RESTful API等就可以实现 MCP能力。Function Calling是最主流、最推荐的实现 MCP 的方式。开发者想要快速体验一下MCP服务仅需三个步骤准备MCP Host目前市面上已有不少MCP的客户端用的比较多的工具包括Cursor、Windsurf、Cline等本文以Cursor为例介绍MCP的使用;环境配置MCP Server 本质上就是Node.js或者Python程序所以在配置 MCP 前用户需要安装 Node.js包含 npm 或 npx和 Python 环境;MCP配置可以在MCP官方选择一个热门的MCP Server比如本地系统文件操作filesystem在Cursor中的MCP配置中添加配置如下具体Server列表和配置可以从官方地址获取Model Context Protocol servershttps://github.com/modelcontextprotocol/servers;MCP Server 配置完成上述配置后在Cursor中选择Agent模式即可通过自然语言进行本地文件操作。对于和文件系统相关的queryAgent自动调用filesystem的MCP Server工具过程中会询问用户授权操作调用MCP Server Tool如 create_directory、write_file、search_files等MCP 操作效果除此之外还有大量可用的MCP Server服务热门的比如 Git、Playwright、Times国内各个互联网产品也推出了自己的MCP Server比如支付宝、高德地图、阿里云无影AgentBay、12306等。以无影AgentBay为例公测期间申请服务Apikey并按照官网指导进行MCP Server配置后即可通过自然语言操作云电脑其覆盖 Linux、Windows、Android、浏览器等镜像环境。AgentBay MCP Server使用示例随着MCP生态的快速发展也衍生出MCP的“集散地”如 mcp.so 和 smithery.ai目前已发布了数千个MCP Server。MCP 让Agent中对外部世界的工具“即插即用”大量减少重复造轮子的工作AI应用开发者可以使用开源的MCP Server或者定义自己的MCP Server提高接入工具的效率。A2A协议25年3月在MCP出圈的同时谷歌也推出了MCP的“补充”A2AAgent2Agent协议。虽然A2A和MCP都是通过开放和标准化的方式解决AI系统中不同单元的集成和交互问题但是A2A和MCP的目标和作用域有本质区别。MCP解决的是Agent和外部工具/数据的集成是Agent的“家务事”而A2A致力于促进独立Agent间的通信帮助不同生态系统的Agent沟通和协作。Agentic Application 示例*来源*https://a2aprotocol.ai/举个例子我的微信朋友圈中有个业务广泛的“黄牛总代”这个黄牛合作了各领域的“黄牛”比如演唱会和赛事抢票、医院热门号、灵隐寺月饼代排等他们使用专用手段例如内部渠道、脚本、人肉排队等方式解决用户需求。各领域黄牛就是AgentMCP是将这些Agent与它们的结构化工具例如抢票脚本连接起来的协议。而A2A是用户或者黄牛总代Agent与黄牛Agent合作的协议例如“我要一张周杰伦演唱会的门票”。基于A2A协议Agent间可以进行双向沟通不断优化计划例如“我要6月23日门票”、“江浙沪地域任何价位都可以接受”最终实现目标。A2A作为一个开放协议主要考虑Agent间通信在用户、企业交互上的主要问题挑战官方介绍其主要功能特性如下A2A 协议示例*来源*https://a2aprotocol.ai/标准化消息格式Standardized Message Format就像人们交流需要共同的语言A2A为AI Agent们创建了一种统一的语言让它们能够清晰地表达“我需要什么”、“这是我的回答”等信息发现机制Discovery Mechanism在社交网络中AI Agent可以“搜索”并了解其他AI Agent能做什么然后决定与谁“交朋友”。任务委派框架Task Delegation Framework类似于项目经理分配工作一个AI Agent面对复杂问题时可以把不同部分分给最擅长处理这些问题的其他AI Agent。能力广告Capability Advertisement就像在招聘网站上发布简历每个AI Agent可以“宣传”自己的特长形成一个服务市场。安全和访问控制Security and Access Control相当于门禁系统确保只有获得授权的AI助手才能互相交流防止信息泄露或未经授权的操作。A2A中包含三个核心者User存在于协议中主要的作用是用于认证授权Client Agent任务发起者Server Agent任务的执行者。Client和Server之间通信是以任务的粒度进行每个Agent既可以是Client也可以是Server。A2A的典型工作流程如下A2A 典型工作流值得关注的是多Agent系统Multi-Agent System, MAS是Agent系统的发展趋势因为它更适用于解决复杂问题求解、分布式任务、模拟社会系统等问题在多Agent系统中每个Agent 专注单一领域工具少于10个团队协作需推理支持否则成功率低目前成功率50%。以股票分析团队为例需要一个Agent专注分析股票数据另一个Agent提供股票操作建议。但是2025年MAS系统仍不成熟业内对于单Agent还是多Agent仍存在大量争论MAS系统的设计和协调机制复杂度高行为难以预测和控制目前更适合研究而非生产所以A2A协议没有像MCP协议快速发展和普及。AG-UI 协议AG-UIAgent-User Interaction Protocol智能体用户交互协议是2025年5月由 CopilotKit 团队发起并开源的协议旨在解决AI Agent与前端应用之间的交互标准化问题提供一个轻量级、事件驱动的开放协议实现AI Agent与用户界面的实时双向通信。AG-UI 协议的出现主要是为了解决智能体与前端应用之间的交互以下标准化问题其工作流如下客户端通过 POST 请求发起一次 AI Agent 会话建立 HTTP 流如 SSE 或 WebSocket 等协议实现事件的实时监听与传输每个事件都包含类型和元信息 Metadata用于标识和描述事件内容AI Agent 持续以流式方式将事件推送至 UI 端UI 端根据收到的每条事件实时动态更新界面同时UI 端也可以反向发送事件或上下文信息供 AI Agent 实时处理和响应AG-UI 工作流示例图来源https://webflow.copilotkit.ai在AG-UI 协议中最核心的部分在于事件的定义文本消息事件TEXT_MESSAGE_用于实时流式文本生成类似AI Copilot的打字效果工具调用事件 TOOL_CALL用于完整的工具调用生命周期管理状态管理事件STATE用于状态同步确保客户端和服务端状态一致生命周期事件 RUN* / STEP_进行执行控制管理整个代理执行的生命周期AG-UI 协议的事件类型定义体现了 AI Agent 系统的核心需求流式处理、状态管理、工具集成、错误处理、可扩展性。协议的设计既考虑了技术实现的效率也兼顾了用户体验的流畅性是现代 AI 应用系统设计的重要参考。目前AG-UI 协议官方推出了Python SDK和TypeScript SDK。笔者亲测使用 AG-UI 协议实现服务端和客户端的交互。以Python为例可以使用ag-ui-protocol 包的 from ag_ui.core 相关能力来生成 AG-UI 协议事件而不是手写 JSON。ag-ui-protocol 的核心事件定义在 ag_ui.core.events它支持通过用 TextMessageStartEvent、TextMessageContentEvent、TextMessageEndEvent 这些类来构造事件然后用 .model_dump_json() 输出。可以使用Cursor 基于AG-UI 协议实现服务端和客户端代码。在进行服务端和客户端代码调试时可使用浏览器BrowserTools的插件并且为Cursor配置 BrowserTools MCP Server这样通过 Call MCP Tool 让 Cursor可以快速定位和调试浏览器行为如下图几轮对话交互后即可实现一个简单的AG-UI协议的前后端应用Cursor 使用 BrowserTool 的自动调试AI代码率100%的前后端服务总结综上介绍各个维度对比当前Agent协议栈三大协议如下三个协议共同构建成为Agent系统框架的基础设施让Agent 长出手脚MCP、拥有协作伙伴A2A、有入口能落地AG-UI。这三个协议促进Agent系统从单Agent进化到多Agent提升底层能力和上层用户体验同时协议的开放性和兼容性也激发了更多AI创新应用和跨界协作的可能。最后对于正在迷茫择业、想转行提升或是刚入门的程序员、编程小白来说有一个问题几乎人人都在问未来10年什么领域的职业发展潜力最大答案只有一个人工智能尤其是大模型方向当下人工智能行业正处于爆发式增长期其中大模型相关岗位更是供不应求薪资待遇直接拉满——字节跳动作为AI领域的头部玩家给硕士毕业的优质AI人才含大模型相关方向开出的月基础工资高达5万—6万元即便是非“人才计划”的普通应聘者月基础工资也能稳定在4万元左右。再看阿里、腾讯两大互联网大厂非“人才计划”的AI相关岗位应聘者月基础工资也约有3万元远超其他行业同资历岗位的薪资水平对于程序员、小白来说无疑是绝佳的转型和提升赛道。对于想入局大模型、抢占未来10年行业红利的程序员和小白来说现在正是最好的学习时机行业缺口大、大厂需求旺、薪资天花板高只要找准学习方向稳步提升技能就能轻松摆脱“低薪困境”抓住AI时代的职业机遇。如果你还不知道从何开始我自己整理一套全网最全最细的大模型零基础教程我也是一路自学走过来的很清楚小白前期学习的痛楚你要是没有方向还没有好的资源根本学不到东西下面是我整理的大模型学习资源希望能帮到你。扫码免费领取全部内容最后1、大模型学习路线2、从0到进阶大模型学习视频教程从入门到进阶这里都有跟着老师学习事半功倍。3、 入门必看大模型学习书籍文档.pdf书面上的技术书籍确实太多了这些是我精选出来的还有很多不在图里4、AI大模型最新行业报告2026最新行业报告针对不同行业的现状、趋势、问题、机会等进行系统地调研和评估以了解哪些行业更适合引入大模型的技术和应用以及在哪些方面可以发挥大模型的优势。5、面试试题/经验【大厂 AI 岗位面经分享107 道】【AI 大模型面试真题102 道】【LLMs 面试真题97 道】6、大模型项目实战配套源码适用人群四阶段学习规划共90天可落地执行第一阶段10天初阶应用该阶段让大家对大模型 AI有一个最前沿的认识对大模型 AI 的理解超过 95% 的人可以在相关讨论时发表高级、不跟风、又接地气的见解别人只会和 AI 聊天而你能调教 AI并能用代码将大模型和业务衔接。大模型 AI 能干什么大模型是怎样获得「智能」的用好 AI 的核心心法大模型应用业务架构大模型应用技术架构代码示例向 GPT-3.5 灌入新知识提示工程的意义和核心思想Prompt 典型构成指令调优方法论思维链和思维树Prompt 攻击和防范…第二阶段30天高阶应用该阶段我们正式进入大模型 AI 进阶实战学习学会构造私有知识库扩展 AI 的能力。快速开发一个完整的基于 agent 对话机器人。掌握功能最强的大模型开发框架抓住最新的技术进展适合 Python 和 JavaScript 程序员。为什么要做 RAG搭建一个简单的 ChatPDF检索的基础概念什么是向量表示Embeddings向量数据库与向量检索基于向量检索的 RAG搭建 RAG 系统的扩展知识混合检索与 RAG-Fusion 简介向量模型本地部署…第三阶段30天模型训练恭喜你如果学到这里你基本可以找到一份大模型 AI相关的工作自己也能训练 GPT 了通过微调训练自己的垂直大模型能独立训练开源多模态大模型掌握更多技术方案。到此为止大概2个月的时间。你已经成为了一名“AI小子”。那么你还想往下探索吗为什么要做 RAG什么是模型什么是模型训练求解器 损失函数简介小实验2手写一个简单的神经网络并训练它什么是训练/预训练/微调/轻量化微调Transformer结构简介轻量化微调实验数据集的构建…第四阶段20天商业闭环对全球大模型从性能、吞吐量、成本等方面有一定的认知可以在云端和本地等多种环境下部署大模型找到适合自己的项目/创业方向做一名被 AI 武装的产品经理。硬件选型带你了解全球大模型使用国产大模型服务搭建 OpenAI 代理热身基于阿里云 PAI 部署 Stable Diffusion在本地计算机运行大模型大模型的私有化部署基于 vLLM 部署大模型案例如何优雅地在阿里云私有部署开源大模型部署一套开源 LLM 项目内容安全互联网信息服务算法备案…扫码免费领取全部内容3、这些资料真的有用吗这份资料由我和鲁为民博士(北京清华大学学士和美国加州理工学院博士)共同整理现任上海殷泊信息科技CEO其创立的MoPaaS云平台获Forrester全球’强劲表现者’认证服务航天科工、国家电网等1000企业以第一作者在IEEE Transactions发表论文50篇获NASA JPL火星探测系统强化学习专利等35项中美专利。本套AI大模型课程由清华大学-加州理工双料博士、吴文俊人工智能奖得主鲁为民教授领衔研发。资料内容涵盖了从入门到进阶的各类视频教程和实战项目无论你是小白还是有些技术基础的技术人员这份资料都绝对能帮助你提升薪资待遇转行大模型岗位。这份完整版的大模型 AI 学习资料已经上传CSDN朋友们如果需要可以微信扫描下方CSDN官方认证二维码免费领取【保证100%免费】