用于连接 AI 智能体的开放规范 Agent2Agent（A2A），已成为 Linux 基金会旗下 Agentic AI Foundation（AAIF）的托管项目。它与 Model Context Protocol（MCP）落在同一处，意味着智能体技术栈的主要构件如今归于同一个中立组织管理。

智能体之间接不上，只能反复手工对接

A2A 要解决的问题来自真实的生产环境。在供应链和金融服务领域部署多智能体系统的工程师，反复撞上同一堵墙：基于不同框架构建的智能体无法直接交接工作。每一种组合都需要专门编写对接代码，每新增一家合作方，这套工作就得从头再来一遍。

换句话说，成本从来不在智能体本身，而在它们之间的管道上。AAIF 在公告中直白地指出了这一点。

用智能体卡片公开能力，交接过程无需人工介入

其机制近乎朴素。每个智能体发布一张智能体卡片，用结构化的方式描述自己能做什么、如何被调用。其他智能体读取这张卡片，发现对方的能力，然后直接委派任务，不需要有人居中协调。整个交互过程是结构化的、可观测的，并且与双方使用的框架无关。

谷歌于 2025 年 4 月推出 A2A，随后将其捐赠给 Linux 基金会，创始组织包括 AWS、Cisco、谷歌、微软、Salesforce、SAP 和 ServiceNow。2025 年 8 月，IBM 的 Agent Communication Protocol 并入 A2A，说明这一领域正在收敛为单一标准，而不是走向标准林立。

首个稳定版本 A2A v1.0 于 2026 年 3 月发布，新增了多协议绑定、版本协商、多租户，以及用于加密身份验证的签名智能体卡片，这些都直接面向企业部署场景。

已在 HarmonyOS、微信和主流云平台上运行

A2A 并不是一份等待落地的规范。它已经在移动平台、云端 AI 基础设施、金融服务、供应链和企业 IT 中投入生产运行。

移动端的例子最为直观。华为在 HarmonyOS 开发者平台上，将 A2A 确立为系统级 AI 助手小艺（Celia）与应用内智能体之间的通信协议。支持的场景包括小艺把长耗时任务交给应用智能体、通过智能体操作应用界面，以及向应用请求结合上下文的推荐。腾讯微信是首批通过 A2A 与华为及其他安卓厂商助手打通的主要应用之一，用户可以经由 AI 助手发起消息、语音通话和视频通话，整个流程带有双重授权。

云平台一侧同样齐备。谷歌云通过 ADK、Agent Engine、Cloud Run 和 GKE 支持 A2A 智能体的开发与运行。微软 Azure AI Foundry 允许智能体对外暴露 A2A 端点，并通过标准的发现机制查找外部智能体。AWS Bedrock AgentCore 可以托管并运行 A2A 服务器，使得用不同框架构建、部署在不同云上的智能体能通过同一套协议交流。谷歌云与 PayPal 正借助负责支付授权的 Agent Payments Protocol（AP2），把 A2A 延伸到智能体商务，购物智能体与商家智能体在商品发现、定价和履约环节通过 A2A 协作。

五个层次，如今归于一处

这次移交让 AAIF 项目组合的结构更加清晰，因为每个项目各自覆盖一个层次。AGENTS.md 负责指令与上下文，goose 提供智能体推理、规划和执行的运行时，MCP 规范与工具和数据的连接，agentgateway 处于边界位置负责路由、策略与可观测性，A2A 则承担跨系统、跨组织边界的智能体互操作。

AAIF 首席技术官 Manik Surtani 表示，此举是在打造一个中立的家园，让社区可以共同制定标准，使来自不同厂商、框架和组织的智能体协同工作。谷歌云业务应用平台副总裁兼总经理 Rao Surapaneni 则强调，A2A 让智能体无需定制对接就能跨越彼此孤立的平台进行发现、委派与协作。

能互通，不等于可信

也有不同的声音。Seekr 首席 AI 解决方案架构师 Mahesh Shanmugasundaram 认为，互操作性越强，本就存在的信任缺口反而越大。协议标准化的是管道，至于管道里流的是什么，仍由各家机构自己决定。

他具体担心的是一种 AI 版传话游戏。在 A2A 的调用链中，每个智能体倾向于把上一环的输出当作百分之百可信的输入，而不是需要核实的主张。一旦这个前提被固化，级联失败的严重程度会超出团队预期：起点上一个微小的幻觉，经过几层传递后，可能变成看上去极为笃定、极具权威感的答案。因此他主张，基于证据的评估和可解释的输出应当成为智能体之间交换的基本单位，而不是事后补上的功能。

总结

随着 A2A 落户 AAIF，涵盖指令、运行时、工具连接、流量控制和智能体间通信的五个层次，如今处于同一套中立治理之下。超过 150 家组织支持该协议，它也已经在 HarmonyOS、微信和主流云平台上投入生产。不过被标准化的是传输与发现，而不是对传来的信息是否正确的保证。接下来的问题在于，把工作交给智能体的团队，会在多大程度上把验证与可追溯性当作必备要求来设计。