一場關于AI與智能體標準、協(xié)議與生態(tài)的暗戰(zhàn)已經(jīng)箭在弦上。

在美劇《權力的游戲》中，頗為精彩的是，不到最后，永遠不知道主角是誰。而如今的AI行業(yè)，正在上演著這樣一場好戲。

當所有人緊盯模型參數(shù)與性能的競爭時，Anthropic于2024年11月推出智能體開放標準——MCP（Model Context Protocol，模型上下文協(xié)議)，欲統(tǒng)一大型語言模型與外部數(shù)據(jù)源、工具之間的通信協(xié)議。

之后，OpenAI宣布Agent SDK支持MCP，谷歌DeepMind首席執(zhí)行官Demis Hassabis也于近日確認，谷歌Gemini模型及軟件開發(fā)工具包將集成這一開放標準，其稱MCP“正迅速成為AI代理時代的開放標準”。

與此同時，谷歌在Google Cloud Next 2025大會上宣布開源首個標準智能體交互協(xié)議——Agent2Agent Protocol（簡稱A2A），打破現(xiàn)有框架與供應商之間的壁壘，實現(xiàn)智能體在不同生態(tài)系統(tǒng)中的安全、高效協(xié)作。

科技巨頭這一系列動作，徹底揭開了AI與智能體在連接標準、接口協(xié)議與生態(tài)系統(tǒng)等維度競爭的帷幕�！皡f(xié)議即權力”在這一刻顯形，在全球AI競爭格局尚未成型之際，誰掌握了AI時代的基礎協(xié)議標準定義權，誰就有機會重構全球AI產(chǎn)業(yè)鏈的權力圖譜與價值分配秩序。

未來AI生態(tài)的“USB-C端口”

隨著AI技術的快速發(fā)展，大型語言模型如GPT、Claude等已經(jīng)展現(xiàn)出驚人的能力。這些模型的真正價值在于它們能夠利用外部世界的數(shù)據(jù)和工具進行交互，從而解決實際問題。

然而，這種交互能力長期以來一直面臨著碎片化和標準化缺失的問題，導致開發(fā)者需要為不同的AI模型和平臺實現(xiàn)特定的集成邏輯。

為了解決這一問題，MCP應運而生。作為連接AI模型與外部世界的橋梁，MCP解決了AI交互時面臨的幾個關鍵問題。

在MCP出現(xiàn)之前，AI模型若要連接本地數(shù)據(jù)庫（如SQLite）獲取數(shù)據(jù)，或是調用遠程工具（如Slack進行團隊溝通、GitHub API管理代碼），開發(fā)者需針對每個數(shù)據(jù)源或工具編寫特定連接代碼，不僅過程繁瑣且易出錯，由于缺乏統(tǒng)一標準，導致開發(fā)成本高、維護困難且難以擴展。

Anthropic公司在推出MCP時，作了一個形象的比喻：MCP就像AI應用程序的USB-C端口。MCP的目標是創(chuàng)建一個通用標準，讓各種模型和外部系統(tǒng)接入都使用同一個協(xié)議，而不是每次另寫一套集成方案，從而使AI應用程序的開發(fā)和集成變得更加簡單和統(tǒng)一。

例如，在軟件開發(fā)項目中，基于MCP的AI工具可直接深入項目代碼倉庫，分析代碼結構、理解歷史提交記錄，進而為開發(fā)者提供更貼合項目實際需求的代碼建議，顯著提升開發(fā)效率與代碼質量。

在過去，為了讓大模型等AI應用使用數(shù)據(jù)，通常需要復制粘貼或上傳下載，即使是最強大的模型也會受到數(shù)據(jù)隔離的限制，形成信息孤島。要做出更強大的模型，每個新數(shù)據(jù)源都需要自己重新定制實現(xiàn)，使真正互聯(lián)的系統(tǒng)難以擴展，存在很多局限性。

MCP通過提供統(tǒng)一的接口，直接在AI與數(shù)據(jù)（包括本地數(shù)據(jù)和互聯(lián)網(wǎng)數(shù)據(jù)）之間架起一座橋梁，通過MCP服務器和MCP客戶端，只要都遵循這套協(xié)議，就能實現(xiàn)“萬物互聯(lián)”，使得AI應用能夠安全地訪問和操作本地及遠程數(shù)據(jù)，為AI應用提供了連接萬物的接口。

從架構上看，MCP主要包含兩個核心部分：MCP服務器和MCP客戶端。開發(fā)人員可以通過MCP服務器將自己的數(shù)據(jù)公開，這些數(shù)據(jù)可以來自本地的文件系統(tǒng)、數(shù)據(jù)庫，也可以是遠程的服務，如Slack、GitHub等的API。而構建連接到這些服務器的AI應用程序，就被稱為MCP客戶端。簡單來說，MCP服務器負責把數(shù)據(jù)暴露出來，MCP客戶端則負責訪問這些數(shù)據(jù)。

在AI模型訪問外部數(shù)據(jù)和工具時，安全性是一個重要考量因素。MCP通過標準化的數(shù)據(jù)訪問接口，大大減少了直接接觸敏感數(shù)據(jù)的環(huán)節(jié)，降低了數(shù)據(jù)泄露的風險。

MCP內置了安全機制，數(shù)據(jù)源可在安全框架內，有控制地向AI共享數(shù)據(jù)，AI也能將處理結果安全反饋給數(shù)據(jù)源，并確保只有經(jīng)過驗證的請求才能訪問特定資源，相當于在數(shù)據(jù)安全又加上了一道防線，打消企業(yè)在數(shù)據(jù)安全方面的顧慮，為AI在企業(yè)級場景中的深度應用奠定堅實基礎。

例如，MCP服務器自己控制資源，不需要將API密鑰等敏感信息提供給大模型技術商。這樣一來，即使大模型受到攻擊，攻擊者也無法獲取到這些敏感信息，從而對風險進行了有效隔離。

可以說，MCP是AI技術發(fā)展的必然產(chǎn)物，也是一座重要里程碑，它不僅簡化了AI應用的開發(fā)過程，還為AI生態(tài)系統(tǒng)的繁榮創(chuàng)造了條件。

作為一種開放標準，MCP極大激發(fā)了開發(fā)者社區(qū)活力，全球開發(fā)者可圍繞MCP貢獻代碼、開發(fā)新連接器，不斷拓展其應用邊界，形成良性生態(tài)循環(huán)，推動AI與各行業(yè)數(shù)據(jù)深度融合發(fā)展。這種開放性使得AI應用能夠更容易地接入各種服務和工具，形成豐富的生態(tài)系統(tǒng)，最終讓用戶和整個行業(yè)受益。

MCP的優(yōu)勢不僅體現(xiàn)在技術層面，更重要的是它給不同領域帶來的實際價值。在AI時代，信息的獲取和處理能力決定了一切，而MCP讓多個智能體可以協(xié)作，最大限度地發(fā)揮彼此的特長。

例如，在醫(yī)療領域，智能體通過MCP連接患者電子病歷、醫(yī)學數(shù)據(jù)庫，再結合醫(yī)生的專業(yè)判斷，能夠更快給出初步診斷建議。在金融行業(yè)，智能體可以協(xié)作分析財經(jīng)數(shù)據(jù)、跟蹤市場變化，甚至自動進行股票交易。這種智能體之間的分工合作，使得數(shù)據(jù)處理更高效，也讓決策更加精準。

回顧 MCP的發(fā)展歷程，不難發(fā)現(xiàn)它的成長速度驚人。2023年初，MCP完成了核心通信協(xié)議的設計，實現(xiàn)了基本的智能體注冊與消息傳遞功能。這就像給智能體創(chuàng)造了一種通用的語言，讓它們可以互相交流，而不是各說各話。

2023年底，MCP進一步擴展了功能，支持智能體調用外部API和數(shù)據(jù)共享，相當于讓智能體不僅可以聊天，還能互相傳遞信息、共同處理任務。

2024年初，MCP生態(tài)更上一層樓，開發(fā)者工具包、示例項目紛紛上線，社區(qū)貢獻的智能體插件突破100個，實現(xiàn)了“百花齊放”的局面。

近期，微軟把MCP集成到其Azure OpenAI服務中，谷歌DeepMind也宣布將為MCP提供支持，并將其集成到Gemini模型和SDK中。不僅是大型科技企業(yè)，AI初創(chuàng)企業(yè)和開發(fā)工具提供商也都紛紛接入MCP，比如Block、Apollo、Zed、Replit、Codeium、Sourcegraph等。

MCP的風生水起，引得騰訊、阿里巴巴等中國科技企業(yè)迅速跟進爭相布局，把其視為AI生態(tài)系統(tǒng)戰(zhàn)略的重要一步。比如近日阿里云百煉平臺推出全生命周期MCP服務，無需用戶管理資源、開發(fā)部署、工程運維等工作，將智能體開發(fā)周期壓縮至分鐘級。騰訊云發(fā)布“AI開發(fā)套件”，支持MCP插件托管服務，幫助開發(fā)者快速搭建業(yè)務型智能體。

多智能體協(xié)作的 “隱形橋梁”

隨著MCP協(xié)議讓智能體從聊天工具變身行動助手，科技巨頭們開始在這片新戰(zhàn)場修筑標準與生態(tài)的“小院高墻”。

相比MCP專注于讓AI模型與外部工具和數(shù)據(jù)連接，A2A則更進一步，聚焦于智能體之間的高效協(xié)作。

A2A協(xié)議的設計初衷很簡單，讓不同來源、不同廠商的智能體能夠互相理解、協(xié)作，為多智能體的協(xié)作將帶來更高的自主性。

這就像WTO旨在消減各國間的關稅壁壘一樣，不同供應商和框架的智能體就像一個個獨立的國家，一旦采用A2A，就相當于加入了自由貿(mào)易區(qū)，能夠用共同語言交流、無縫協(xié)作，聯(lián)手完成單個智能體難以獨立完成的復雜工作流程。

A2A協(xié)議的具體互操作形式是通過促進客戶端智能體（Client Agent）和遠程智能體（Remote Agent）之間的通信來實現(xiàn)的�？蛻舳酥悄荏w負責制定和傳達任務，遠程智能體根據(jù)這些任務采取行動，以提供正確的信息或執(zhí)行相應的操作。

在這個過程中，A2A協(xié)議有以下幾個關鍵能力：

首先，智能體可以通過“智能體卡”來宣傳它們的能力。這些“智能體卡”是以JSON格式存在的，它們能夠讓客戶端智能體識別出哪個遠程智能體最適合執(zhí)行特定的任務。

一旦確定了合適的遠程智能體，客戶端智能體就可以利用A2A協(xié)議與之進行通信，將任務分配給它。

之后，任務管理是A2A協(xié)議中的一個重要環(huán)節(jié)�？蛻舳撕瓦h程智能體之間的通信都是圍繞完成任務展開的。協(xié)議定義了一個“任務”對象，對于一些簡單的任務，可以立即完成；而對于一些復雜的、長期的任務，智能體之間可以相互溝通，以保持對任務完成狀態(tài)的同步。

此外，A2A還支持智能體之間的協(xié)作。多個智能體可以相互發(fā)送消息，這些消息可以包含上下文信息、回復或者用戶指令。通過這種方式，多個智能體能夠更好地協(xié)同工作，共同完成復雜的任務。

在設計該協(xié)議時，谷歌遵循了五個關鍵原則。第一，A2A專注于使智能體能夠在它們自然的、非結構化的模式下進行協(xié)作，即使它們不共享內存、工具和上下文也能相互協(xié)作。

第二，該協(xié)議是基于現(xiàn)有的、流行的標準構建的，包括HTTP、服務器端事件（SSE）、JSON-RPC等，這意味著它更容易與企業(yè)日常已經(jīng)使用的現(xiàn)有IT堆棧進行集成。

例如，一家電商企業(yè)日常使用 HTTP 協(xié)議來處理網(wǎng)頁數(shù)據(jù)傳輸，利用JSON-RPC在前后端傳遞數(shù)據(jù)指令。引入 A2A 協(xié)議后，企業(yè)的訂單管理系統(tǒng)可以通過HTTP與A2A協(xié)議對接，快速獲取相關智能體提供的物流數(shù)據(jù)更新，無需大費周章地重新搭建復雜的數(shù)據(jù)傳輸通道，能輕松融入現(xiàn)有的IT架構，讓各個系統(tǒng)協(xié)同工作更加順暢。

第三，A2A被設計為支持企業(yè)級的認證和授權。使用A2A 協(xié)議能夠快速通過身份驗證，安全地獲取數(shù)據(jù)，保障數(shù)據(jù)傳輸?shù)陌踩院秃弦?guī)性，防止數(shù)據(jù)泄露風險。

第四，A2A具有充分的靈活性，能夠支持從快速任務到可能需要數(shù)小時甚至數(shù)天（當人類參與其中時）的深入研究等各種場景。在整個過程中，A2A可以向用戶提供實時反饋、通知和狀態(tài)更新。

以一家科研機構為例，研究人員利用A2A協(xié)議下的智能體進行新藥物研發(fā)相關研究。簡單的任務如快速檢索數(shù)據(jù)庫中已有的藥物分子結構信息，幾秒內就能完成并反饋給研究人員。但對于復雜任務，像模擬新藥物分子在人體環(huán)境中的反應，可能需要數(shù)天時間。

在這期間，A2A協(xié)議會不斷向研究人員推送模擬進度，比如已經(jīng)完成了多少步驟、當前遇到的問題等，讓研究人員隨時掌握情況，就像時刻有個助手在匯報工作進展。

第五，智能體的世界不僅限于文本，所以A2A支持各種模態(tài)，包括音頻、圖像和視頻流。

想象一下，未來你的智能助手、公司的CRM系統(tǒng)、供應鏈管理AI，甚至是不同云平臺上的智能體，彼此像老朋友一樣“聊任務、分工作”，高效完成從簡單查詢到復雜流程的各種需求，機器智能時代將由此開啟。

目前，該協(xié)議已經(jīng)支持Atlassian、Box、Cohere、Intuit、MongoDB、PayPal、Salesforce、SAP等50多家主流科技企業(yè)的應用平臺。

值得注意的是，這些都是和谷歌生態(tài)有微妙關系的企業(yè)。比如Cohere，一家獨立的AI初創(chuàng)公司，2019年由三位曾在Google Brain工作的研究人員創(chuàng)立的；他們和谷歌云有多年的技術合作，谷歌云為Cohere提供訓練模型所需的計算能力。

Atlassian，一家提供團隊協(xié)作工具的公司，像Jira和Confluence這些工具很多人都在用，他們和谷歌有合作，一些應用可以在谷歌的產(chǎn)品里使用。

雖然谷歌表示，A2A是對Anthropic提出的MCP模型上下文協(xié)議的補充。但仔細想來，這有點像當年谷歌牽頭80多家企業(yè)搞安卓系統(tǒng)的意味。隨著加入的企業(yè)越來越多，A2A的商業(yè)價值將得到極大提升，并將推動整個智能體生態(tài)的快速發(fā)展。

從“連接工具”到“統(tǒng)治生態(tài)”

MCP與A2A代表了AI互聯(lián)互通的兩條不同路徑，MCP作為底層的模型交互協(xié)議，確保應用程序與不同模型的無縫對接；而A2A在此基礎上提供智能體間的協(xié)作框架，強調智能體間的自主發(fā)現(xiàn)和靈活協(xié)作。這種分層結構可以同時滿足模型標準化和智能體協(xié)作的需求。

同時，兩者在各自細分領域取得主導地位。MCP在企業(yè)級應用、跨模型服務和標準化場景中占據(jù)優(yōu)勢；A2A在開源社區(qū)、研究項目和創(chuàng)新型應用中獲得更多支持。

站在宏觀角度，MCP與A2A的崛起不僅關乎未來AI技術標準，更預示著AI產(chǎn)業(yè)格局的重大變革，我們正在見證AI從“單體智能”邁向“協(xié)作網(wǎng)絡”的歷史性拐點。正如互聯(lián)網(wǎng)的發(fā)展歷程所示，開放、標準化協(xié)議的確立將成為推動行業(yè)發(fā)展的關鍵力量。

但從更深層面看，MCP與A2A背后隱藏著巨大的商業(yè)利益，以及未來AI技術話語權的爭奪。

商業(yè)模式方面，兩者正開辟不同盈利路徑。Anthropic計劃基于MCP推出企業(yè)版服務，按照API調用量向企業(yè)收費。企業(yè)借助MCP將內部數(shù)據(jù)與AI深度融合，提升業(yè)務效率，同時需要為這一便捷服務買單。

谷歌則憑借A2A協(xié)議推動云服務訂閱，企業(yè)在使用A2A構建智能體協(xié)作網(wǎng)絡時，被引導使用谷歌云平臺強大算力與相關服務，從而增加谷歌云業(yè)務營收。

數(shù)據(jù)壟斷層面，掌握協(xié)議標準意味著掌控AI數(shù)據(jù)流向。谷歌通過A2A協(xié)議，在眾多企業(yè)智能體協(xié)作過程中收集海量數(shù)據(jù)，這些數(shù)據(jù)反哺其核心廣告算法，進一步鞏固在廣告市場的霸主地位。Anthropic則欲通過MCP讓AI深入企業(yè)數(shù)據(jù)核心，若形成規(guī)模優(yōu)勢，也將積累大量行業(yè)數(shù)據(jù)，為拓展業(yè)務、開發(fā)更貼合企業(yè)需求的AI產(chǎn)品提供數(shù)據(jù)支撐。

開源策略上，兩者雖均宣稱開源，但各有盤算。MCP核心協(xié)議開源，吸引開發(fā)者參與生態(tài)建設，但企業(yè)級關鍵功能（如遠程連接高級功能、多模態(tài)數(shù)據(jù)深度處理）則需付費解鎖，平衡開源與商業(yè)利益。A2A協(xié)議開源的同時，引導50多家企業(yè)合作伙伴優(yōu)先使用谷歌云服務，將開源生態(tài)與自身商業(yè)體系緊密綁定，增強用戶粘性與平臺競爭力。

科技本無善惡，但當其嵌入利益鏈條時，便成為權力與控制的載體。每一次技術革命都在重構世界的利益鏈條，工業(yè)革命將利益鏈從土地與勞動力轉向資本與機器，而數(shù)字革命則將其推向數(shù)據(jù)與算法。

開源工具固然可以探索創(chuàng)新路徑，但別妄想用數(shù)據(jù)與算法鑰匙打開所有大門，因為每串密鑰都刻著平臺利益的密碼。

各家科技企業(yè)表面上在開放AI生態(tài)，實則都在圍繞更有利于自己的應用場景，正在筑起高且厚的生態(tài)墻，防止數(shù)據(jù)金礦被挖墻腳，畢竟AI時代的終極競爭力依然是數(shù)據(jù)。

標準與協(xié)議之爭的另一面

相比于數(shù)字世界，通過標準化的接口和協(xié)議接入現(xiàn)實世界實現(xiàn)萬物互聯(lián)，或許才是科技巨頭的最大興趣點。隨著工業(yè)機器人、自動駕駛、智能傳感器等物理AI終端的爆發(fā)式增長，搶占虛擬與現(xiàn)實交互的入口，并形成“全域感知-瞬時決策-精準執(zhí)行”的AI網(wǎng)絡，已成為解鎖萬億級物理智能生態(tài)的密鑰。

通過標準化接口，工廠中的機械臂可直接向AI模型發(fā)送實時工況數(shù)據(jù)，模型則能動態(tài)調整生產(chǎn)參數(shù)并回傳指令，形成閉環(huán)的AI網(wǎng)絡。這種虛實協(xié)同徹底改變了傳統(tǒng)制造業(yè)的運維邏輯——過去依賴人工編程的物理設備，如今通過標準化的接口協(xié)議與AI模型“自由對話”。

在醫(yī)療領域，手術機器人通過協(xié)議接入AI診斷系統(tǒng)，實時獲取患者影像數(shù)據(jù)并調整操作精度；可穿戴設備將生理指標直連云端模型，實現(xiàn)“千人千面”的個性化診療。

由此，以MCP和A2A為代表的接口和交互協(xié)議將成為AI網(wǎng)絡中的“神經(jīng)突觸”，一頭連接著數(shù)字世界的大模型和智能體，另一頭連接起現(xiàn)實世界的各類智能終端設備和業(yè)務場景，真正讓AI走入了現(xiàn)實世界。

然而，物理AI的深度集成也帶來新挑戰(zhàn)。工廠設備、醫(yī)療儀器等業(yè)務場景對協(xié)議的安全性、實時性要求遠高于純數(shù)字場景，接口和協(xié)議需要在低延遲通信與數(shù)據(jù)隔離機制上持續(xù)進化，才能支撐起萬億級物理終端的互聯(lián)需求。

MCP與A2A最終能否走向融合尚無定論，若其各自為政，科技巨頭極有可能筑起“AI小院高墻”。由此，數(shù)據(jù)孤島現(xiàn)象將愈發(fā)嚴重，不同協(xié)議陣營企業(yè)間數(shù)據(jù)流通受阻，限制AI創(chuàng)新應用范圍；開發(fā)者需掌握多套協(xié)議開發(fā)技能，增加學習成本與開發(fā)工作量，抑制創(chuàng)新活力；行業(yè)創(chuàng)新方向易被巨頭協(xié)議引導，初創(chuàng)企業(yè)因難以兼容多協(xié)議，在競爭中處于劣勢，阻礙行業(yè)整體創(chuàng)新步伐。

我們希望，MCP和A2A的崛起將推動全球AI產(chǎn)業(yè)朝著協(xié)作而非對抗的方向進化。

就像從19世紀的鐵路軌距之爭，到20世紀的移動通信標準戰(zhàn)，每一次技術割裂都伴隨著巨大的社會成本。AI標準與協(xié)議之爭的后果可能更為深遠，它將決定我們是走向“萬物互聯(lián)”的星際聯(lián)邦，還是墮入“猜疑鏈”橫行的黑暗森林。

唯一可以確定的是，當?shù)谝欢隆癆I小院高墻”筑起時，沒有一方能獨善其身。