多代理系统协议

MCP和A2A协议——多智能体系统作业

作业概览

这个作业探讨了使用（某种方法/技术）的高级AI代理架构 MCP（模型上下文协议） 和 **A2A（代理对代理协议）**通过三个循序渐进的代码实验室，我们实现了多智能体系统，其中AI智能体之间相互通信，并与外部工具集成以解决复杂任务。

MCP和A2A是什么？

MCP（模型上下文协议）

一种标准化协议，允许人工智能代理连接到外部资源，如数据库、API、文件系统和工具。可以将其视为一种通用适配器，使代理能够访问任何数据源或服务。

示例用例：

• 代理访问数据库
• 代理调用外部API
• 代理读写文件
• 使用专用工具的代理

A2A（代理到代理协议）

一种通信协议，使多个人工智能代理能够相互交互、共享信息、分配任务并协作以实现共同目标。它就像是为代理们提供了一种共同的语言来协同工作。

示例用例：

• 主要代理委托给专业代理
• 代理共享上下文和信息
• 跨代理的多步骤工作流
• 协同解决问题

Codelab 1：使用ADK与A2A的多智能体系统

焦点： 代理间的通信与部署

构建一个多智能体系统，其中专门的智能体通过A2A协议协同工作，然后将其部署到谷歌的智能体引擎中。

关键学习点：

• 多智能体架构设计
• A2A协议实现
• 代理委托模式
• 在Agent Engine上进行生产部署

代码实验室2：使用MCP和A2A的货币代理

焦点： 与代理协作的外部工具集成

创建一个货币转换代理，该代理使用MCP访问汇率API，并通过A2A与其他代理进行协调。

关键学习点：

• 外部数据的MCP协议
• 将MCP与A2A相结合
• 现实世界的API集成
• 货币转换用例

Codelab 3：使用Action Engine的采购服务助手

焦点： 复杂的多智能体工作流程

构建一个由行动引擎协调的、包含多个专业代理（搜索、比较、推荐）的高级购物助手。

关键学习点：

• 工作流管理的动作引擎
• 复杂的代理协调
• 多步骤智能体协作
• 生产级架构

环境设置

# Set up Google Cloud
gcloud config set project YOUR_PROJECT_ID

# Enable required APIs
gcloud services enable \
    aiplatform.googleapis.com \
    run.googleapis.com \
    cloudbuild.googleapis.com

# Create workspace
mkdir mcp-a2a-assignment
cd mcp-a2a-assignment

安装

# Install ADK
pip install google-adk

# Install MCP dependencies
pip install mcp-core mcp-server

# Verify installation
adk --version

执行项目

每个代码实验室（codelab）都在其README文件中提供了具体的运行说明，但通常来说：

# Navigate to codelab directory
cd codelab-X-name/

# Activate environment
source .venv/bin/activate

# Run locally
adk run agent-name

# Or use web UI
adk web agent-name

# Deploy to Agent Engine
adk deploy agent-name

与以往任务的关键差异