在上一篇文章中，我们了解了Google A2A协议的基本概念和价值。这一次，我们将深入探讨A2A协议的核心机制：Agent Card（代理名片）和Agent Skills（代理技能）——这两者构成了智能体之间沟通的基础。
想象智能体社交圈：从"陌生人"到"合作伙伴"
想象一下，在人类社会中，当我们初次见面时，通常会交换名片并谈论各自的专长。A2A协议在智能体世界中构建了类似的社交机制：
- 名片交换（Agent Card）：每个智能体都有自己的"电子名片"，上面写明身份、擅长的事情和联系方式。
- 技能展示（Agent Skills）：就像你会在名片上注明"UI设计专家"或"数据分析师"，智能体也会明确声明自己能提供哪些服务。
- 协作邀请（Task）：了解彼此后，智能体之间就可以发起合作，共同完成用户交代的任务。
这套机制巧妙地解决了AI世界的一个核心问题：如何让彼此陌生的智能体快速建立信任和协作关系？
Agent Card：智能体的"社交名片"
在A2A协议中，Agent Card是一个JSON格式的元数据文档，通常可以在智能体服务的特定URL（例如/.well-known/agent.json）获取。它扮演着至关重要的角色：
Agent Card包含哪些信息？
{
"name": "旅行助手",
"description": "一个帮助规划旅行的智能体",
"url": "https://travel-agent.example.com/",
"version": "1.0.0",
"capabilities": {
"streaming": true,
"pushNotifications": false,
"stateTransitionHistory": true
},
"authentication": {
"schemes": ["OAuth2", "API-Key"]
},
"defaultInputModes": ["text/plain", "application/json"],
"defaultOutputModes": ["text/plain", "application/json"],
"skills": [
{
"id": "flight_search",
"name": "查找航班",
"description": "根据日期、出发地和目的地查找可用航班",
"tags": ["travel", "flights"],
"examples": ["查找从北京到上海的航班"]
},
{
"id": "hotel_booking",
"name": "预订酒店",
"description": "在指定位置查找并预订酒店",
"tags": ["travel", "accommodation"],
"examples": ["在上海找一个靠近外滩的酒店"]
}
]
}
这个"名片"提供了丰富的信息：
- 基本身份：名称、描述、版本号等基本识别信息
- 服务地址：其他智能体可以通过这个URL与其联系
- 技术能力：是否支持流式响应、推送通知等高级功能
- 安全要求：需要什么形式的认证才能使用其服务
- 通信格式：支持哪些输入输出数据格式
- 提供的技能：这个智能体能做什么，包括每个技能的详细描述和使用示例
Agent Card的作用
Agent Card不仅仅是一份简单的介绍，它更像是智能体社交网络中的"LinkedIn个人主页"：
- 发现机制：其他智能体可以通过Agent Card了解这个智能体的存在和能力
- 兼容性检查：在请求服务前，先确认对方是否具备所需的能力和技能
- 安全协商：了解需要哪种认证方式才能进行安全通信
- 期望管理：通过示例和描述，明确说明每个技能能做什么、不能做什么
Agent Skills：智能体的"超能力集"
如果说Agent Card是名片，那么Agent Skills就是名片上列出的"专业技能"。在A2A中，每个技能都代表智能体可以执行的特定功能。
技能的构成要素
一个完整的技能定义通常包括：
- 唯一标识符：区分不同的技能
- 名称和描述：人类可读的技能介绍
- 输入参数：需要提供什么信息才能执行这项技能
- 输出格式：期待得到什么形式的结果
- 使用示例：如何正确调用这项技能
- 分类标签：帮助将相关技能分组
技能的实现方式
在实际编程中，技能通常以函数的形式实现。以Python为例：
from a2a import AgentSkill
@AgentSkill(
id="flight_search",
name="查找航班",
description="根据日期、出发地和目的地查找可用航班",
tags=["travel", "flights"]
)
def search_flights(
departure: str,
destination: str,
date: str
) -> list:
"""
搜索航班信息
Args:
departure: 出发城市
destination: 目的地城市
date: 出发日期 (YYYY-MM-DD格式)
Returns:
航班列表，每个航班包含航班号、时间、价格等信息
"""
# 实现航班搜索逻辑...
return flight_results
这种装饰器风格的定义既保留了函数的技术实现，又添加了A2A协议所需的元数据。
实际交互：智能体之间如何通过"名片"和"技能"完成对话？
让我们通过一个具体场景来说明整个流程：
场景：旅行规划
假设用户想规划一次从北京到东京的旅行，他的主要AI助手需要与专业的旅行智能体协作。
步骤1：发现与认识（Discovery）
主助手首先需要找到合适的旅行智能体：
- 查询已知的智能体目录，或通过预设的URL
- 获取并解析旅行智能体的Agent Card
- 确认该智能体提供所需的航班查询、酒店预订等技能
步骤2：能力确认（Capability Check）
主助手检查旅行智能体的能力是否满足需求：
- 确认支持的认证方式（如OAuth2）
- 验证通信格式兼容性（如JSON输入/输出）
- 检查是否支持必要的高级功能（如推送通知）
步骤3：任务委托（Task Delegation）
主助手创建一个任务，请求旅行智能体的帮助：
{
"jsonrpc": "2.0",
"method": "tasks/send",
"params": {
"id": "task_12345",
"sessionId": "session_abcde",
"message": {
"role": "user",
"parts": [
{
"type": "text",
"text": "我需要在下周五从北京飞往东京，并在那里住3晚。请帮我规划行程。"
}
]
}
}
}
步骤4：技能执行（Skill Execution）
旅行智能体接收到任务后：
- 分析用户需求，确定需要使用的技能（航班搜索和酒店预订）
- 执行相应的技能函数，可能需要调用外部API
- 整合结果，形成一份完整的旅行计划
步骤5：结果返回（Response）
旅行智能体将执行结果返回给主助手：
{
"jsonrpc": "2.0",
"result": {
"task": {
"id": "task_12345",
"status": "completed",
"message": {
"role": "agent",
"parts": [
{
"type": "text",
"text": "已为您规划好行程："
},
{
"type": "data",
"data": {
"flights": [
{"flight": "CA123", "departure": "2023-11-10 10:00", "arrival": "2023-11-10 14:30", "price": "¥2500"},
{"flight": "JL456", "departure": "2023-11-10 13:15", "arrival": "2023-11-10 17:45", "price": "¥2300"}
],
"hotels": [
{"name": "东京皇宫酒店", "location": "新宿区", "price": "¥1200/晚", "rating": 4.8},
{"name": "东京湾景酒店", "location": "银座", "price": "¥1500/晚", "rating": 4.9}
]
}
}
]
}
}
}
}
为什么这种设计如此巧妙？
A2A协议中的"名片"和"技能"机制之所以强大，主要体现在以下几点：
1. 松耦合与清晰边界
智能体之间不需要了解彼此的内部工作方式，只需要知道"你能做什么"和"如何请求你的帮助"。这种松耦合设计让不同公司、不同团队开发的智能体能够无缝协作。
2. 自描述与自文档化
通过标准化的Agent Card和Skill定义，每个智能体都能清晰地"自我介绍"，无需额外的集成文档或人工配置。
3. 动态发现与适配
系统可以在运行时发现新的智能体，并根据它们的能力动态调整工作流程，实现真正的即插即用。
4. 安全与隐私保护
每个智能体只暴露必要的接口，而不是内部实现细节或敏感数据，这保护了商业机密和用户隐私。
实践指南：如何定义自己的Agent Card和Skills？
如果你想开发A2A兼容的智能体，以下是一些实用建议：
Agent Card最佳实践
- 保持简洁明了：提供足够的信息，但避免过度复杂
- 实施版本控制：随着智能体能力的演进，确保版本号更新
- 提供丰富的示例：帮助其他智能体理解如何正确使用你的技能
- 明确能力边界：清晰说明你的智能体能做什么，也要说明不能做什么
Skills定义指南
- 原子化设计：每个技能应该专注于一个明确的功能
- 严格的参数验证：确保输入参数格式正确，提供有意义的错误信息
- 优雅的错误处理：预见可能的失败情况，并设计恰当的恢复策略
- 全面的文档：详细说明参数含义、约束条件和预期输出
未来展望
随着A2A协议的发展，我们可以期待更丰富的Agent Card和Skill定义标准，包括：
- 语义理解增强：更好地描述技能的语义和上下文要求
- 复合技能编排：支持多个基础技能组合成更复杂的工作流
- 动态技能发现：智能体可以在运行时"学习"新技能
- 信任与声誉机制：为智能体间建立更完善的信任体系
结语
Agent Card和Agent Skills构成了A2A协议的核心基础，它们共同为智能体之间的沟通搭建了桥梁。通过标准化的"自我介绍"和"能力声明"，智能体可以迅速找到合适的合作伙伴，共同解决复杂问题。
这种机制不仅优雅而高效，也为AI生态系统的蓬勃发展奠定了基础。正如人类社会中的专业分工催生了现代文明，智能体世界中的技能协作也将开启AI应用的新纪元。
下一篇预告：《A2A与MCP：Google如何打造智能体协作的"双引擎"？》
有兴趣深入了解Agent Card和Skills的技术实现？访问A2A 协议规范获取更多详情！
