Agentic 协议如何改变 AI 开发

人工智能即将迎来下一次伟大的飞跃。在经历了几年由生成式 AI 主导的发展之后，2025 年有望成为 agentic AI 的一年。与其前辈不同，agentic AI 系统不仅仅是对提示做出反应和生成新内容，它们被设计为能够主动感知周围环境，独立做出决定，并执行任务以实现特定的目标。这一变化有可能带来重大影响。虽然生成式 AI 主要专注于提供信息或生成内容，但 agentic AI 是关于采取行动和实现协作。这些系统被设计为能够合作，共同解决复杂的现实世界问题，而不是孤立地工作。然而，解锁 agentic AI 的全部潜力需要对 AI 系统之间、与数据之间以及与周围世界之间的交互方式进行根本性的转变。这就是 agentic 协议重塑该领域的原因。它们正在将孤立的、单一用途的工具转变为强大的、协作的网络，这些网络可以比任何单个 AI 系统单独实现的要多得多。

孤立 AI 系统的问题

尽管该领域取得了快速的进展，但今天的大多数 AI 解决方案仍然运行在孤立的环境中。传统上，组织为特定的需求（如客户支持、欺诈检测或库存管理）构建了单独的 AI 系统。这些系统不能轻松地相互通信。它们使用不同的数据格式，具有独特的信息交换方式，并遵循自己的操作协议。当应用于简单的应用程序时，这种方法可能是可行的，但它导致了碎片化、重复的努力和浪费的资源。组织经常最终维护多个重叠的系统，每个系统都需要自己的基础设施和专业知识，这增加了复杂性和运营成本。

主要挑战是集成。当组织希望他们的不同 AI 系统一起工作时，他们面临着重大的技术障碍。例如，处理客户问题的聊天机器人无法轻松地与跟踪订单的物流平台共享信息。欺诈检测工具也独立于风险评估工具运行。由于这些系统不使用相同的语言，将它们连接起来通常需要昂贵且脆弱的定制解决方案。这不仅降低了效率，还使组织难以充分利用他们的数据。

最近的趋势使这些挑战更加明显。研究表明，96% 的组织计划在未来一年增加对 AI 代理的使用，大多数组织认为这对于保持竞争力至关重要。然而，这些 AI 代理需要无缝的协调、数据共享和互操作性才能正常工作。如果没有变化，集成这些断开的工具可能很快变得既昂贵又不可持续。

Agentic 协议的崛起

为了解决 AI 孤岛的日益增长的挑战，AI 社区正在开发 agentic 协议。这些是标准的规则和接口，允许 AI 系统相互通信和合作。其背后的想法是为许多人现在所说的“代理人互联网”奠定基础，在这里代理人可以找到彼此，共享信息并合作。这与早期的互联网帮助世界各地的计算机相互连接和交互类似。

• 模型上下文协议（MCP）

模型上下文协议 由 Anthropic 于 2024 年末推出，正在成为连接 AI 系统与外部工具和数据源的标准。许多人称它为 AI 的 USB-C 端口，因为它像一个通用连接器一样，替换了一堆不兼容的系统，使用一个简单的标准。

以前，连接一个 AI 系统到一个新工具或数据库意味着为每个连接编写自定义代码。MCP 解决了这个问题。现在，AI 应用程序可以使用一个标准化的协议来访问许多不同的数据源、API 和服务，而无需任何特殊集成。像 AWS、IBM 和 Cloudflare 这样的主要科技公司已经采用了 MCP，OpenAI 和 Google DeepMind 也紧随其后。早期的实施表明，使用 MCP 的组织报告了自动化和生产力的显著改善，有时提高了 50% 以上的工作流效率。

• Agent2Agent（A2A）协议

虽然 MCP 专注于连接 AI 系统到外部工具，但 Google 的 Agent2Agent（A2A） 协议允许 AI 代理直接相互通信。A2A 于 2025 年 4 月推出，允许自主 AI 代理发现彼此，协商他们的角色，并在复杂任务上合作。重要的是，他们可以在不暴露其专有算法或敏感内部工作的情况下做到这一点。这在商业环境中尤其有价值，因为组织经常使用来自不同供应商的 AI 解决方案，并需要保护知识产权。

A2A 引入了“Agent Cards”的概念。这些类似于数字名片，描述了代理的能力以及如何与其建立连接。这些卡片总结了每个代理的技能，并提供了连接的详细信息。该协议还包括一个结构化的系统来管理整个合作工作流程，从分配到完成。具有内置的不同通信格式支持，该协议提供了高度的灵活性。Linux 基金会决定 采用 A2A 作为开放的、供应商中立的标准，这确保了它将保持广泛的可用性并继续推动行业创新。

• 代理通信协议（ACP）

IBM 的 代理通信协议（ACP） 采取了不同的方法，专注于简单性和易用性。作为 BeeAI 平台 的一部分开发，现在由 Linux 基金会管理，ACP 使用熟悉的 Web 技术，如 REST API 和 JSON。这使得开发人员即使没有深入的 AI 专长也能轻松使用。

ACP 支持实时（同步）和延迟（异步）通信之间的代理。它还包括内置的发现功能，允许代理在有限或没有互联网访问的环境中找到和连接彼此。这种实用、低要求使 ACP 成为希望在不需要复杂设置的情况下启用代理协作的组织的有吸引力的选择。

标准化 AI 通信的好处

采用 agentic 协议是 AI 发展中的一个重要里程碑。通过从孤立的工具转变为协作的代理生态系统，组织可以超越技术改进，实现更大的收益。

• 增强的互操作性

Agentic 协议就像 AI 的通用翻译器。组织不再需要花费时间和资源来为每个系统构建独特的集成。相反，来自不同供应商的 AI 代理，甚至使用不同编程语言构建的代理，可以现在通过共享标准轻松地相互通信。这一互操作性水平允许组织组合最好的解决方案，创建一个更加灵活和适应性强的 AI 环境。

• 提高效率和自动化

标准化协议可以显著减少手动工作和重复努力。当 AI 代理可以毫不费力地协调时，许多曾经需要人工监督的例行任务现在都可以自动处理。早期采用者已经看到了高达 40% 的运营效率改进，因为工作流程变得更加顺畅，依赖于人工协调的程度降低。

• 改善安全性和治理

标准化还带来了许多安全优势。通过统一的协议，应用一致的身份验证、授权和审计规则到整个 AI 工具生态系统变得更加容易。这使得组织更容易满足合规性和监管标准。当 AI 代理遵循相同的安全规则时，构建它们的技术无关紧要。

• 加速创新

也许最令人兴奋的好处是创新得到的提振。没有集成问题的负担，开发人员可以自由专注于构建新的、有价值的功能。这种构建块方法，每个代理、协议或工具都可以被重用和扩展，鼓励实验并加速 AI 进步跨行业。

克服实施挑战

尽管有这些优势，建立一个完全协作的 AI 生态系统并非没有挑战。安全性和信任是主要问题。组织需要确保数据保持私密、系统保持可靠，并满足所有合规性要求，然后才能部署相互连接的 AI 代理。还有一个 专业人员短缺 的问题。Agentic AI 领域正在迅速发展，但仍然没有足够的专家来满足日益增长的需求。此外，许多公司仍在使用缺乏现代 API 或与 AI 代理集成所需基础设施的旧遗留系统。

结论

要实现 agentic AI 的愿景，改善 AI 系统之间、与数据之间以及与周围世界之间的集成和通信至关重要。像 MCP、A2A 和 ACP 这样的协议正在成为 AI 协作的关键促进者。通过标准化通信，这些协议有助于创建更具互操作性、效率和安全性的 AI 生态系统。从孤立的单一用途 AI 工具到相互连接的代理的转变将带来增强的自动化、降低的运营成本和加速的创新。