跳转至

A2A 生态系统与工具链

A2A 协议的社区项目、工具和实际使用案例。

生态现状（2026.05）

  • 公开 Agent 数量: ~100+
  • 在线率: ~50%
  • 成熟度: 早期 — 大量 "hello world" demo，少量生产级实现
  • 主流客户端采纳: 零（对比 MCP 有 Claude Desktop、Cursor 等）

社区项目

Agent 发现与注册

项目 说明
Waggle (waggle.zone) A2A Agent 搜索引擎，爬取 AgentCard 并用语义嵌入索引，自身是 A2A 兼容的 meta-agent
A2Apex (a2apex.io) 测试/认证平台，50+ 自动合规检查，0-100 信任评分，被称为 "SSL Labs + npm + LinkedIn — for AI agents"

Agent 框架

项目 说明
EDDI (labsai/EDDI) Java/Quarkus 多 Agent 引擎，同时实现 MCP（server+client）和 A2A，JSON 配置驱动，级联置信度提升
SuperLocalMemory 10 层本地优先 AI 记忆架构，A2A 作为第 10 层（v2.6，计划 2026.05）

实际部署案例

nullclaw + ironclaw — IRC + A2A 混合架构

  • nullclaw: 公共 Agent，IRC 传输，678KB Zig 二进制，~1MB RAM
  • ironclaw: 私有 Agent，邮件/日程，通过 Tailscale 使用 A2A 协议
  • A2A Passthrough 模式: 私有 Agent 借用网关的推理管道 → 一个 API Key，一个计费关系
  • 分层推理: Haiku 4.5 用于对话，Sonnet 4.6 用于工具使用，$2/天上限

实际使用模式

模式 1: A2A Passthrough

用户 → 网关 Agent → [A2A] → 内部 Agent
                        ↓
                  借用网关的 LLM API Key
                  共享计费关系

优势: 统一 API Key 管理，内部 Agent 无需独立 LLM 订阅。

模式 2: Meta-Agent（发现 + 委托）

用户 → Meta-Agent (如 Waggle)
         → 发现合适的 Agent
         → 委托任务
         → 汇总结果

模式 3: 混合 MCP + A2A

编排 Agent
├── A2A → 外部 Agent A
├── A2A → 外部 Agent B
├── MCP → 内部工具 (DB, API)
└── MCP → 数据源 (文档, 知识库)

采纳挑战

  1. 分发问题: MCP 有 Claude Desktop/Cursor 等分发渠道，A2A 零主流客户端
  2. 竞争者困境: Google 的竞争对手（OpenAI, Anthropic）不太可能采用 Google 主导的协议
  3. 质量参差: 大量 demo 级 Agent，降低了生态可信度
  4. 安全担忧: 协议层安全缺陷影响企业采纳意愿

未来展望

  • 协议共存预期（类似 REST/WebSocket/GraphQL）
  • 原生模型间通信可能最终绕过所有中间协议
  • 标准化安全机制是最紧迫的需求

相关页面