A2A 與 MCP 差在哪裡?為什麼 AI 代理之間的通訊需要獨立的協定,又為什麼只有 A2A 加入了 gRPC?
為什麼 AI 代理之間的通訊不能只靠 MCP?本文從三點說明:AI 代理能夠拒絕請求、能夠用 Agent Card 公開自己的能力、能夠回報任務狀態,而這三點都不在 MCP 的核心協定裡。最後再解析為什麼 A2A v1.0 提供了 gRPC,MCP 卻仍守著 HTTP。

本頁目錄
引言
「想讓 AI 代理彼此協作,用 MCP 接起來不就好了嗎?」
隨著 AI 代理的開發越來越熱門,很多人都會碰到這個疑問。MCP(Model Context Protocol)正逐漸成為工具整合的標準,但同時也出現了另一份規格:由 Google 提出的 A2A(Agent-to-Agent)協定。
先講結論:兩者負責的範圍不同。MCP 是 AI 代理的「手和眼」,A2A 則是它的「嘴」。給工具用的協定沒辦法取代給 AI 代理用的協定,因為工具無法拒絕請求,AI 代理卻可以。本文將以 A2A v1.0 與 MCP 2026-07-28 版規格為準,依序回答三個問題:
- 為什麼需要兩個協定?
- MCP 到底缺了什麼?
- 為什麼 A2A 加入了 gRPC,MCP 卻仍守著 HTTP?
A2A 與 MCP 各自負責的範圍
| MCP | A2A | |
|---|---|---|
| 全名 | Model Context Protocol | Agent-to-Agent Protocol |
| 負責範圍 | AI 代理 ↔ 工具/資料來源 | AI 代理 ↔ AI 代理 |
| 關係 | 客戶端-伺服器(主從) | 對等、雙向 |
| 典型操作 | tools/call、resources/read | SendMessage、GetTask |
| 提出者 | Anthropic |
一句話總結:MCP 是 AI 代理的「手和眼」(使用工具、讀取資料),而 A2A 是 AI 代理的「嘴」(與其他 AI 代理對話與協商)。
具體例子:物流與庫存管理
下圖是跨組織整合 AI 代理的一個例子。
只有 A2A 連線跨越企業邊界,兩邊的 AI 代理都不會存取對方的工具。
- 庫存 AI 代理透過 MCP 查詢庫存資料庫,判斷出「商品 X 只剩 10 個,需要補貨」
- 庫存 AI 代理透過 A2A 向配送 AI 代理提出請求:「要把 500 個商品 X 送到 A 倉庫,明天送得到嗎?」
- 配送 AI 代理透過 MCP 呼叫 GPS API 與路線最佳化工具,確認有沒有可以配送的空檔
- 配送 AI 代理透過 A2A 回覆:「明天 14:00 可送達,已指派 B-12 貨車」
工具操作(MCP)與 AI 代理之間的協商(A2A),角色分得很清楚。
為什麼光靠 MCP 撐不起 AI 代理之間的通訊?
「把對方的 AI 代理註冊成 MCP 工具不就好了?」會這樣想很自然,但這個做法有幾個根本性的問題。
1. 沒有對等關係
MCP 採用客戶端-伺服器模型。一邊是客戶端(呼叫方),另一邊是伺服器(被呼叫方)。
AI 代理會自主判斷。把 AI 代理當成工具、讓它處於從屬地位,等於讓對方失去了自主性,其中也包括說出「這種條件我無法接受」的能力。
A2A 則把拒絕的能力寫進了協定。TASK_STATE_REJECTED 是任務的終止狀態,代表 AI 代理決定不執行這項任務。AI 代理可以在任務建立時就拒絕,也可以在處理到一半、判斷自己無法或不願繼續時才拒絕。
MCP 沒有對應的機制。2026-07-28 版規格把請求的方向講得更明白:伺服器不會主動送出 JSON-RPC 請求,被呼叫的一方永遠只負責回答。JSON-RPC 是用 JSON 描述「要呼叫哪個方法、帶哪些參數」的遠端呼叫格式。
2. 缺乏「能力發現」的機制
MCP 可以公開工具 schema(輸入與輸出的型別定義),但光靠工具 schema,還不足以表達 AI 代理的能力、政策以及當前狀態。
A2A 則使用 Agent Card 機制:每個 AI 代理把自己的能力與政策公開在 /.well-known/agent-card.json。這樣一來,呼叫方在送出請求之前,就能得知對方能做什麼、願意在什麼條件下接下工作。
3. 不擅長非同步管理長時間的任務
MCP 的核心協定採用請求-回應模式。像「配送安排中,三小時後確認」這種長時間的工作,要交給 Tasks 擴充功能處理,而且這個擴充功能預設不啟用。啟用之後,伺服器不會直接回傳結果,而是先回傳一個任務控制代碼,客戶端需要再用 tasks/get 輪詢,或訂閱狀態通知。
A2A 則把任務放進了核心協定。任務的狀態分成三類:
- 進行中:
TASK_STATE_SUBMITTED→TASK_STATE_WORKING - 暫停:
TASK_STATE_INPUT_REQUIRED(AI 代理要求補充資訊)、TASK_STATE_AUTH_REQUIRED(AI 代理等待認證),之後都會回到TASK_STATE_WORKING - 終止狀態:
TASK_STATE_COMPLETED、TASK_STATE_FAILED、TASK_STATE_CANCELED、TASK_STATE_REJECTED
進度可以透過 SSE 串流、Webhook 推播通知或輪詢取得。SSE(Server-Sent Events)讓伺服器能透過一條 HTTP 連線持續推送事件給客戶端。
圖中的狀態名稱省略了 TASK_STATE_ 前綴。四個終止狀態中,只有 REJECTED 代表 AI 代理自己決定拒絕這項工作。
4. 不適合處理跨組織的認證與信任
跨越組織邊界時,AI 代理之間需要驗證彼此的身分,並協商權限。MCP 的授權機制採用 OAuth 2.1 流程,只適用於 HTTP 傳輸,而且是選用的。這套機制的設計前提,是客戶端代表資源擁有者去呼叫伺服器。
A2A 則把認證要求寫在 Agent Card 裡。Agent Card 的 securitySchemes 欄位會宣告這個 AI 代理要求哪些認證方式:API 金鑰、HTTP 認證、OAuth 2、OpenID Connect 或雙向 TLS。這樣一來,呼叫端的 AI 代理在送出第一個請求之前,就已經知道對方組織的規則是什麼。
傳輸方式的選擇:A2A 與 MCP 在 gRPC 上分道揚鑣
兩個協定一開始都是在 HTTP 上使用 JSON-RPC 2.0,並用 SSE 做串流。
A2A 在 v0.3 加入了 gRPC 繫結。繫結是指同一份協定實際在網路上傳輸時採用的格式,而 gRPC 是 Google 開發的遠端呼叫框架,透過 HTTP/2 傳送二進位訊息。到了 v1.0,A2A 更把 Protocol Buffers 定義訂為正式的資料模型,每一種繫結都必須能完整承載這個資料模型。
MCP 則走了相反的方向:2026 年的路線圖寫著「we are not adding more official transports this cycle」(這個週期不再新增官方傳輸方式)。路線圖也說明了原因:把傳輸方式維持在少數幾種,是基於設計原則刻意做出的決定。這個週期的重心則放在讓伺服器不必保存狀態,也能水平擴充。
| MCP(2026-07-28) | A2A(v1.0) | |
|---|---|---|
| 訊息格式 | JSON-RPC 2.0 | Protocol Buffers 資料模型,以 JSON-RPC 2.0、gRPC 或 HTTP+JSON 承載 |
| 本機通訊 | stdio(標準輸入輸出) | —(以跨組織為前提) |
| 遠端通訊 | Streamable HTTP:每則訊息是一個 HTTP POST,回應為 JSON 或 SSE 串流 | HTTP 上的 JSON-RPC、HTTP+JSON(REST)或 gRPC |
| gRPC | 不是官方傳輸方式。SEP-1352(規格改進提案)提議加入 gRPC,目前只能當成自訂傳輸使用 | 自 v0.3 起為可選繫結 |
為什麼 gRPC 不是跨組織通訊的預設選項?
A2A 主要用在跨組織通訊,前提條件和企業內部 LAN 上的微服務通訊不一樣。
| 技術 | 不是預設選項的理由 |
|---|---|
| gRPC | 無法從瀏覽器直接呼叫。與防火牆和代理伺服器的相容性不如 HTTP |
| WebSocket(在客戶端與伺服器之間維持一條雙向長連線的協定) | 容易被企業代理伺服器切斷。長連線會消耗伺服器資源。在負載平衡器上的路由很複雜。斷線後還要處理重新連線 |
A2A v1.0 公開了一份正式的 a2a.proto,這樣兩個組織就不必再自行協調 proto 定義。不過 gRPC 無法從瀏覽器直接呼叫、不易穿過防火牆與代理伺服器的問題依然存在。
A2A 如何在保留 HTTP 的同時提供 gRPC?
Agent Card 會在 supportedInterfaces 裡列出 AI 代理支援的每一種繫結。每個項目都寫明 protocolBinding(JSONRPC、GRPC 或 HTTP+JSON)與 URL。如果雙方都支援 gRPC,客戶端就用 gRPC,否則就用 HTTP。
| HTTP 的優點 | 說明 |
|---|---|
| 基礎設施相容性 | 企業的防火牆、代理伺服器與負載平衡器早就是照著 HTTP 建起來的 |
| 生態系 | OAuth 認證、速率限制、稽核日誌、API Gateway 等成熟工具可以直接沿用 |
| 可發現性 | Agent Card 可以用 HTTP GET 從 /.well-known/agent-card.json 取得 |
| 可擴充性 | 無狀態,每個請求都帶有處理所需的全部資訊,因此容易水平擴充 |
| 串流 | SSE 能做到即時通知,而且可以穿過代理伺服器 |
A2A 在設計上最優先考量的,是把跨組織的互通性最大化,而要做到這一點,HTTP 是門檻最低的選擇。不論最後是用哪一種繫結,最一開始的 Agent Card 本身都是透過 HTTP 取得的。
在單一組織內部、雙方都掌控網路的情況下,AI 代理可以在 JSON-RPC 之外一併公開 gRPC,讓支援 gRPC 的客戶端改用速度更快的 gRPC 連線。
總結
| 面向 | MCP | A2A |
|---|---|---|
| 角色 | AI 代理存取工具/資料 | AI 代理之間通訊與協商 |
| 關係 | 主從(客戶端 → 伺服器) | 對等(雙向),而且可以拒絕任務 |
| 傳輸 | Streamable HTTP / stdio;gRPC 只能當成自訂傳輸 | JSON-RPC、HTTP+JSON 或 gRPC,列在 Agent Card 中 |
| 能力發現 | 工具 schema(輸入/輸出型別) | Agent Card(/.well-known/agent-card.json) |
| 訊息格式 | JSON-RPC 2.0 | Protocol Buffers 資料模型;JSON-RPC 繫結使用 JSON-RPC 2.0 |
| 長時間工作 | Tasks 擴充功能(預設不啟用) | 任務生命週期內建於核心協定 |
- MCP 與 A2A 是互補而非競爭關係。如果 MCP 是 AI 代理的「手和眼」,A2A 就是它的「嘴」
- AI 代理不是工具。正因為它會自主判斷,才需要一套有別於工具協定(MCP)的 AI 代理協定(A2A)
- HTTP 是確保相容性的基礎,A2A 則為了速度另外提供 gRPC 作為選項。MCP 目前仍沒有把 gRPC 列為官方傳輸方式
設計多 AI 代理系統時,重點在於需要把「每個 AI 代理用 MCP 接哪些工具」和「哪些 AI 代理之間用 A2A 整合」分開來思考。



