AI 智能体协议：MCP, A2A 与 NLWeb

随着 AI 智能体（AI Agents）的使用日益广泛，对于确保标准化、安全性并支持开放创新的协议需求也随之增长。在本课程中，我们将涵盖旨在满足这一需求的三个协议：模型上下文协议 (Model Context Protocol, MCP)、智能体间协议 (Agent to Agent, A2A) 以及自然语言网络 (Natural Language Web, NLWeb)。

导言 (Introduction)

在本课程中，我们将涵盖：

• MCP 如何允许 AI 智能体访问外部工具和数据以完成用户任务。
• A2A 如何实现不同 AI 智能体之间的通信与协作。
• NLWeb 如何为任何网站带来自然语言接口，使 AI 智能体能够发现内容并与之交互。

学习目标 (Learning Goals)

• 识别 MCP、A2A 和 NLWeb 在 AI 智能体语境下的核心用途和优势。
• 解释 每种协议如何促进大语言模型（LLM）、工具和其他智能体之间的通信与交互。
• 认识 每种协议在构建复杂的智能体系统中所扮演的独特角色。

模型上下文协议 (Model Context Protocol)

模型上下文协议 (MCP) 是一个开放标准，它为应用程序向 LLM 提供上下文和工具提供了一种标准化方式。这实现了一个连接不同数据源和工具的“通用适配器”，使 AI 智能体能够以一致的方式进行连接。

让我们看看 MCP 的组成部分、与直接使用 API 相比的优势，以及 AI 智能体如何使用 MCP 服务器的示例。

MCP 核心组件 (MCP Core Components)

MCP 基于客户端-服务器架构 (client-server architecture) 运行，其核心组件包括：

• 宿主 (Hosts)：启动与 MCP 服务器连接的 LLM 应用程序（例如像 VSCode 这样的代码编辑器）。
• 客户端 (Clients)：宿主应用程序中维持与服务器一对一连接的组件。
• 服务器 (Servers)：暴露特定能力的轻量级程序。

协议中包含三个核心原语，即 MCP 服务器的能力：

• 工具 (Tools)：这些是 AI 智能体可以调用以执行动作的离散动作或函数。例如，天气服务可能暴露一个“获取天气”工具，或者电商服务器可能暴露一个“购买产品”工具。MCP 服务器会在其能力列表中宣告每个工具的名称、描述以及输入/输出模式（Schema）。
• 资源 (Resources)：这些是 MCP 服务器可以提供的只读数据项或文档，客户端可以按需检索。示例包括文件内容、数据库记录或日志文件。资源可以是文本（如代码或 JSON）或二进制（如图像或 PDF）。
• 提示词 (Prompts)：这些是预定义的模板，提供建议的提示语，从而支持更复杂的协作工作流。

MCP 的优势 (Benefits of MCP)

MCP 为 AI 智能体提供了显著的优势：

• 动态工具发现：智能体可以从服务器动态接收可用工具列表及其功能描述。这与传统 API 形成对比，后者通常需要针对集成进行静态编码，这意味着任何 API 更改都必须更新代码。MCP 提供了一种“一次集成”的方法，带来了更强的适应性。
• 跨 LLM 的互操作性：MCP 适用于不同的 LLM，提供了切换核心模型以评估更佳性能的灵活性。
• 标准化安全：MCP 包含标准的身份验证方法，在增加对额外 MCP 服务器的访问时提高了可扩展性。这比为各种传统 API 管理不同的密钥和身份验证类型要简单得多。

MCP 示例 (MCP Example)

想象用户想要使用由 MCP 驱动的 AI 助手预订航班。

1. 连接：AI 助手（MCP 客户端）连接到由航空公司提供的 MCP 服务器。
2. 工具发现：客户端询问航空公司的 MCP 服务器：“你有哪些可用工具？”服务器回复“搜索航班”和“预订航班”等工具。
3. 工具调用：接着你告诉 AI 助手：“请搜索从波特兰到檀香山的航班。”AI 助手利用其 LLM 识别出需要调用“搜索航班”工具，并将相关参数（出发地、目的地）传递给 MCP 服务器。
4. 执行与响应：MCP 服务器充当包装器（Wrapper），对航空公司的内部预订 API 发起实际调用。随后接收航班信息（例如 JSON 数据）并将其发回给 AI 助手。
5. 进一步交互：AI 助手展示航班选项。一旦你选择了航班，助手可能会调用同一 MCP 服务器上的“预订航班”工具，完成预订。

智能体间协议 (Agent-to-Agent Protocol / A2A)

虽然 MCP 侧重于将 LLM 连接到工具，但智能体间协议 (A2A) 更进一步，实现了不同 AI 智能体之间的通信与协作。A2A 跨越不同组织、环境和技术栈连接 AI 智能体，以完成共同任务。

我们将检查 A2A 的组件和优势，以及它如何应用于我们的旅游申请示例。

A2A 核心组件 (A2A Core Components)

A2A 专注于实现智能体之间的通信，并让他们协作完成用户的子任务。协议的每个组件都为此做出了贡献：

• 智能体卡片 (Agent Card)：类似于 MCP 服务器分享工具列表，智能体卡片包含：

1. 智能体名称。
2. 其完成的一般任务描述。
3. 带有描述的特定技能列表，帮助其他智能体（甚至人类用户）理解何时以及为何要调用该智能体。
4. 智能体当前的端点 URL (Endpoint URL)。
5. 智能体的版本和能力（如流式响应和推送通知）。

• 智能体执行器 (Agent Executor)：负责将用户聊天的上下文传递给远程智能体，远程智能体需要这些上下文来理解需要完成的任务。在 A2A 服务器中，智能体使用自己的大语言模型 (LLM) 来解析传入的请求，并使用其内部工具执行任务。
• 工件 (Artifact)：一旦远程智能体完成了请求的任务，其工作成果将作为“工件”创建。工件包含智能体工作的结论、已完成内容的描述以及通过协议发送的文本上下文。发送工件后，与远程智能体的连接将关闭，直到再次需要。
• 事件队列 (Event Queue)：该组件用于处理更新和传递消息。这在生产环境的智能体系统中尤为重要，可以防止在任务完成前（特别是任务执行时间较长时）智能体之间的连接被关闭。

A2A 的优势 (Benefits of A2A)

• 增强协作：它使来自不同供应商和平台的智能体能够交互、共享上下文并协同工作，促进了传统上断连系统之间的无缝自动化。
• 模型选择灵活性：每个 A2A 智能体可以自行决定使用哪个 LLM 来服务其请求，允许针对每个智能体使用优化或微调过的模型，这与某些 MCP 方案中单一 LLM 连接不同。
• 内置身份验证：身份验证直接集成到 A2A 协议中，为智能体交互提供了稳健的安全框架。

A2A 示例 (A2A Example)

让我们扩展旅游预订场景，但这次使用 A2A。

1. 用户向多智能体发出请求：用户与一个“旅游管家” A2A 客户端/智能体交互，例如说：“请预订下周去檀香山的整个行程，包括航班、酒店和租车。”
2. 旅游管家的编排：旅游管家接收到这个复杂的请求。它使用自己的 LLM 对任务进行推理，并确定需要与其他专业智能体交互。
3. 智能体间通信：旅游管家随后使用 A2A 协议连接到下游智能体，例如由不同公司创建的“航空公司智能体”、“酒店智能体”和“租车智能体”。
4. 委托任务执行：旅游管家向这些专业智能体发送特定任务（例如“寻找去檀香山的航班”、“预订酒店”、“租车”）。这些专业智能体各自运行自己的 LLM 并利用自己的工具（这些工具本身可以是 MCP 服务器），执行各自部分的预订。
5. 整合响应：一旦所有下游智能体完成任务，旅游管家会汇总结果（航班详情、酒店确认、租车预订），并将综合的、对话式的回复发回给用户。

自然语言网络 (Natural Language Web / NLWeb)

长期以来，网站一直是用户获取互联网信息和数据的主要方式。让我们看看 NLWeb 的不同组件、优势以及通过旅游应用看其工作原理的示例。

NLWeb 的组件 (Components of NLWeb)

• NLWeb 应用程序（核心服务代码）：处理自然语言问题的系统。它连接平台的各个部分以生成响应。你可以将其视为驱动网站自然语言功能的“引擎”。
• NLWeb 协议：这是一套用于与网站进行自然语言交互的基础规则。它以 JSON 格式（通常使用 Schema.org）返回响应。其目的是为“AI 网络”创建一个简单的基础，就像 HTML 使在线共享文档成为可能一样。
• MCP 服务器（MCP 端点）：每个 NLWeb 设置也充当 MCP 服务器。这意味着它可以与其他 AI 系统共享工具（如“ask”方法）和数据。实际上，这使得网站的内容和能力可以被 AI 智能体使用，让网站成为更广泛的“智能体生态系统”的一部分。
• 嵌入模型 (Embedding Models)：这些模型用于将网站内容转换为称为“向量 (Vectors)”（嵌入）的数值表示。这些向量以计算机可以比较和搜索的方式捕捉含义。它们存储在一个特殊的数据库中，用户可以选择他们想要使用的嵌入模型。
• 向量数据库（检索机制）：该数据库存储网站内容的嵌入。当有人提问时，NLWeb 会检查向量数据库以快速找到最相关的信息。它会给出一个按相似度排序的可能答案列表。NLWeb 支持不同的向量存储系统，如 Qdrant、Snowflake、Milvus、Azure AI Search 和 Elasticsearch。

NLWeb 示例 (NLWeb by Example)

再次考虑我们的旅游预订网站，但这次它是由 NLWeb 驱动的。

1. 数据摄取：旅游网站现有的产品目录（如航班列表、酒店描述、旅游套餐）使用 Schema.org 格式化或通过 RSS 提要加载。NLWeb 的工具摄取这些结构化数据，创建嵌入，并将其存储在本地或远程向量数据库中。
2. 自然语言查询（人类）：用户访问网站，不再通过菜单导航，而是在聊天界面输入：“帮我找一家檀香山下周适合家庭入住且带泳池的酒店”。
3. NLWeb 处理：NLWeb 应用程序接收到此查询。它将查询发送给 LLM 进行理解，同时在其向量数据库中搜索相关的酒店列表。
4. 准确的结果：LLM 帮助解读来自数据库的搜索结果，根据“适合家庭”、“泳池”和“檀香山”等标准识别出最佳匹配，然后格式化为自然语言回复。关键在于，回复引用的是网站目录中真实的酒店，避免了凭空捏造的信息。
5. AI 智能体交互：由于 NLWeb 充当 MCP 服务器，外部 AI 旅游智能体也可以连接到该网站的 NLWeb 实例。AI 智能体随后可以使用 ask 这一 MCP 方法直接查询网站：ask("酒店推荐的檀香山地区是否有素食友好型餐厅？")。NLWeb 实例将处理此请求，利用其餐厅信息数据库（如果已加载），并返回结构化的 JSON 响应。