A2A：当 Agent 开始自己找人干活

✍ Miles.Ma🕐 2026-07-20📦 12.9 KB 🟢 已读 𝕏 文章列表

文章探讨了 A2A 协议如何让不同框架的 Agent 实现跨系统协作，以及 Agent 进入组织所需的六项情境信息。指出光有知识和工具不够，Agent 还需理解角色、目标、规则等动态上下文。未来组织需将人治转变为 Agent 可读的结构。

# A2A：当 Agent 开始自己找人干活 **作者**: Miles.Ma **日期**: 2026-07-19T12:22:24.000Z **来源**: [https://x.com/ma_zhenyuan/status/2078817732527853743](https://x.com/ma_zhenyuan/status/2078817732527853743) --- ![Image](/doc/3181/image/img_78aa3f463dce.jpg) 假设一家公司接入了一个新的 AI Agent。它读了全部内部知识库，翻完了过去三年的会议纪要，每一份制度文件都存进了它的上下文窗口。但它依然什么都做不了。它不知道今天该找谁。不知道哪件事最急。不知道这个季度的目标改了没有。不知道项目卡在哪个环节。不知道自己有没有权限花那笔预算。它像一个读完了员工手册、却没被拉进任何项目群的新员工。坐在工位上，等一个人来告诉它：现在，做什么。知识不等于情境。 Agent 要进入组织，光会调用工具还不够。它得先像新员工一样，看懂自己所处的位置。 # 今天的 Agent，背后都站着一个人你现在能看到的所有"Agent 干活"的故事，背后都有同一个模式。一个人同时指挥多个 Agent。把任务拆开，分下去，检查结果，再发下一步指令。这个人承担了至少四件事：目标拆解、上下文补充、任务路由、最终验收。Agent 只是执行链条里的一个调用点。即使一个组织部署了上百个 Agent，只要每次行动都在等人下命令，它们就不是同事，是工具。过去，多 Agent 协作一直被锁在同一个框架或同一家平台里。A 框架的 Agent 不认识 B 平台的 Agent，因为它们没有统一的"工作语言"。A2A 协议真正突破的，不是让 Agent 变聪明，是让不同出身、不同厂商、不同框架的 Agent 能够互相发现、委托任务和交付成果。它把"跨系统协作"这件事标准化了。 A2A 已经发布 v1.0，100 多家企业加入，Linux 基金会接管治理。技术上说，一个 Agent 已经可以找到另一个 Agent 并让它干活了。但通信协议解决不了组织问题。真正的问题不在"Agent 会不会说话"。在：拿掉这个人类接口，Agent 凭什么知道自己该干什么？ # 新员工能工作，不是因为他读了员工手册一个新人进公司，真正上手通常要三到六个月。这三到六个月不是在读书。是在建立一套情境感知。他逐渐搞清楚自己的角色：职责边界在哪里，什么归他管、什么不归他管。搞清楚组织对他的目标是什么，哪些事优先级最高、哪些事可以放一放。搞清楚规则：什么能做，什么不能碰，什么需要审批。搞清楚手里有什么资源：数据、工具、预算、可以找的人。搞清楚关系网：向谁汇报，找谁协作，出了问题找谁升级。最后，搞清楚状态：项目现在走到哪了，谁正在处理，哪里卡住了。角色、目标、规则、资源、关系、状态。六件事，没有一件能靠读知识库获得。知识库保存的是相对静态的东西：制度、文档、历史经验。但组织每天运行依赖的大量信息是动态的。目标会调整，项目会阻塞，负责人会变更，预算会消耗，权限会被收回。一个只读过知识库的 Agent，就像一个背熟了员工手册但没进过项目群的新人。它知道公司过去写过什么，却不知道今天谁在等它、哪件事最急、什么动作需要审批。一位 AI 转型观察者提出了这个视角：Agent 要真正进入组织，缺的不是更大的模型，是这六项情境信息。而恰恰这些信息，关系、目标、实时项目状态，目前几乎没有企业向 Agent 开放。企业做 AI 转型，花最多力气沉淀的是会议纪要和知识库。但知识库告诉你过去发生了什么，不告诉你此刻应该做什么。 # 三个协议，各自补上哪一块搞清楚六要素之后，Skills、MCP、A2A 各自的位置就清楚了。 Agent Skills 保存的是岗位经验。这件事按什么步骤做，验收标准是什么，有哪些模板和检查清单。它回答"怎么做"。 MCP 提供的是工具和数据入口。数据库、文件系统、业务软件、API，全部通过标准接口接入。它让 Agent 有了手和脚。回答"用什么做"。 A2A 解决的是协作。通过 Agent Card 发现同事，通过 Task 委托工作，通过 Artifact 交付成果。它让 Agent 有了嘴和耳朵。回答"找谁做"。三者拼在一起：Skills 是经验，MCP 是手脚，A2A 是组织里的协作语言。这已经是一个合格员工的能力配置。但注意，它们仍然只是能力。三者没有天然回答一个关键问题：这个员工此刻应该做什么。这里要看清 A2A 到底解决了什么、没解决什么。 A2A 的核心是 Agent Card、Task 和 Artifact 三个对象。Agent Card 让一个 Agent 在不了解对方内部模型、记忆和工具的情况下，读取它公布的能力说明，判断它是否适合接这个活。Task 是一个有完整生命周期的工单，处理中、等待输入、完成、失败、取消，这意味着 A2A 生来就支持长任务，一件活可以跑几小时甚至几天，中间状态可追踪、可恢复。Artifact 是最终的交付物。这套设计让 A2A 区别于简单的 API 调用。API 是你知道我有什么接口、直接调用我。A2A 是你只知道我能做什么、把任务和上下文交给我、我自己规划步骤、你只看结果。A2A 买的是"你来搞定"，不是"你帮我执行第 3 步"。但这恰恰也是它的边界。Agent Card 是自我声明。我怎么知道你说的是真的？Task 能追踪状态，但不能判断交付质量。Artifact 能交付文件，但不能自动验收。这些问题不在 A2A 的范围内，它们属于另一层：信任和治理。组织上下文，角色、目标、规则、资源、关系、状态，才是决定 Agent 什么时候使用这些能力的那个东西。没有这一层，Skills、MCP、A2A 就是一把好工具，握在一个不知道自己该修什么的人手里。顺便澄清一个容易混淆的点：A2A 的 Agent Card 里也有一个叫 AgentSkill 的字段，用来对外说明"我会做什么"。它是名片。Skills 规范里的 SKILL.md 是内部操作手册。同名，不是一回事。外部调用方只需要知道你能做什么，不需要知道你内部怎么做。 # 传话的人，最先被跳过一旦 Agent 能读取组织上下文，并通过 A2A 直接找到正确的 Agent 同事，人类中间接口就会被大幅压缩。两层含义。市场里：Agent 可以直接查询、询价、比较和委托专业 Agent。过去需要人工收集信息、转发需求、比价、传话的环节，Agent 自己干了。依赖公开信息整理、需求转述、人工转单、简单比价和催进度的工作，会最先被压缩。更深一层的变化，是"情境翻译"这个职能的转移。中间商的真正生意不是信息差，是情境翻译。携程就是一个标本。它的价值不是把航班和酒店列在一起。这件事任何比价网站都能做。它的价值是把用户一句模糊的人话，翻译成机器能执行的指令。用户说"我想带老人孩子去三亚过个周末，预算一万"，航司听不懂这句话，酒店也听不懂。是携程把这句模糊的人话，翻译成了舱位代码和房型 SKU，再翻译成订单和确认短信。这才是它收佣金的本钱。不是信息聚合，是情境翻译。当用户的 Agent 完整掌握了"我是谁、要去哪、预算多少、带谁去"的情境，它自己就能做这种翻译，直接和航司 Agent、酒店 Agent 谈，不需要携程坐在中间翻译。不是携程会消失。是它的利润率会从"翻译费"塌缩成"API 调用费"。前者按脑力定价，后者按流量定价。这是两种完全不同的生意。组织里：Agent 可以直接读取项目状态、寻找负责人、传递任务、同步结果。那些日常工作内容是"确认这个找谁""那个进度怎样""你的需求和他们对上了吗"的角色，正在失去存在理由。他们不创造结果，他们只是传递信息。但这里必须划一条线。A2A 解决的是通信和任务协作，它不等于 Agent 已经能自主做生意。回到上一节讲到的问题：Agent Card 是自我声明，没有内置验证机制。一个 Agent 说"我会审核发票"，谁来验证它真的会？它的准确率是多少？上次出错是什么时候？这些问题不会因为 Agent 之间能说话了就自动消失。交易还需要身份验证、信用评估、支付授权、合同、审计和争议处理。A2A 是同事之间的协作语言，不是公司之间的自动收银机。而这些缺失的环节，恰恰是新的价值洼地。 # 管理不会消失，它会换成另一副面孔传话少了，管理不会少。当多个 Agent 的目标互相冲突，谁决定优先级？Agent Card 是自我声明，谁验证它说的是真的？Agent 可以发起付款，谁定义预算和授权边界？多个 Agent 串联出错，谁验收、谁审计、谁承担责任？规则遇到例外，谁有权修改？这些问题一个都没消失。它们只是从"亲自做路由器"变成了"设计路由规则"。管理者的核心工作不再是在 Agent 之间传话和转单，而是定义目标、设置权限边界、处理例外情况、解决目标冲突、承担最终责任。市场里也一样。旧的撮合型中间商会变薄，新的信任层会长出来：身份认证、能力评测、信用评级、支付担保、争议仲裁。互联网曾经让买卖双方可以直接连接，同时又长出了搜索、平台、支付和评价体系。Agent 网络很可能重复这条路径。旧的人工撮合层变薄，机器可读的信任层变厚。所以更稳的判断不是"中间商消失"，而是中间商的价值从"我知道你不知道的"变成"我能验证他说的可信度"。靠信息差和人工转述生存的中间商会先被压缩；能提供身份、信用、验收、支付、审计和责任承担的中间层，会重新定价。 # MiniPC：一名 AI 员工的私有办公室在这个图景里，MiniPC 不是一个"跑大模型的便宜盒子"。它更适合被理解为一间 AI 员工的私有办公室。保存私有数据、岗位 Skills、协作关系图、项目状态和长期记忆。通过 MCP 使用本地语音、图片、文档和业务工具。作为本地主 Agent，通过 A2A 寻找外部专业 Agent 并委托任务。对外只开放经过授权的能力和最少的必要数据。但把端口暴露到公网，不等于拥有了一个可以做生意的 Agent。要真正对外提供服务，至少还需要认证、限流、日志、成本上限、任务隔离和人工确认。硬件参数决定它能同时跑多少东西。但商业价值取决于它能否持续完成一类可验收的任务。把一台 MiniPC 变成 ASP，不是买对配置就完了。是把一类重复工作固化成 Agent Skill，把数据和工具接成 MCP，把复杂服务包装成 A2A Agent，公布可验证的 Agent Card，补齐身份、计费和日志，然后用真实订单验证成功率。这条路比"买台机器挂平台被动赚钱"慢得多，但更接近真正能长期存在的 Agent 服务生意。一台机器上跑着完整的组织上下文。它知道自己是谁、为谁工作、能花多少钱、遇到问题找谁。这才是 MiniPC 从"本地算力"变成"Agent 节点"的关键一步。 # 未来的组织，不会只招聘人回到开头那个读完员工手册却无法工作的 Agent。读完所有文档，只是入职准备。组织还要告诉它角色、目标和边界，让它看见资源、关系与实时状态，并允许它在权限内直接寻找同事。 A2A 让 Agent 之间直接协作成为常态，也会压缩人类充当信息路由器的空间。但组织仍然需要人来决定：为什么做，做到什么程度，出了问题谁负责。这两件事不矛盾。矛盾的是，一边喊着 AI 转型，一边只给 Agent 扔了一堆文档，然后说：你自己看着办吧。未来拉开差距的，可能不是谁有更好的模型，是谁先把自己的组织改造成 Agent 能够看懂、能够参与的结构。这件事的起点不是买更多 GPU。是把你的团队里，谁负责什么、目标是什么、能调用什么资源、项目走到哪一步了，这些信息从"大家都知道"变成"系统能读到"。一句话：让组织从人治变成 Agent 可读。这件事不需要等 A2A 大规模爆发之后再做，现在就可以开始。 ## 相关链接 - [Miles.Ma](https://x.com/ma_zhenyuan) - [@ma_zhenyuan](https://x.com/ma_zhenyuan) - [49K](https://x.com/ma_zhenyuan/status/2078817732527853743/analytics) - [Upgrade to Premium](https://x.com/i/premium_sign_up) - [8:22 PM · Jul 19, 2026](https://x.com/ma_zhenyuan/status/2078817732527853743) - [49.7K Views](https://x.com/ma_zhenyuan/status/2078817732527853743/analytics) - [View quotes](https://x.com/ma_zhenyuan/status/2078817732527853743/quotes) --- *导出时间: 2026/7/20 10:05:37*

🔗 相关文档