Agent 协议：MCP、A2A、NLWeb

本章目标与前置知识（补充讲解）

先学习工具、多 Agent。本章把三个容易混淆的问题分开：应用如何发现并调用工具？不同 Agent 服务如何交换任务？网站如何提供可检索的自然语言信息？

模型上下文协议（Model Context Protocol，MCP） 规范宿主应用与外部能力的交互； Agent 间协议（Agent-to-Agent，A2A） 组织服务之间的任务、状态和产物； NLWeb（Natural Language Web） 是把网站数据接入自然语言访问的一组实现与约定。它们解决的接口层次不同，均不自动赋予访问权限。

图：本项目重绘。客户端位于宿主应用内，服务端暴露能力，具体工具仍由程序执行；模型不直接持有服务端权限。

两份主 Notebook 是协议概念模拟

11-mcp-agent-framework.ipynb 使用本地 Python 工具函数模拟能力调用；11-a2a-agent-framework.ipynb 使用本地工作流模拟角色协作。两者没有完成真实 MCP / A2A 网络握手。实际 MCP 连接代码见本章末尾 mcp-agents 等材料。区分这些示例，才能避免把函数调用误认为协议互通测试。

原课程精读：使用智能 Agent 协议（MCP、A2A 和 NLWeb）

原课程视频：智能 Agent 协议

随着 AI Agent 的使用日益增多，对确保标准化、安全性以及支持开放创新的协议需求也在增长。本课将介绍三种旨在满足这一需求的协议——模型上下文协议（MCP）、Agent 间协议（A2A）和自然语言网页（NLWeb）。

引言

本课内容包括：

• MCP 如何允许 AI Agent 访问外部工具和数据，以完成用户任务。

• A2A 如何实现不同 AI Agent 之间的通信与协作。

• NLWeb 如何为任何网站带来自然语言界面，使 AI Agent 能够发现并与内容互动。

学习目标

• 识别 MCP、A2A 和 NLWeb 在 AI Agent 中的核心目的和优势。

• 解释 每个协议如何促进大语言模型（LLM）、工具和其他 Agent 之间的通信与互动。

• 认识到 每个协议在构建复杂 Agent 系统中所扮演的不同角色。

模型上下文协议（MCP）

模型上下文协议（MCP） 是一个开放标准，为应用程序向大语言模型（LLM）提供上下文和工具的方式提供了标准化方法。这使得 AI Agent 能够通过“通用适配器”一致地连接到不同的数据源和工具。

接下来我们将了解 MCP 的组成部分、与直接调用 API 的优势对比，以及 AI Agent 如何使用 MCP 服务器的示例。

MCP 核心组件

MCP 基于 客户端-服务器架构 ，其核心组件包括：

• 主机 是启动与 MCP 服务器连接的 LLM 应用程序（例如代码编辑器 VSCode）。

• 客户端 是主机应用内维护与服务器一对一连接的组件。

• 服务器 是提供具体功能的轻量级程序。

协议中包含三个核心基础功能，作为 MCP 服务器的能力：

• 工具 ：AI Agent 可调用的离散动作或功能。例如，天气服务可能提供“获取天气”工具，电子商务服务器可能提供“购买产品”工具。MCP 服务器在能力列表中公布每个工具的名称、描述及输入/输出格式。

• 资源 ：由 MCP 服务器提供的只读数据项或文档，客户端可按需获取。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 ：预定义的模板，提供建议的提示，以支持更复杂的工作流程。

MCP 的优势

MCP 为 AI Agent 带来了显著的优势：

• 动态工具发现 ：Agent 可以动态获取服务器提供的可用工具列表及其描述。相比传统 API 往往需要静态编码集成，且 API 变更需要更新代码，MCP 提供“一次集成”的方式，更具适应性。

• 跨 LLM 互操作性 ：MCP 可跨不同 LLM 工作，灵活切换核心模型以评估并提升性能。

• 标准化安全 ：MCP 包含标准认证方法，便于扩展对更多 MCP 服务器的访问管理，相较于管理各种传统 API 不同密钥和认证方式，简化了安全管理。

MCP 示例

图：MCP Diagram。来源：Microsoft AI Agents for Beginners，MIT。

假设用户想通过由 MCP 支持的 AI 助手预订航班。

1. 连接 ：AI 助手（MCP 客户端）连接航空公司提供的 MCP 服务器。

2. 工具发现 ：客户端询问航空公司 MCP 服务器：“有哪些可用工具？”服务器回应如“搜索航班”和“预订航班”等工具。

3. 调用工具 ：用户向 AI 助手说：“请搜索从波特兰到火奴鲁鲁的航班。”AI 助手通过其 LLM 识别需要调用“搜索航班”工具，并向 MCP 服务器传递相关参数（出发地、目的地）。

4. 执行与响应 ：MCP 服务器作为包装层，调用航空公司的内部预订 API，随后接收航班信息（如 JSON 数据）并返回给 AI 助手。

5. 后续交互 ：AI 助手展示航班选项，用户选定航班后，助手可能调用同一 MCP 服务器上的“预订航班”工具，完成预订。

Agent 间协议（A2A）

MCP 主要连接 LLM 与工具， Agent 间协议（A2A） 更进一步，实现不同 AI Agent 之间的通信与协作。A2A 将不同组织、环境和技术栈的 AI Agent 连接起来，共同完成共享任务。

我们将探讨 A2A 的组成部分和优势，并通过旅游应用示例说明其应用。

A2A 核心组件

A2A 致力于使 Agent 之间通信并协作完成用户子任务。协议中的每个组件均支持这一点：

Agent 卡

类似 MCP 服务器分享工具列表，Agent 卡包含：

• Agent 名称。
• 其完成的一般任务的 描述 。
• 具体技能列表 及描述，帮助其他 Agent（甚至人类用户）理解何时及为何调用该 Agent。
• 当前 Agent 的 端点 URL 。
• Agent 的 版本 及 功能 ，如流式响应和推送通知。

Agent 执行器

Agent 执行器负责 传递用户聊天上下文给远程 Agent ，远程 Agent 需要这些信息来理解待完成的任务。在 A2A 服务器中，Agent 通过自身的 LLM 解析请求并利用内部工具执行任务。

工件

当远程 Agent 完成请求的任务，其工作成果以工件形式创建。工件 包含 Agent 工作的结果 ， 所完成工作的描述 以及通过协议传递的 文本上下文 。工件发送后，远程 Agent 的连接关闭，直至再次需要。

事件队列

此组件用于 处理更新和消息传递 。在生产环境中尤为重要，以防任务尚未完成时 Agent 间连接被关闭，尤其是任务完成可能耗时较长。

A2A 的优势

• 增强协作 ：使来自不同厂商和平台的 Agent 能够互动、共享上下文并协作，促进传统分离系统间无缝自动化。

• 模型选择灵活性 ：每个 A2A Agent 可自主选择使用的 LLM，允许按 Agent 优化或微调模型，与某些 MCP 场景中单一 LLM 连接不同。

• 内置认证 ：认证集成于 A2A 协议中，为 Agent 交互提供强健安全框架。

A2A 示例

图：A2A Diagram。来源：Microsoft AI Agents for Beginners，MIT。

让我们扩展旅游预订场景，这次采用 A2A。

1. 用户向多 Agent 请求 ：用户与“旅游 Agent” A2A 客户端/Agent 互动，例如说：“请预订下周前往火奴鲁鲁的全程旅行，包括航班、酒店及租车。”

2. 旅游 Agent 协调 ：旅游 Agent 接收到复杂请求，利用其 LLM 推理任务，确定需要与其他专门 Agent 交互。

3. Agent 间通信 ：旅游 Agent 使用 A2A 协议连接下游 Agent，如不同公司的“航空 Agent”、“酒店 Agent”和“租车 Agent”。

4. 委托任务执行 ：旅游 Agent 将具体任务发送给这些专门 Agent（例如“查找飞往火奴鲁鲁的航班”、“预订酒店”、“租车”）。每个专门 Agent 运行自己的 LLM，使用自己工具（也可能是 MCP 服务器），完成各自的预订部分。

5. 整合响应 ：所有下游 Agent 完成任务后，旅游 Agent 汇总结果（航班详情、酒店确认、租车预订），以聊天式响应方式发送给用户。

自然语言网页（NLWeb）

网站长期以来是用户访问互联网上信息和数据的主要渠道。

下面我们将了解 NLWeb 的不同组件、优势及通过旅游应用示例展示 NLWeb 的工作方式。

NLWeb 组件

• NLWeb 应用（核心服务代码） ：处理自然语言问题的系统。它连接平台各部分生成响应。可以将其视为为网站自然语言功能提供动力的 引擎 。

• NLWeb 协议 ：网站自然语言交互的 基本规则集 。响应以 JSON 格式返回（常用 Schema.org）。其目的是为“AI 网”打造简单基础，就像 HTML 让文档在线共享成为可能。

• MCP 服务器（模型上下文协议端点） ：每个 NLWeb 配置也充当 MCP 服务器 。意味着可以 与其他 AI 系统共享工具（如“ask”方法）和数据 。实际上，使网站内容和功能可被 AI Agent 使用，让网站成为更广泛“Agent 生态系统”的一部分。

• 嵌入模型 ：用于 将网站内容转换为称为向量的数值表示（嵌入） 。这些向量以计算机可比较和搜索的方式捕捉含义。向量存储于特殊数据库，用户可选择使用的嵌入模型。

• 向量数据库（检索机制） ：存储网站内容嵌入的数据库。当有人查询时，NLWeb 检查向量数据库，快速找到最相关信息，返回按相似度排序的可能答案列表。NLWeb 支持多种向量存储系统，如 Qdrant、Snowflake、Milvus、Azure AI Search 和 Elasticsearch。

NLWeb 示例

图：NLWeb。来源：Microsoft AI Agents for Beginners，MIT。

再次考虑我们的旅游预订网站，这次由 NLWeb 驱动。

1. 数据摄取 ：旅行网站现有产品目录（如航班列表、酒店介绍、旅游套餐）用 Schema.org 格式或通过 RSS 提供。NLWeb 工具摄取这些结构化数据，生成嵌入，并存储于本地或远程向量数据库。

2. 自然语言查询（人类） ：用户访问网站，不是通过菜单导航，而是在聊天界面中输入：“帮我找一个下周在火奴鲁鲁有游泳池的适合家庭的酒店”。

3. NLWeb 处理 ：NLWeb 应用接收查询，发送查询给 LLM 进行理解，同时在其向量数据库中搜索相关酒店列表。

4. 精准结果 ：LLM 协助解读数据库搜索结果，根据“适合家庭”、“游泳池”和“火奴鲁鲁”条件甄别最佳匹配，并生成自然语言响应。关键是响应引用了网站目录中的真实酒店，避免虚构信息。

5. AI Agent 交互 ：由于 NLWeb 充当 MCP 服务器，外部 AI 旅行 Agent 亦可连接此网站的 NLWeb 实例。AI Agent 可使用 ask MCP 方法直接查询网站：ask("酒店推荐的火奴鲁鲁地区有素食友好餐厅吗？")。NLWeb 实例将处理查询，利用其餐厅信息数据库（如果加载了），并返回结构化 JSON 响应。

想了解更多关于 MCP/A2A/NLWeb 吗？

加入 Microsoft Foundry Discord ，与其他学习者交流，参加答疑时间，获得 AI Agent 相关问题的解答。

资源

• MCP 入门
• MCP 文档
• NLWeb 仓库
• Microsoft Agent Framework

三种机制怎样共同服务旅行助手（补充讲解）

宿主应用通过 MCP 客户端连接航班工具服务，先初始化并协商能力，再发现工具描述。模型输出订票参数后，宿主验证当前身份、额度与审批，才调用服务端。工具结果作为外部数据进入下一次模型调用。

如果酒店由另一家公司运营独立 Agent，可通过 A2A 的 Agent Card 发现服务能力，用任务标识跟踪提交、进行中、需要输入和结束状态。Artifact 是交付产物，例如行程文件；状态消息不是最终产物。Agent Card 是声明，不是该服务可信或可访问的证明。

NLWeb 场景中，网站将结构化内容、索引与自然语言接口连接起来，例如从餐厅信息中返回可引用的营业时间。它可以结合 MCP，但并不意味着任意网页都会自动成为安全工具。原课程 ask/MCP 案例是其实现示例；不能将 NLWeb 当成取代 HTTP 的通用协议标准。

代码与运行边界

材料	要观察的代码	外部条件
主 MCP Notebook	@tool、本地工具注册、工具结果	Foundry 模型与身份；没有真实 MCP 会话
主 A2A Notebook	工作流中货币、活动、汇总角色	Foundry；是同进程编排
mcp-agents	ClientSession、传输、初始化、list_tools / 调用	按相邻 README 安装 MCP SDK 并启动服务端
GitHub MCP 示例	服务器连接配置和允许工具	额外 GitHub 身份权限，注意旧 SDK 差异

完整源文件及依赖放在本页底部。运行真实连接时，先独立确认服务端启动并返回工具清单，再接模型。若连接失败，不应让模型“猜一个工具结果”继续。

当前协议会演进；本课程锁定的是课程提交，不等于锁定全部外部服务协议。对照 MCP 官方架构 和 A2A 官方核心概念 检查版本协商、传输与认证。这里的静态导读没有完成远程协议兼容性测试。

无账号协议推演（扩展实践）

用下面完整 Python 3.12+ 标准库脚本观察发现与执行的区别，保存为 protocol_demo.py 后运行。它是 本地字典模拟，不是 MCP 实现 。

schemas = {"exchange_rate": {"currency": "string"}}
rates = {"JPY": 0.048, "EUR": 7.8}
def call(name, args):
    if name not in schemas:
        raise ValueError("UNKNOWN_TOOL")
    if set(args) != {"currency"} or args["currency"] not in rates:
        raise ValueError("INVALID_ARGUMENTS")
    return {"rate": rates[args["currency"]], "source": "preset"}
print("发现", schemas)
print("结果", call("exchange_rate", {"currency": "JPY"}))

预期发现一个工具，再得到预设汇率 0.048。实际协议还需要消息格式、请求关联 ID、能力协商、传输、错误模型和授权；不能把这些责任省略后称为完成协议接入。

排错与自测

现象	原因	检查方法
stdio 初始化失败	子进程未启动或把普通日志写到协议 stdout	查看 stderr、启动命令与工作目录
列得出工具却不能调用	没权限、参数不符或工具被禁用	对照 schema 和服务端授权错误
A2A 一直处理中	没跟踪最终状态或事件流中断	按任务 ID 重连查询，设置截止时间
网站内容诱导泄露密钥	把外部内容当成高优先级指令	数据与系统策略隔离，执行层最小权限

练习： 一个本地 researcher() 调用 writer() 的程序属于 A2A 互操作吗？远程服务返回工具清单就能自动执行退款吗？

答案

前者只是程序内协作，除非实现了 A2A 规定的服务接口与任务语义。后者仍必须经过宿主应用的身份、范围、金额与审批验证；工具发现不等于授权。

下一章上下文工程讨论这些工具和远程结果中，究竟哪些信息应该送给模型。

原课程代码与补充材料

以下是本章实际源文件对应的阅读页。Notebook 已分解为说明、代码及原文件输出；云端示例未进行联网端到端验证。正文中的片段用于解释，运行时使用完整 Notebook 和准备篇的固定依赖。

• 11-mcp-agent-framework.ipynb
• 11-a2a-agent-framework.ipynb
• README.md
• README.md
• event-descriptions.md
• MCP_SETUP.md
• app.py
• chainlit.md
• server.py
• init.py
• event_store.py
• test_event_store.py
• client.py
• init.py
• resumable_client.py
• utils.py

本章来源

基于 英文原文 与 简体中文翻译 整理，原作者为 Microsoft 与开源贡献者，采用 MIT 许可证。本页标明“补充讲解”与“扩展实践”的内容为本项目新增。

来源提交：25b7985f3b2d · 获取日期：2026-09-14。参见版本校订记录。