智能体协议：MCP、A2A 与 NLWeb

这篇适合谁，读完能做什么

适合已经用过大模型、想弄清智能体怎么连接工具、数据、其他智能体和网站的读者。读完你应该能说清 MCP、A2A、NLWeb 各自解决哪一段连接问题，并能为一个具体场景选对协议。^[1]

三个协议各管哪一段

智能体要做事，通常要碰到三类对象：工具和数据、另一个智能体、网站上的内容。MCP、A2A 和 NLWeb 分别对应这三种连接。^[1]

MCP（Model Context Protocol，模型上下文协议）是一个开放标准，让应用用统一的方式向大模型提供上下文和工具。它像一个「通用转接头」，智能体可以用同样的方式连接不同的数据源和工具。^[1]

A2A（Agent-to-Agent，智能体对智能体协议）负责智能体之间的通信与协作。它可以把不同机构、不同环境、不同技术栈的智能体连在一起，共同完成一项任务。^[1]

NLWeb（Natural Language Web，自然语言网络）让网站本身支持自然语言交互，智能体可以发现并访问网站上的内容。^[1]

MCP：让模型接上工具和数据

MCP 采用客户端—服务器架构，有三个角色。宿主（host）是大模型应用，比如 VSCode 这样的代码编辑器，它负责启动到 MCP 服务器的连接。客户端（client）是宿主里的组件，与每个服务器保持一对一的连接。服务器（server）是轻量的程序，对外暴露特定的能力。^[1]

服务器提供三类能力原语：工具（tools）、资源（resources）和提示模板（prompts）。工具是智能体可以调用的离散动作或函数，比如天气服务的「获取天气」。服务器会在能力列表中公布每个工具的名称、描述，以及输入输出的 schema。资源是只读的数据，如文件内容、数据库记录或日志，可以是文本，也可以是图片或 PDF 这类二进制内容。提示模板是预先写好的提示，用于更复杂的工作流。^[1]

MCP 对智能体有三点好处。^[1]

动态发现工具：智能体可以从服务器实时拿到可用工具的列表和说明。传统 API 集成通常要写死代码，接口一变就得改代码；MCP 主张「集成一次」。^[1]
跨模型通用：MCP 可以配合不同的大模型使用，换一个模型来比较效果更灵活。^[1]
统一的安全认证：MCP 包含标准的认证方法，比分别管理多个传统 API 的密钥和认证方式更省事。^[1]

订机票的例子

机票预订的例子能看清 MCP 的工作流程：^[1]

AI 助手作为 MCP 客户端，连接到航空公司提供的 MCP 服务器。
助手问服务器有哪些工具，服务器回答有「搜索航班」和「预订航班」等工具。
用户说要查从波特兰到檀香山的航班。模型判断应调用「搜索航班」，把出发地和目的地作为参数传过去。
MCP 服务器作为包装层，调用航空公司内部的预订接口，把 JSON 格式的航班信息返回给助手。
用户选定航班后，助手可以在同一个服务器上调用「预订航班」完成订票。^[1]

A2A：让智能体之间协作

MCP 解决的是大模型连接工具，A2A 解决的是智能体彼此协作。^[1]

A2A 有几个主要组件：^[1]

Agent Card（智能体名片）：类似 MCP 服务器的工具列表，写明智能体的名字、能完成的通用任务、一组带描述的技能、当前的端点地址，以及版本和能力，比如是否支持流式返回和推送通知。其他智能体或人据此判断什么时候该调用它。
Agent Executor（执行器）：把用户对话的上下文传给远端智能体，让它理解要完成的任务。
Artifact（产物）：远端智能体完成任务后，成果以 artifact 的形式返回，包含结果、已完成内容的描述和文本上下文。发送之后，连接会关闭，需要时再重新建立。
事件队列（Event Queue）：处理更新和消息。对于耗时较长的任务，它能防止智能体之间的连接在任务完成前被关掉。

A2A 的好处有三点：不同厂商、不同平台的智能体可以互相交流、共享上下文；每个 A2A 智能体可以自己选择用哪个大模型；认证直接集成在协议里。^[1]

旅行规划的例子

用户对一个「旅行智能体」说，下周去檀香山，要订机票、酒店和租车。旅行智能体用自己的大模型判断需要分派任务，于是通过 A2A 连接「航空公司智能体」「酒店智能体」和「租车智能体」，它们分别由不同公司开发。每个下游智能体用自己的模型和工具完成那一部分，其中的工具本身也可以是 MCP 服务器。最后，旅行智能体把机票、酒店确认和租车结果汇总，用聊天的方式回复用户。^[1]

NLWeb：让网站能用自然语言回答

NLWeb 由几个部分组成：^[1]

NLWeb 应用：核心服务代码，负责处理自然语言问题，并连接平台的各个部分。可以把它理解为网站自然语言功能背后的引擎。
NLWeb 协议：一套基本规则，用于网站上的自然语言交互。它返回 JSON 格式的结果，常用 Schema.org 描述。
MCP 服务器：每个 NLWeb 部署同时也是一个 MCP 服务器，可以把 ask 之类的方法和数据共享给其他 AI 系统。
嵌入模型（embedding）：把网站内容转换成能表示语义的向量，便于比较和检索。使用者可以选择用哪种嵌入模型。
向量数据库：存放内容的向量，查询时快速找出最相关的内容，并按相似度排序。NLWeb 支持 Qdrant、Snowflake、Milvus、Azure AI Search 和 Elasticsearch 等向量存储。

网站内容可以来自 Schema.org 标记的结构化数据，或 RSS 订阅。NLWeb 的工具读入这些数据，生成向量，存入本地或远程的向量数据库。^[1]

假设一个旅行网站有机票列表、酒店介绍和旅游线路。访客在聊天框里输入：想找一家适合家庭、带泳池的檀香山酒店。NLWeb 一边把问题交给大模型理解，一边在向量数据库中检索。大模型再根据「家庭」「泳池」「檀香山」等条件，从网站真实的酒店目录中挑出最合适的几家，组织成自然语言回答。回答指向的是目录里真实存在的酒店，不会凭空编造。^[1]

外部智能体也能接入同一个站点。NLWeb 本身是 MCP 服务器，外部旅行智能体可以连上去，调用 ask 方法，询问「这家酒店推荐的檀香山地区素食餐厅有哪些」，拿到结构化的 JSON 回复。^[1]