Agent 通訊協議

一、3 秒看懂

一句話定義 為 AI Agent（智慧代理）之間提供訊息交換、任務委派、能力發現與狀態同步的標準化協議層，目標類似網際網路的 TCP/IP，讓不同廠商、不同架構的智慧代理能夠互相對話與協作。

核心價值 打破 Agent 孤島，將各廠商的“專才 Agent”組合為可動態編排的“群體智慧”，是 AI 從單點工具走向自主協作體系的關鍵基礎設施。

關鍵詞 MCP、A2A、Agent Card、Tool Use、語義互操作、多智慧代理系統、鏈上身份、鏈上結算

二、3 分鐘產業解釋

為何需要 Agent 通訊協議

現實矛盾	表現
架構碎片化	LangChain、AutoGen、CrewAI、Dify、Coze 各自定義訊息格式與工具呼叫方式，跨架構 Agent 無法直接協作。
能力孤島化	檢索型 Agent 擅長獲取資訊，程式碼生成型 Agent 擅長編寫程式，對話型 Agent 擅長互動，但三者無法動態組合成流水線。
安全黑箱	Agent 呼叫外部工具、資料來源時缺少統一的身份、權限與審計機制，企業難以合規引入。
信任缺失	一個 Agent 委派任務給另一個 Agent 後，沒有標準的任務生命週期追蹤與結果驗證方式。

當前主要協議格局（2025 年）

協議	發起方	定位	狀態
MCP（Model Context Protocol）	Anthropic（2024 年 11 月開源）	模型與工具/資料來源之間的標準連線層（Client-Server）	開源，已獲 Cursor、Replit、Sourcegraph、Block 等整合；社群持續增長
A2A（Agent-to-Agent）	Google（2025 年 4 月釋出）	Agent 間任務委派與協作協議	開源規範，SAP、Salesforce、MongoDB、Accenture 等宣佈早期支援
LangGraph / AutoGen 多 Agent 協議	LangChain / Microsoft	架構內多 Agent 編排邏輯	架構繫結，僅限本架構內 Agent 互操作，跨架構互操作有限
OpenAI Agents SDK	OpenAI（2025 年 3 月）	Agent 開發與工具整合 SDK，內建 Agent 交接（handoff）機制	開源，主要面向 OpenAI 生態，跨模型互操作有限

“鏈 cloud-chain”的含義

指鏈上（on-chain）+ 雲端端（cloud）混合架構的協議方案：

雲端端：目前主流路徑，Agent 通過 HTTP/SSE/gRPC 呼叫雲端端大型模型與工具，依賴中心化或聯邦化基礎設施。
鏈上：探索性路徑，將區塊鏈作為 Agent 身份註冊（DID）、能力發現（Agent Card 存證）、任務結算（微支付/代幣經濟）與聲譽記錄的開放底層。截至 2025 年中，公開資料未見成熟且大規模商用的“chain-cloud” Agent 通訊協議落地案例，多數仍處於概念驗證（PoC）或白皮書階段。

市場地位簡述（口徑說明）

Gartner 預測（2025 年 4 月）：到 2028 年，33% 的企業軟體將包含 Agent 能力，2024 年該比例不足 1%。（來源：Gartner《Emerging Tech: The Future of Agentic AI》）
多智慧代理系統市場（含軟體與服務）：Grand View Research 估計 2024 年全球約 50 億美元，預計 2025‑2030 年複合年增長率約 40%。（來源：Grand View Research, 2025 年 3 月更新報告）
Agent 通訊協議單獨市場規模：尚無獨立第三方資料，被視為多智慧代理基礎設施的子層，公開資料未見具體統計。

三、技術原理

3.1 協議棧分層模型

Agent 通訊協議可抽象為四層：

┌──────────────────────────────────────────┐
│          應用層（Application）              │
│  任務分解 · 多Agent協商 · 工作流編排 · 人機互動 │
├──────────────────────────────────────────┤
│          語義層（Semantic）                 │
│  能力描述 · 意圖路由 · 上下文視窗管理         │
├──────────────────────────────────────────┤
│          通訊層（Transport）                │
│  訊息格式 · 同步/非同步 · 流式推送 · 斷線恢復    │
├──────────────────────────────────────────┤
│          安全層（Security）                 │
│  身份認證 · 權限授權 · 審計日誌 · 資料主權      │
└──────────────────────────────────────────┘

3.2 MCP 技術細節

MCP 是當前整合最廣的單一協議，定義模型（通過 Host/Client）與外部工具/資料來源（Server）的標準連線。

元件	說明
Host	發起請求的 AI 應用（如 Claude Desktop、IDE）
Client	與 Server 建立 1:1 連線的協議客戶端，嵌入 Host
Server	暴露 Tools / Resources / Prompts 的能力提供方

通訊機制：

傳輸層：JSON‑RPC 2.0，預設通過 stdio 或 HTTP+SSE。
能力協商：Client 與 Server 啟動時交換 capabilities 物件，宣告支援的實驗性或穩定特性。
工具呼叫：模型輸出結構化 tool_call（含工具名和 JSON 引數）→ Client 路由至對應 Server → 返回內容或錯誤。
資源暴露：Server 可提供檔案的列表/讀取介面，模型可直接索引本地或遠端資料。

關鍵安全設計：

本地優先：Server 預設執行在使用者本地，敏感資料不離開裝置；遠端連線需顯式授權。
Schema‑driven：每個 Tool 必須附帶 JSON Schema 描述引數型別與約束，模型自主理解引數語義。
漸進式授權：Server 宣告所需權限（如檔案讀寫、網路訪問），Host 逐個徵求使用者批准，無大包大攬的授權。

已知限制：

當前為 Client‑Server 1:1 結構，原生不支援多 Agent 對等協商。
動態服務發現尚不完善，主要依賴靜態配置檔案。

3.3 A2A 技術細節

Google 的 A2A 協議專注於 Agent 之間的對等通訊與任務委派，與 MCP 形成互補。

維度	MCP	A2A
通訊物件	模型 ↔ 工具	Agent ↔ Agent
核心單元	Tool（函式呼叫）	Task（任務物件）
狀態管理	以無狀態為主	有狀態，支援任務全生命週期
發現機制	靜態配置	Agent Card（JSON 描述檔案，可通過 URL 獲取）
傳輸	JSON‑RPC，stdio/SSE	基於 HTTP/JSON，支援 SSE 推送
安全	Host 端授權	企業級認證（OAuth2、API Key 等）

A2A 核心流程：

發現：每個 Agent 釋出 agent-card.json，宣告身份、能力、身份驗證方式、任務端點。
任務建立：呼叫方 Agent 傳送 tasks/send 或 tasks/sendSubscribe 請求，附帶任務描述、輸入工件（Artifact）和上下文。
狀態流轉：任務狀態遵循 submitted → working → input-required → completed / failed / canceled 有限狀態機。
流式更新：執行方通過 SSE 持續推送中間產物（Artifacts）和狀態變更，呼叫方可即時監控。
人機協作：支援“輸入請求”狀態，Agent 可在執行中途向用戶索要額外資訊。

與 MCP 的關係：A2A 文件建議內部工具呼叫仍可使用 MCP，A2A 負責跨 Agent 的宏觀任務編排；二者是不同層面的互聯標準，而非替代關係。

3.4 鏈上層（探索性）

將區塊鏈引入 Agent 通訊協議主要為解決去信任環境下的身份、發現與結算問題：

Agent 身份：採用 W3C DID 標準 + 鏈上註冊，智慧代理擁有可驗證的去中心化識別符號。
能力發現：Agent Card 的雜湊存於智慧合約或 IPFS，通過鏈上事件實現動態註冊與吊銷。
任務結算：基於狀態通道或 Rollup 的微支付，按任務或按 API 呼叫計費；部分方案引入代幣經濟激勵優質服務。
聲譽系統：任務結果上鍊評分，形成不可篡改的聲譽記錄。

現實瓶頸：

延遲：主流公鏈的區塊確認時間（秒級至分鐘級）難以滿足 Agent 即時互動（通常要求 < 500ms）。
成本：高頻微支付造成的 Gas 成本在未規模擴容前難以商業可行。
隱私：鏈上資料公開與 Agent 處理的企業敏感資料存在衝突，需依賴零知識證明等技術，尚未成熟。

專家共識（截至 2025 年 Q2）：鏈上方案在未來 2‑3 年內仍將限於特定高價值、強審計場景（如跨組織資料交易、AI 服務市場），主流 Agent 通訊仍依賴雲端原生中心化/聯邦化基礎設施。

四、關鍵引數

4.1 協議互通性指標

引數	MCP（截至 2025 年 7 月）	A2A（2025 年 4 月規範 v0.1）
支援傳輸協議	stdio, HTTP+SSE, WebSocket（實驗性）	HTTP/1.1, SSE
訊息編碼	JSON‑RPC 2.0	JSON（遵循 OpenAPI 風格）
發現機制	無內建動態發現，靠配置檔案	Agent Card URL，支援動態發現
任務狀態機	無內建任務狀態	預定義任務狀態流轉
安全模型	Host 端使用者授權	企業級認證架構（OAuth2, OpenID Connect）
流式支援	通過 SSE 或 WebSocket	SSE 推送任務狀態與 Artifacts
社群 SDK 語言	Python, TypeScript, Java, Kotlin（C# 社群）	Python, TypeScript, Java（初期）
版本管理	通過 capabilities 協商	通過 Agent Card 版本欄位宣告

4.2 效能參考（公開資料整理）

MCP Server 呼叫延遲：本地 stdio 模式在基準測試中通常 < 10ms 開銷，遠端 SSE 模式受網路影響，典型 50‑200ms。（來源：Anthropic 官方文件及社群測試，2025 年 Q1）
A2A 任務建立延遲：規範未定義具體上限；初期原型演示中端到端任務提交到首次 Artifact 返回通常在 1‑2s，包含模型推論時間。（來源：Google A2A 官方演示，2025 年 4 月）
鏈上身份註冊耗時：取決於所選區塊鏈，以太坊 Layer 1 平均 12 秒以上，Layer 2（如 Arbitrum）約 2‑5 秒，高效能鏈（如 Solana）< 1 秒，但均伴隨波動。（來源：各鏈瀏覽器，2025 年 Q2）
鏈上微支付單筆成本：以太坊 L2 上單次狀態更新約 $0.001‑$0.01，但 Agent 高頻互動每月可產生數百萬筆，總成本仍是障礙。（來源：Dune Analytics 各 L2 平均費用，2025 年 6 月）

4.3 社群規模與採納指標

MCP GitHub 倉庫 Star：超過 25k（截至 2025 年 7 月）。
公開 MCP Server 數量：社群維護列表收錄超過 150 個（來源：github.com/modelcontextprotocol/servers）。
A2A GitHub Star：約 8k（截至 2025 年 7 月），因釋出時間較短，尚在早期增長階段。
整合 A2A 的企業數量：Google公佈初期合作伙伴 30+，包括 SAP、SAP、Salesforce、Cohere、MongoDB 等。（來源：Google Cloud Blog, 2025 年 4 月）

五、技術路線

5.1 MCP 路線

2024 年 Q4：Anthropic 釋出 MCP 開源規範及 Python/TypeScript SDK，首批 Server 覆蓋檔案系統、GitHub、Puppeteer 等。
2025 年 H1：
- 引入 streamable HTTP 傳輸（替代 SSE 的獨立 HTTP），改進斷線重連。
- 新增 Sampling（伺服器請求模型生成）和 Elicitation（人機互動模式）草案。
- 社群湧現“MCP 閘道器”、“MCP 市場”等工具，實現多 Server 聚合。
展望 2025‑2026：官方討論中的特性包括動態服務發現、多 Client 協同、Agent 對等模式，但尚未進入正式路線圖。（來源：MCP 規範討論區，2025 年 7 月）

5.2 A2A 路線

2025 年 Q2：釋出 v0.1 規範，聚焦任務生命週期、Agent Card、基礎流式更新、OAuth2 認證。
計劃：
- 形式化 Agent 能力描述模式（skill ontology）。
- 引入任務組合模式（子任務委派、並行執行）。
- 新增推送通知（webhook）以支援無 SSE 環境。
- 探索與 MCP 的深度互操作（使用 MCP 工具執行 A2A 子任務）。（來源：A2A GitHub 倉庫 roadmap，2025 年 6 月更新）

5.3 鏈上路線（探索）

2024‑2025 年：幾個 PoC 專案（如多數基於以太坊和 Solana 的 Agent 經濟實驗）實現 DID 註冊和基本服務發現。
聯盟鏈路徑：部分方案採用 Hyperledger Fabric 或企業級 BFT 鏈降低延遲、限制訪問，犧牲無許可性換取效能。
中期可能：鏈上方案更可能以“錨定層”形式出現，關鍵操作（身份、結算）上鍊，高頻通訊走鏈下通道。
標準化努力：IEEE、W3C 社群組內有論文討論“Agent DID 方法”和“可信任務證明”，但尚無統一標準。（來源：W3C CCG 會議紀要，2025 年 Q1）

六、上游

Agent 通訊協議的上游包括支撐 Agent 執行的模型、算力、雲端基礎設施和資料來源：

模型提供商

國際：OpenAI（GPT‑4o、o3）、Anthropic（Claude 3.5/4）、Google（Gemini 2.0）、Meta（Llama 3）、Mistral 等。
中國：阿里（通義千問）、百度（文心一言）、位元組（豆包）、DeepSeek、智譜（GLM‑4）等。截至 2025 年，上述廠商多通過 Function Calling / Tool Use 能力支援標準化的工具呼叫介面，但尚未在 Agent 通訊層做統一適配，多數依賴架構或 MCP 社群 Server。

推論與算力晶片

NVIDIA（A100/H100/B100 及後續）、AMD（MI300X）、Intel（Gaudi）等，以及雲端推論服務提供商如 Together AI、Fireworks。
中國國產替代：華為昇騰 910B、寒武紀 MLU370 等。算力供給直接影響 Agent 響應延遲與併發能力，間接影響通訊協議中超時、重試策略設計。

雲端廠商

AWS、Azure、GCP、阿里雲端、騰訊雲端提供模型推論 API、容器編排（Kubernetes）、訊息佇列和 SSE 閘道器等通訊基礎設施，是雲端端 Agent 部署的預設選擇。
對 Agent 協議的直接影響：雲端廠商支援的傳輸協議（HTTP/2、gRPC、WebSocket）和鑑權體系（IAM、OAuth2）決定了協議選型邊界。

資料與工具源

企業軟體（SAP、Salesforce、ServiceNow）提供的 API 將成為 Agent 工具的主要來源，要求協議層能夠統一描述異構 API。
資料庫/資料倉儲（Snowflake、Databricks、Pinecone）和知識圖譜也通過 MCP Server 等接入。

七、下游

Agent 通訊協議的下游涉及所有需要多 Agent 協作的業務場景與垂直行業：

企業自動化與智慧代理平台

智慧客服：前端對話 Agent 與後臺訂單、退款工具 Agent 協作；
軟體開發生命週期：需求分析 Agent、程式碼生成 Agent、測試 Agent、運維 Agent 形成持續交付流水線；
商務智慧：資料查詢 Agent 聯合報告生成 Agent，自動產出商業洞察。

垂直行業

金融：研究報告生成（資料抓取 + 財務分析 + 合規稽核多個 Agent），需強審計與權限管理。
醫療：輔助診斷 Agent 與病歷分析 Agent、知識庫 Agent 聯合，需嚴格資料隱私和授權。
工業運維：感測器資料 Agent 與故障診斷 Agent、工單 Agent 協作，要求低延遲和高可靠。
法律/合規：法律檢索 Agent 與文書草擬 Agent、合規審查 Agent 配合，依賴標準任務狀態追蹤。

消費與娛樂

個人助理：跨日曆、郵件、購物 Agent 的任務委派與彙總。
遊戲與虛擬世界：NPC 作為獨立 Agent，通過通訊協議感知環境、交易物品、協作敘事。

協議的影響 標準化協議使下游應用廠商無需自造互通層，可專注垂直業務邏輯；同時，第三方可建置“Agent 中介軟體”（閘道器、市場、監控）服務於通用需求。

八、受益公司

以下分類整理截至 2025 年中公開資訊，僅陳述事實，不構成任何投資或商業建議。

國際企業

公司	在 Agent 通訊協議中的角色	關鍵動態
Anthropic	MCP 發起者、核心維護者	2024.11 開源 MCP，深度整合 Claude 系列模型與 Claude Desktop；2025 年推動 MCP 社群生態。
Google	A2A 發起者，Google雲端與 Android 生態繫結	2025.04 釋出 A2A 開源規範；宣佈與 SAP、Salesforce 等合作；Agent Development Kit（ADK）整合 A2A。
Microsoft	AutoGen 架構及 Copilot Studio 平台	AutoGen 支援多 Agent 複雜對話，但跨架構互操作仍舊有限；Azure 支援 MCP Server 部署。
OpenAI	Agents SDK 及模型層	2025.03 釋出 Agents SDK，支援 Agent 交接（handoff）與 Guardrails；未直接提出獨立通訊協議，依賴 SDK 繫結。
LangChain	LangGraph 多 Agent 編排及 MCP 工具整合	提供 MCP Client/Server 介面卡，促進 LangGraph Agent 通過 MCP 呼叫外部工具。
ServiceNow / Salesforce / SAP	企業工作流與 Agent 平台	各自推出 Agent 平台（如 Salesforce Agentforce），並宣佈支援 A2A 實現跨平台互通。

中國企業及機構

阿里巴巴 / 螞蟻：通義系列及螞蟻的 Agent 架構；2025 年公開資料未見明確 Agent 通訊協議推出，但內部技術中包含了多 Agent 編排能力。
百度：文心智慧代理平台支援外掛生態與工作流編排，主要面向自有生態，未釋出公開互操作協議。
字節跳動 / 豆包：豆包支援 Function Calling，釦子（Coze）平台具備多 Agent 編排，但協議僅限於平台內部。
華為：盤古大型模型及企業級 Agent 方案，2025 年公開資料未見獨立 Agent 通訊協議。
獨立團隊/創業公司：如 Dify、FastGPT 等提供 Agent 編排前端，逐步整合 MCP 或自定義工具介面，但體量較小。

受益邏輯：上游模型廠商受益於協議標準化帶來的 Agent 使用率提升；協議制定者佔據生態控制點；工具/中介軟體開發商收穫新的市場空間；企業軟體廠商通過採用通用協議降低整合成本。

九、市場規模

9.1 多智慧代理系統市場（Agentic AI 軟體系統）

全球市場：Grand View Research 估算 2024 年約 50 億美元，預計 2030 年約 318 億美元，CAGR 約 36.5%（2025‑2030）。（來源：Grand View Research, “Multi‑Agent Systems Market”, 2025 年 3 月釋出）
中國市場：公開資料未見獨立第三方統計，但根據 IDC 2025 年《中國 AI 軟體市場追蹤》中 Agentic AI 相關子市場（含 RPA 進化、低程式碼 Agent 平台）推算 2024 年約 40‑50 億人民幣，後續增速或將高於全球平均。（來源：IDC 中國, 2025 年 5 月）

9.2 Agent 通訊協議直接市場（基礎設施層）

獨立市場規模：尚無機構給出獨立統計，因其屬於多智慧代理系統的使能層，營收通常隱含在 Agent 平台、雲端服務或工具訂閱中。
可參考指標：API 整合平台獲利（如 Kong，MuleSoft 等）與協議相關服務營收，但無法剝離 Agent 通訊協議貢獻。
間接營收機會：授權/認證、企業級協議支援服務、安全閘道器和合規套件等。（來源：公開資料未見具體數值，此為基礎推斷）

9.3 鏈上 Agent 協議市場

除部分實驗性專案的代幣市值外，未形成具備參考意義的營收規模。
若將鏈上身份與結算視為一種微支付基礎設施，可參考 Web3 中 AI 服務市場（如 SingularityNET）的整體代幣估值作為情緒指標，但基本面薄弱。

十、玩家對比

10.1 協議方案多維對比

維度	MCP	A2A	LangGraph 多 Agent	AutoGen	Agents SDK (OpenAI)
核心定位	模型‑工具連線	Agent‑Agent 任務委派	架構內 Agent 編排	架構內對話式多 Agent	架構內 Agent 交接
標準化程度	開源規範，獨立於模型	開源規範，獨立於模型	繫結 LangChain 生態	繫結 AutoGen 庫	繫結 OpenAI API 生態
跨架構互操作	強（任何模型/應用）	強（任何語言/平台）	弱（僅架構內）	弱（僅架構內）	弱（僅 OpenAI Agent）
任務有狀態管理	無內建	有	有（通過圖狀態）	有	有限
發現機制	無動態	Agent Card	架構內註冊	架構內配置	架構內路由
企業安全特性	使用者授權	OAuth2/OpenID	依賴宿主應用	依賴宿主應用	API Key/組織級別
社群支援	高	中（上升中）	中	中	高（開發者數量多）
鏈上支撐	無	無	無	無	無

10.2 各路線主要風險與優勢

MCP：先發優勢、整合面廣，但缺少 Agent 對等與任務監控原語，長期可能需擴充套件或與 A2A 協同。
A2A：企業基因，完備的任務模型，但尚需獲得實質性跨平台部署量，社群規模遠小於 MCP。
架構內方案：實現快，易最佳化，但天然鎖定使用者，無法成為行業通用層。
鏈上方案：去信任優勢，但效能與成本問題暫無突破。

十一、風險

11.1 標準碎片化

MCP 與 A2A 定位互補但存在交集，若各自演進，可能導致協議叢林，增加開發者適配成本；此外，中國可能出現與國際互不相容的自有標準，造成市場割裂。

11.2 安全與權限放大

Agent 通訊意味著一個 Agent 可代替使用者委派任務給另一 Agent 並傳遞敏感資料，授權邊界一旦模糊，容易出現權限放大攻擊、資料洩露。MCP 與 A2A 的安全模型仍在早期迭代，大規模企業部署缺乏充足的實戰檢驗。

11.3 依賴模型能力

Agent 通訊協議的效率高度依賴底層模型對結構化指令（tool_call、task 描述）的理解能力與遵循能力。低質量模型可能產生錯誤路由、錯誤的權限請求或任務表述歧義，導致協作失敗。

11.4 鏈上方案不成熟

效能（延遲、吞吐）與成本是現階段主要瓶頸；監管不確定性（加密資產結算的合規性）疊加智慧合約安全風險，使鏈上 Agent 通訊協議難以進入主流企業視野。

11.5 監管與合規

跨組織 Agent 任務執行若涉及跨境資料傳輸、隱私法（如 GDPR、《個人資訊保護法》），標準化協議需要內建合規檢測與審計能力，目前規範均未覆蓋。

11.6 商業模式未明

開源協議的直接變現困難，主要玩家可能轉向提供企業版（託管閘道器、安全合規套件）、認證服務或雲端市場抽傭；小微企業管理不易形成規模獲利。

十二、誤讀糾偏

誤讀 1：“MCP 和 A2A 就是新的 TCP/IP，已經贏了” 當前協議仍處早期（MCP 釋出不足一年，A2A 剛剛釋出），遠未達到全行業收斂。TCP/IP 歷經 10 年以上才統一網際網路，Agent 通訊協議至少還需 3‑5 年激烈競爭與演化。

誤讀 2：“有了標準協議，任何 Agent 都能隨意組合” 協議只是語法層互通；語義互操作（例如“生成報告”這個意圖在兩個 Agent 間有完全相同含義）仍需領域本體、評估機制和合約保障，目前遠未解決。

誤讀 3：“鏈上協議能完全解決信任問題” 鏈上只能保證資料不可篡改與操作可審計，無法保證 Agent 任務執行質量或上下游資料的真實性；“上鍊”不改變“垃圾進垃圾出”的本質。

誤讀 4：“Agent 通訊主要是個技術問題” 它也是商業和生態問題：控制協議的企業將獲得生態定義權和資料流樞紐地位，競爭激烈度不亞於技術競賽。

誤讀 5：“2025 年企業就能無縫接入多 Agent 協作” 目前協議落地以開發者預覽和夥伴試點為主，大部分企業缺乏人才、測試基礎設施和組織流程，規模化部署預計在 2027 年後才可能起步。

十三、最新事件

以下事件截至 2025 年 7 月，按時間倒序排列，來源為官方部落格、行業媒體或 GitHub 釋出記錄。

2025 年 7 月：MCP 社群釋出多個新的高質量 Server，覆蓋 Notion、Linear、Salesforce 等，並出現首個支援 A2A‑MCP 互操作的閘道器原型。
2025 年 5 月：Google 更新 A2A 規範 v0.2 草案，增加多輪協商和人類介入（human‑in‑the‑loop）模式；社群貢獻者提交 Java SDK。
2025 年 4 月：Google 正式釋出 A2A 開源規範及首批介面卡；MCP 官方釋出 Streamable HTTP 傳輸模式預覽。
2025 年 3 月：OpenAI 釋出 Agents SDK，內建 Agent 交接、追蹤和 Guardrails；Anthropic 宣佈 MCP 接入 GitHub Copilot 與多家第三方 IDE。
2025 年 1 月：CrewAI 整合 MCP 工具能力；LangChain 推出 MCP 介面卡穩定版。
2024 年 11 月：Anthropic 開源 MCP，開啟 Agent 通訊協議元年。

中國方面，2025 年上半年未觀察到企業或機構公開發布對標 MCP/A2A 的通用 Agent 通訊協議標準；部分企業內部在研發階段。

十四、追蹤指標

協議採納指標（月度/季度追蹤）

GitHub Star、Fork 數、Open Issue/PR 活躍度。
官方倉庫收錄的 Server（MCP）或 Agent Card（A2A）數量。
各主流 AI 架構（LangChain、AutoGen、CrewAI、Dify）對協議的整合方式與版本。
公共演示與 Hackathon 專案數量。

商業化指標

宣佈支援協議的企業數量及型別（科技巨頭、垂直 SaaS、傳統企業）。
雲端廠商推出託管協議閘道器或 Agent 市場的時間點。
相關初創公司融資事件與金額（如 MCP 閘道器、A2A 代理服務等）。

技術與效能指標

各協議規範的版本更新頻率與新功能（如動態發現、人機互動）。
第三方基準測試：跨協議任務完成延遲、成功率、安全性審計結果。
鏈上方案：效能基準（TPS、確認時間）、成本（單次互動）、鏈上活躍 Agent 數量。

生態合作指標

跨協議互操作性實驗（例如 A2A 任務下使用 MCP 工具）。
標準組織（如 IEEE、ISO、W3C）相關工作組進展。
區域性規範檔案（如中國信通院關於 Agent 互操作的白皮書或標準立項）。

十五、信源

Anthropic, “Introducing the Model Context Protocol”, 2024‑11‑25, anthropic.com/news/model-context-protocol
Google Cloud, “Announcing the Agent-to-Agent Protocol (A2A)”, 2025‑04‑09, cloud.google.com/blog
MCP 規範文件：modelcontextprotocol.io
A2A 規範 GitHub：github.com/google/A2A
Grand View Research, “Multi‑Agent Systems Market Size, Share & Trends Analysis Report”, 2025‑03
Gartner, “Emerging Tech: The Future of Agentic AI”, 2025‑04
IDC 中國, 《中國 AI 軟體市場追蹤報告》, 2025‑05
OpenAI, “Introducing the Agents SDK”, 2025‑03‑11, openai.com/index
LangChain Blog, “MCP Integration”, 2025‑01‑15, blog.langchain.dev
W3C Credentials Community Group, 會議紀要與 DID 討論, 2025 Q1, w3.org
GitHub 倉庫 star 與貢獻資料, 截至 2025‑07‑25
各 L2 費用資料, Dune Analytics, 2025‑06
公開區塊鏈瀏覽器（Etherscan, Solscan 等）, 訪問於 2025‑07

注：以上信源均為公開發布的報告、官方部落格與程式碼倉庫，所有數字與陳述均基於可查證的公開資訊。對未明確記載的資料統一標註“公開資料未見”。