Today Google released its open source agent to agent protocol, imaginatively named A2A or Agent to Agent. Since we already see a lot of momentum behind Anthropic’s MCP (Model Context Protocol), Google claimed that A2A is complementary to MCP. They even used a heart emoji to drive home the point.

A2AA2AMCPMCPA2A is complementary to MCPA2A is complementary to MCP

Hindi ako sigurado, kaya nagsisimula ako upang makikita ng mas mataas at tingnan kung ano ang posisyon ng A2A sa agensikong universe.

Test drive A2A

Ang paggamit ng A2A ay nangangahulugan tulad ng MCP. Maaari mong i-execute ang ilang mga A2A agent/server, at pagkatapos ay ang A2A client ay maaaring i-connect sa lahat ng mga ito. Ang magandang balita ay na karaniwang hindi mo na kailangan upang i-execute ang A2A agents kasama ang A2A client.

Pumunta sa mga A2A na mga agens (server)

I spinned up ang lahat ng tatlong sample agents locally

Google ADK agent that can submit expenses reports for you
CrewAI agent that can find out generate an image
LangGraph agent that can find out the latest foreign exchange rate

Google ADK agent that can submit expenses reports for you

Google ADK agentGoogle ADK agent

CrewAI agent that can find out generate an image

CrewAI agentCrewAI agent

LangGraph agent that can find out the latest foreign exchange rate

LangGraph agentLangGraph agent

Ang paraan na ang isang A2A server ay nagpapakita sa mundo ng kanyang mga kapasidad ay sa pamamagitan ng isang "Agent Card" sa JSON format.

{ "name": "Reimbursement Agent", "description": "Ang agent na ito ay nagtatrabaho ang proseso ng pagbabayad para sa mga empleyado na ibinigay ang halaga at layunin ng pagbabayad.", "url": "http://localhost:10002/", "version": "1.0.0", "capabilities": { "streaming": true, "pushNotifications": false, "stateTransitionHistory": false }, "defaultInputModes": [ "text", "text/plain" ], "defaultOutputModes": [ "text", "text/plain" ], "skills": [ "id": "process_reimbursement", "name: "Process Reimbursement Tool", "description{

	"name": "Reimbursement Agent",

	"description": "This agent handles the reimbursement process for the employees given the amount and purpose of the reimbursement.",

	"url": "http://localhost:10002/",

	"version": "1.0.0",

	"capabilities": {

		"streaming": true,

		"pushNotifications": false,

		"stateTransitionHistory": false

	},

	"defaultInputModes": [

		"text",

		"text/plain"

	],

	"defaultOutputModes": [

		"text",

		"text/plain"

	],

	"skills": [

		{

			"id": "process_reimbursement",

			"name": "Process Reimbursement Tool",

			"description": "Helps with the reimbursement process for users given the amount and purpose of the reimbursement.",

			"tags": [

				"reimbursement"

			],

			"examples": [

				"Can you reimburse me $20 for my lunch with the clients?"

			]

		}

	]

}
 
 
I-launch ang A2A Client demo app
Let’s continue with the client. The instructions to get the demo web app working are here. https://github.com/google/A2A/tree/main/demo
https://github.com/google/A2A/tree/main/demohttps://github.com/google/A2A/tree/main/demo 
 
Kapag bumalik ang web app, maaari mong i-access ito mula sa iyong browser. Ang client ay mataas ng isang bit tulad ng Gemini AI Studio na may signature Google Material design.
 
 
URL: localhost12000
URL: localhost:12000 
 
Ang unang bagay, kailangan naming magdagdag ng lahat ng mga agente sa client sa pamamagitan ng pag-specify ang kanilang base URL. Dahil sa aking kaso ako ay nag-execute ang lahat ng mga agente locally, ang kanilang base URL ay:
 
 
 Google ADK  localhost:10002
 
 
 crewAI  localhost:10001
 
 
 LangGraph  Localhost:10000
 
 
  Google ADK  localhost:10002
 
 
 localhost:10002
 
localhost:10002
crewAI  localhost:10001
 
 
 localhost:10001
 
localhost:10001
LangGraph  Localhost:10000
 
 
 Localhost:10000
 
Localhost:10000
 sa loob ng taon na ang nakalipas 
 
Side note: sa loob ng protocol, ang katapusan na URL ay nakikita ng isang bit na ito:
https://localhost:10002/.well-known/agent.json
https://localhost:10002/.well-known/agent.json 
 
Ngayon maaari mong makita ang ang lahat ng tatlong mga agens na may koneksyon:
ang napili ng mga taga-hanga: All Three Agents
 
 
You can see the chat history dito
Mga pahinang tumuturo sa chat history
 
 
ang napili ng mga taga-hanga: All the event list 
 
ang napili ng mga taga-hanga: 
 
 
At ang lahat ng task list
ang napili ng mga taga-hanga: 
 
 
Settings ay isang mahusay na pagsusuri
ang napili ng mga taga-hanga: Settings
Test Google ADK agent para sa mga claim sa gastos
Test LangGraph para sa forex rate
 
 
Test CrewAI agent para sa paggawa ng imahe
A combo test para sa ilang mga agens
I want to see if the A2A client can use multiple agents to a single goal. Kaya ako tested kung ito ay maaaring mag-combine ang expense claim agent sa forex rate agent. at ito ay gumagana.
gamitin ang ilang mga agens upang makakuha ng isang single goal 
 
Ang aking trabaho ay ang “kumpleto para sa isang gastos para sa isang beer sa Alemanya habang sa isang negosyo trip, 5 euros, Abril 4, 2025”. Ang pag-uusap ay naglalakbay sa loob ng ilang round ng back and forth, at sa katapusan ay nakuha ang parehong halaga ng US dollars sa form ng claim.
Tulungan para sa isang gastos para sa isang beer sa Germany sa panahon ng isang negosyo, 5 euros, Abril 4, 2025 
 
 
 
Initial Observations ng A2A
Gustung-gusto ko na ang A2A ay isang purong Client-Server modelo na ang parehong maaaring i-run at i-host remotely.
 
 
Ang configuration ng mga agente ay malaki na simpleng sa lamang na itakda ang pangunahing URL, at ang "Agent Card" ay nagtatrabaho sa konteksto exchange. at maaari mong i-add at i-remove ang mga agente pagkatapos ng client ay na-launched.
 
 
Sa kasalukuyang format ng demo, ito ay medyo mahirap na malaman kung paano makipag-ugnayan ang mga agente sa ibang tao at bumuo ng mga kompleksong mga gawain.
 Ang kliyente ay nag-aalok ng bawat agente para sa iba't ibang mga gawain, kaya ito ay tulad ng pag-aalok ng ilang mga tool. 
 
Kumpara ang A2A sa MCP
Now I have tried out A2A, it is time to compare it with MCP which I wrote about earlier in this article.
this articlethis article 
 
Kapag ang parehong A2A at MCP ay nangangahulugan upang mapabuti ang pag-unlad ng sistema ng agens ng AI, sa teorya, ang mga ito ay tumutulong sa mga natagpuan na pangangailangan. A2A ay gumagana sa antas ng agens-to-agent, na nagkakahalaga sa pag-interaksyon sa pagitan ng mga independiyenteng entities, habang ang MCP ay gumagana sa antas ng LLM, na nagkakahalaga sa pag-aralan ng konteksto at mga kapasidad ng mga individual na modelo ng wika.
 
 
At magbigay ng isang pag-iisip sa kanilang pangunahing kasangkapan at mga pagkakaiba ayon sa kanilang mga protocol na dokumento:
P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P
P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P>P 
Feature
   
A2A
 MCP
Mga pahinang tumuturo sa 
 
 
Mga pahinang tumuturo sa  
A2A
Mga pahinang tumuturo sa A2A
Mga pahinang tumuturo sa  
 
 
 
ang napili ng mga taga-hanga:  
Primary Use Case
 Agent-to-agent na komunikasyon at kolaborasyon
 Magbigay ng konteksto at mga tool (external API/SDK) sa LLMs
Mga pahinang tumuturo sa 
Primary Use Case
Ang pangunahing kaso ng paggamit
 Agent-to-agent komunikasyon at kolaborasyon
Agent-to-agent komunikasyon at kolaborasyon
 Magbibigay ng konteksto at mga tool (external API/SDK) sa LLMs
Magbigay ng konteksto at mga tool (external API / SDK) sa LLMs
 Core Architecture
 Client-server (agent-to-agent)
 Client-host-server (application-LLM-external resource)
Mga pahinang tumuturo sa pagitan ng   
 
Mga pahinang tumuturo sa Core Architecture
Client-server (agent-to-agent)
Client-server (Agent-to-Agent) sa pamamagitan ng 
Client-host-server (application-LLM-external resource)
Client-host-server (application-LLM-external resource)
 ang pinakahuling ito Standard Interface
 JSON specification, Agent Card, Tasks, Messages, Artifacts
JSON-RPC 2.0, Resources, Tools, Memory, Prompts
Mga pahinang tumuturo sa  
 
Mga pahinang tumuturo sa  
 
 Specification ng JSON, Agent Card, Tasks, Messages, Artifacts
Specification ng JSON, Agent Card, Tasks, Messages, Artifacts
 JSON-RPC 2.0, Mga Resources, Tools, Memory, Prompts
JSON-RPC 2.0, Mga Resources, Tools, Memory, Prompts
 Key Features
 Multimodal, dynamic, secure collaboration, task management, capability discovery
 Modularity, security limits, reusability ng connectors, SDKs, tool discovery
Mga pahinang tumuturo sa  
 
Mga pahinang tumuturo sa  
Multimodal, dynamic, secure collaboration, task management, capability discovery
Multimodal, dynamic, safe collaboration, task management, capability discovery
 Modularity, security boundaries, reusability ng connectors, SDKs, tool discovery
Modularity, security boundaries, reusability ng connectors, SDKs, tool discovery
 Communication Protocol
 HTTP, JSON-RPC, SSE
 JSON-RPC 2.0 sa pamamagitan ng stdio, HTTP sa pamamagitan ng SSE (o streamable HTTP)
 Protokol ng Komunikasyon
Mga pahinang tumuturo sa Communication Protocol
 HTTP, JSON-RPC, SSE
HTTP, JSON-RPC, SSE
 JSON-RPC 2.0 over stdio, HTTP na may SSE (o streamable HTTP)
JSON-RPC 2.0 over stdio, HTTP na may SSE (o streamable HTTP)
 Performance Focus
 Asynchronous communication for load handling
 Efficient context management, parallel processing, caching para sa high throughput
Mga pahinang tumuturo sa pagitan ng  
 
 
 
Mga pahinang tumuturo sa  
Asynchronous communication para sa load handling
Asynchronous communication para sa load handling
 Efficient context management, parallel processing, caching para sa high throughput
Efficient context management, parallel processing, caching para sa high throughput
 Adoption & Community
 Good initial industry support, nascent ecosystem
 Substantial adoption mula sa buong industriya, mabilis na tumutulong komunidad
Mga pahinang tumuturo sa pag-ibig at kapayapaanAng pag-iisip ng mga tao & Community
 Good initial industry support, nascent ecosystem
Good initial industry support, nascent ecosystem
 Substantial adoption mula sa buong industriya, mabilis na lumaki ng komunidad
Substantial adoption mula sa buong industriya, mabilis na lumaki ng komunidad
Mga pahinang tumuturo sa Kapag ang Google ay nagpapakita na ang A2A ay isang free-to-charge protocol sa MCP, ang aking unang pagsubok ay nagpapakita na ang mga ito ay maapektuhan na naglalaro sa mga propesyonal at mga tampok. Ang parehong mga ito ay tumutulong sa mga pangangailangan ng mga developer ng application ng AI upang gamitin ang ilang mga agens at mga tool upang makakuha ng mga kompleksong mga target. Ngayon, ang parehong mga ito ay walang isang mahusay na mekanismo upang i-register at makikita ang iba pang mga agens at mga tool nang walang manual na pagkonfigurasyon.
pagkakaiba-iba sa propesyonal at mga tampok 
 
Ang MCP ay nagsisimula nang mas tumatagal at nagkakaroon ng ganap na suporta mula sa parehong komunidad ng developer at mga malaking enterprise. A2A ay napaka-mahal, ngunit ngayon ay may malakas na pagsusuri mula sa maraming mga customer ng Google Cloud enterprise.
 
 
Alam ko na ito ay isang mahusay na balita para sa mga developer, dahil magkaroon sila ng higit pa ng mga pagpipilian sa open at standard na mga protocol ng agent-agent. Only time can tell which will reign supreme, or they might even merge into a single standard. 
 
open at standard na mga protocol ng agent-agent