L12 Agent 协议三剑客：MCP / A2A / NLWeb

• 难度 ⭐⭐⭐（中级）
• 预计阅读 25 分钟
• 代码量 含 A2A/MCP/NLWeb 协议示例
• 先修 L11（MCP）+ L6（多 Agent）

课程目标：理解 AI Agent 生态的三大开放协议——MCP（工具调用）、A2A（Agent 间协作）、NLWeb（自然语言 Web）——能向团队讲清楚它们各自的定位与协同方式。

一、Agent 生态的"巴别塔"问题#

L7 你已经学过 MCP，知道了"工具调用有标准"。

但你想过没有——只有工具标准够吗？

想象 2025 年的 Agent 世界：

• 你的"差旅 Agent"想订机票，要调用国航的 MCP Server（工具）

• 你的"差旅 Agent" 想订酒店，要找携程的 Agent协作——它有自己的 LLM、自己的工具（Agent 对 Agent）

• 你的"差旅 Agent" 想给用户展示酒店选项，要从酒店官网的 NLWeb 端点读取结构化数据（自然语言 Web）

这就是微软在 Agentic Protocols 里强调的：

AI Agent 生态需要三类协议——工具协议、Agent 协议、Web 协议。

这一课我们一次学会三种协议，看它们怎么拼成完整的"Agent 互联网"。

二、用一个比喻：三种协议 = 三种人类协作方式#

把 Agent 生态比作跨国公司的协作：

MCP 是手（操作工具），A2A 是嘴（沟通协作），NLWeb 是耳朵（理解外部世界）。

三者各司其职，缺一不可。

三、协议一：MCP（Model Context Protocol）#

L7 你已经学过了。简单回顾：

核心定位：把 Agent 调用外部工具这件事标准化——让工具提供方实现一次，所有 Agent 都能用。

三大原语：

• Tools：可调用的函数（get_weather、query_database）

• Resources：只读数据（文件、数据库记录）

• Prompts：预设提示词模板

架构：

┌──────────────┐    JSON-RPC 2.0    ┌──────────────┐
│  MCP Host    │ ◄────────────────► │  MCP Server  │
│ (Agent)      │   stdio/SSE/HTTP   │ (工具提供方)  │
└──────────────┘                    └──────────────┘

MCP 是 L7 的重点，这里不再展开。

四、协议二：A2A（Agent-to-Agent Protocol）#

4.1 为什么需要 A2A？#

MCP 解决了"Agent 怎么用工具"，但没解决"Agent 怎么找别的 Agent"。

想象你是携程的差旅 Agent，用户让你订"上海到夏威夷的蜜月套餐"。你自己没法搞定——你得：

1. 找国航 Agent问机票

2. 找夏威夷酒店 Agent问住宿

3. 找租车 Agent问接送

每个 Agent 都有自己的 LLM、自己的工具、自己的数据。它们不知道彼此的存在，也没法直接"通话"。

A2A 解决了这个问题——它是一套让不同 Agent 互相发现、调用、协作的协议。

4.2 A2A 的四大核心组件#

4.3 Agent Card 示例#

每个 A2A Agent 都有一张"电子名片"：

{
  "name": "AirlineAgent",
  "description": "Book flights across 50+ airlines",
  "skills": [
    {"name": "search_flights", "description": "Search available flights"},
    {"name": "book_flight", "description": "Book a specific flight"}
  ],
  "endpoint": "https://airline-agent.example.com/a2a",
  "version": "1.0",
  "capabilities": ["streaming", "push_notifications"]
}

其他 Agent 通过这张卡片发现你能干什么、怎么联系你。

4.4 A2A 调用示例#

from a2a_sdk import A2AClient

# 你的差旅 Agent 想要找机票
client = A2AClient("https://airline-agent.example.com/a2a")

# 第一步：发现 Agent 能干啥
agent_info = await client.get_card()
# → 返回上面的 Agent Card

# 第三步：把任务委托给它
artifact = await client.invoke_skill(
    skill="search_flights",
    params={"from": "PVG", "to": "HNL", "passengers": 2}
)
# → 返回结构化的"工作成果"

4.5 A2A 的三大优势#

• 跨组织协作：不同公司、不同技术栈的 Agent 能互相调用

• 模型灵活：每个 Agent 用自己的 LLM（可以用最适合自己的模型）

• 内建认证：协议层就处理了身份认证和权限

4.6 适用场景：A2A vs MCP#

A2A 是"对话式协作"，MCP 是"工具式调用"。

五、协议三：NLWeb（Natural Language Web）#

5.1 为什么需要 NLWeb？#

前两个协议解决了 Agent 之间怎么沟通。但普通网站怎么办？

现实是：99% 的网站没有给 Agent 设计 API——它们只有给人看的网页。

NLWeb 的目标是：让任何网站都能用自然语言与 Agent 对话。

5.2 NLWeb 的核心思想#

每个 NLWeb 站点都同时提供：

1. 自然语言问答接口——"找夏威夷的家庭友好酒店，要有泳池"

2. 结构化数据响应——返回 Schema.org 格式的 JSON

3. MCP Server 兼容——其他 Agent 可以通过 MCP 调用它的 ask 方法

5.3 NLWeb 架构#

┌─────────────────────────────────┐
│         NLWeb Site              │
│  ┌──────────┐    ┌──────────┐  │
│  │ 网页内容  │    │ Schema  │  │
│  │ (HTML)   │    │ .org    │  │
│  └────┬─────┘    └────┬─────┘  │
│       │ Embeddings    │        │
│       ▼               ▼        │
│  ┌─────────────────────────┐  │
│  │  向量数据库              │  │
│  │  (Qdrant/Snowflake/...) │  │
│  └─────────┬───────────────┘  │
│            │                  │
│       ┌────▼────┐             │
│       │ LLM 处理 │             │
│       └────┬────┘             │
│            │                  │
│  ┌─────────▼──────────────┐   │
│  │ NLWeb HTTP endpoint    │   │
│  │ + MCP Server (ask 方法)│     │
│  └────────────────────────┘   │
└─────────────────────────────────┘

5.4 NLWeb 调用示例#

from nlweb_sdk import NLWebClient

client = NLWebClient("https://honolulu-hotels.example.com")

# 自然语言查询
response = await client.ask(
    "Find me a family-friendly hotel with a pool for next week."
)
# → 返回结构化 JSON：
# {
#   "results": [
#     {"name": "Hilton Hawaiian Village", "price": 350, "pool": true, ...},
#     {"name": "Aulani Disney Resort", "price": 580, "pool": true, ...}
#   ]
# }

5.5 NLWeb 的革命性：每个网站都是 Agent 工具#

NLWeb 让每个网站都变成了一个 MCP Server——其他 Agent 可以直接把它当工具用：

from mcp import Client

# Agent 通过 MCP 调用任何 NLWeb 站点
async with Client("https://honolulu-hotels.example.com/mcp") as nlweb_mcp:
    result = await nlweb_mcp.call_tool(
        "ask",
        {"query": "Hotel near Waikiki with pool under $400/night"}
    )

这意味着 Agent 生态的工具池一夜之间从几百个变成了几亿个——每个网站都是潜在的工具。

六、三大协议的协同：完整的"Agent 互联网"#

6.1 一个真实的差旅场景#

用户对差旅 Agent 说："帮我订下周去檀香山的蜜月套餐，含机票+酒店+租车。"

┌────────────────────────────────────────────────────────┐
│  用户的差旅 Agent                                    │
│                                                        │
│  1. 通过 MCP 调用：                                    │
│     ├─ 天气 MCP Server（查夏威夷天气）                 │
│     └─ 货币 MCP Server（汇率换算）                     │
│                                                        │
│  2. 通过 A2A 委托：                                    │
│     ├─ 国航 Agent（订机票）                            │
│     ├─ 携程 Agent（订酒店）                            │
│     └─ Hertz Agent（租车）                             │
│                                                        │
│  3. 通过 NLWeb 读取：                                  │
│     ├─ 檀香山旅游局 NLWeb（景点推荐）                  │
│     └─ 酒店官网 NLWeb（核实房型可用性）                │
│                                                        │
│  4. 综合所有结果，返回用户                              │
└────────────────────────────────────────────────────────┘

6.2 三大协议的角色分工#

A2A 让 Agent 之间能协作，MCP 让 Agent 能用工具，NLWeb 让网站都变成 MCP 工具。

七、动手：用 Python 模拟一个 A2A 调用#

虽然真实的 A2A 还在标准化中，但可以用简单的 HTTP + JSON 模拟：

import httpx
from pydantic import BaseModel

# 模拟一个 A2A Agent 的"名片"
class AgentCard(BaseModel):
    name: str
    description: str
    skills: list[dict]
    endpoint: str

# 模拟"差旅 Agent"调用"机票 Agent"
async def book_flight_via_a2a(origin: str, dest: str, date: str):
    # 第一步：发现 Agent（现实中是 GET /card）
    airline_card = AgentCard(
        name="AirlineAgent",
        description="Book flights",
        skills=[{"name": "search_flights"}],
        endpoint="https://airline-agent.example.com/a2a"
    )

    # 第二步：调用 skill（现实中是 POST /invoke）
    async with httpx.AsyncClient() as client:
        response = await client.post(
            f"{airline_card.endpoint}/invoke",
            json={
                "skill": "search_flights",
                "params": {"origin": origin, "dest": dest, "date": date}
            }
        )
        # 返回"工作成果"（Artifact）
        return response.json()

# 使用
result = await book_flight_via_a2a("PVG", "HNL", "2026-10-15")
print(result)

八、关键要点回顾#

三者协同：MCP 是"手"，A2A 是"嘴"，NLWeb 是"耳朵"——合起来才是能独立 Agent。

九、参考资源#

• 课程章节：Agentic Protocols

• MCP 深入：参考 L7

• NLWeb 仓库：https://github.com/nlweb-ai/NLWeb

• A2A 规范（草案）：https://github.com/google/A2A

十、下一课预告#

L8 你学的是 Context Engineering——Agent 的 context window 是有限的，怎么用工程手段管理"该给 LLM 看什么、不该给什么"。

为什么重要：真实场景 Agent 一跑就是几百轮对话，context 不管理就会爆炸；context 管理的好坏直接决定 Agent 的稳定性。