Agent2Agent Protocol

Das Agent2Agent-Protokoll (A2A) ist ein offener Kommunikationsstandard, der es unabhängigen AI-Agenten ermöglicht, einander zu entdecken, Anfragen auszutauschen, Arbeit zu delegieren und Ergebnisse über verschiedene Frameworks, Anbieter und Organisationen hinweg zurückzugeben. Anstatt den internen Speicher, den Denkprozess oder die Tools eines Agenten offenzulegen, bietet A2A eine gemeinsame Schnittstelle für die Zusammenarbeit. Dies macht es nützlich für den Aufbau verteilter AI-Agent-Systeme, in denen spezialisierte Agenten zu einem größeren Ziel beitragen und gleichzeitig unabhängig implementiert und betrieben werden.

Wie das Agent2Agent-Protokoll funktioniert#

Die offizielle Übersicht zum A2A-Protokoll definiert Interaktionen zwischen einem Client-Agenten, der Arbeit anfordert, und einem Remote-Agenten, der diese ausführt. Die Kommunikation nutzt HTTP-basierte Schnittstellen und strukturierte Protokollobjekte anstelle von informellen, anwendungsspezifischen Nachrichten. (a2a-protocol.org)

Eine typische Interaktion umfasst diese Elemente:

• Agent Cards und Erkennung: Eine Agent Card ist eine JSON-Beschreibung der Identität, des Endpunkts, der unterstützten Funktionen, der Authentifizierungsanforderungen und der Fähigkeiten eines Agenten. Client-Agenten verwenden sie, um festzustellen, ob der Remote-Agent eine Aufgabe bewältigen kann.
• Nachrichten: Anfragen, Anweisungen, Kontext und Antworten werden als Nachrichten dargestellt, die Text, Dateien oder strukturierte Daten enthalten.
• Aufgaben: Eine Aufgabe ist eine zustandsbehaftete Arbeitseinheit mit einer Kennung und einem Status. Der dokumentierte A2A-Aufgabenlebenszyklus unterstützt Arbeit, die abgeschlossen werden kann, fehlschlägt, zusätzliche Eingaben erfordert oder abgebrochen wird.
• Artefakte: Konkrete Ausgaben wie Berichte, Bilder, Videos oder JSON-Datensätze werden als Artefakte zurückgegeben, anstatt mit dem Konversationstext vermischt zu werden.
• Streaming und asynchrone Operationen: Langlebige Agenten können inkrementelle Aktualisierungen streamen, Polling unterstützen oder Clients über Webhooks benachrichtigen.

Das zugrundeliegende Anfrageformat folgt der JSON-RPC 2.0-Spezifikation und gibt Implementierungen eine konsistente Methoden-, Parameter-, Antwort- und Fehlerstruktur vor.

A2A im Vergleich zu verwandten Agenten-Technologien#

A2A befasst sich mit der Kommunikation zwischen Agenten, definiert jedoch nicht jeden Teil eines agentenbasierten Systems.

• Model Context Protocol: MCP verbindet primär einen Agenten mit Tools, Datenquellen und Ressourcen. A2A verbindet einen autonomen Agenten mit einem anderen. Die offizielle A2A- und MCP-Anleitung erklärt, wie die beiden Protokolle zusammen verwendet werden können, anstatt als Konkurrenten behandelt zu werden. (a2a-protocol.org)
• Agent Skills: Ein Skill bündelt wiederverwendbare Anweisungen und Verfahren, die einem Agenten helfen, spezialisierte Arbeit auszuführen. Eine Agent Card bewirbt Funktionen für die Remote-Zusammenarbeit, während Ultralytics Agent Skills kompatible Coding-Agenten durch dokumentierte computer vision-Workflows leiten.
• AI-Agenten-Orchestrierung: Die Orchestrierung entscheidet, welcher Agent agieren soll, in welcher Reihenfolge und unter welchen Einschränkungen. A2A liefert die Kommunikationsschicht, die ein Orchestrator nutzen kann.
• Function calling und Tool-Nutzung: Ein Funktionsaufruf führt eine bestimmte Operation aus. Eine A2A-Anfrage kann ein umfassenderes Ziel delegieren, das der Remote-Agent eigenständig plant und abschließt.

Reale KI- und Computer-Vision-Anwendungen#

Fertigungsinspektion: Ein Koordinator-Agent kann Produktionsbilder an einen spezialisierten computer vision-Agenten senden. Dieser Agent führt eine Fehlererkennung durch und gibt kommentierte Bilder und strukturierte Ergebnisse als Artefakte zurück. Der Koordinator kann dann bestätigte Fehler an einen Wartungsagenten delegieren und unsichere Fälle zur menschlichen Überprüfung weiterleiten.

Einzelhandels-Bestandsverwaltung: Ein Filialbetriebs-Agent kann einen Vision-Agenten bitten, Regalfilder zu inspizieren, Produkte zu zählen und leere Plätze zu identifizieren. Er kann diese Beobachtungen dann an einen Bestandsagenten senden, der Bestandsaufzeichnungen prüft, und an einen Beschaffungsagenten, der eine Nachbestellung vorbereitet. A2A hält diese Agenten interoperabel, ohne dass sie Modelle, Quellcode oder privaten internen Kontext teilen müssen.

Für diese Workflows können Teams die Ultralytics Platform verwenden, um visuelle Datensätze zu annotieren, Modelle zu trainieren, Inferenz-Endpunkte bereitzustellen und den vom Agenten aufgerufenen Wahrnehmungsdienst zu überwachen.

Beispiel für einen Computer Vision-Agenten#

Der folgende dokumentierte Ultralytics YOLO Vorhersage-Workflow repräsentiert den Wahrnehmungsschritt innerhalb eines Remote-Vision-Agenten:

from pathlib import Path

from ultralytics import YOLO

source = "https://ultralytics.com/images/bus.jpg"
output_path = Path("vision_artifact.jpg")

# Perform the remote agent's visual analysis
model = YOLO("yolo26n.pt")
results = model(source)

result = results[0]
result.save(filename=str(output_path))

print(output_path)

Hier führt Ultralytics YOLO26 eine visuelle Inferenz durch und erstellt ein annotiertes Bild. Ein A2A-Server könnte dieses Bild als Artefakt zurückgeben und gleichzeitig maschinenlesbare Erkennungen liefern. Das Protokoll transportiert und verfolgt das Ergebnis; es ersetzt nicht das Vision-Modell.

Design- und Sicherheitsaspekte#

A2A-Interoperabilität macht ein Multi-Agenten-System nicht automatisch sicher oder zuverlässig. Entwickler sollten Agent Cards validieren, jeden Aufrufer authentifizieren, den Zugriff pro Skill autorisieren, delegierte Berechtigungen einschränken und Remote-Ausgaben als nicht vertrauenswürdige Eingaben behandeln. Die Implementierungsanleitung für Unternehmen des Protokolls empfiehlt etablierte Web-Kontrollen wie HTTPS, OAuth-basierte Authentifizierung, Autorisierung nach dem Prinzip der geringsten Privilegien, Protokollierung, Tracing und Datenminimierung. (a2a-protocol.org)

Produktionssysteme sollten zudem Timeouts, Wiederholungsrichtlinien, Aufgabenabbrüche, idempotente Operationen und menschliche Genehmigungen für folgenschwere Aktionen definieren. Die Überwachung von Anfragefehlern, Latenz und Endpunkt-Gesundheit durch das Ultralytics Platform Deployment-Monitoring kann Teams helfen, Fehler in visionsfähigen Agenten-Workflows zu identifizieren, bevor sie sich über kollaborierende Agenten ausbreiten.