Agent2Agent Protocol

Giao thức Agent2Agent (A2A) là một tiêu chuẩn giao tiếp mở cho phép các AI agent độc lập khám phá lẫn nhau, trao đổi yêu cầu, ủy quyền công việc và trả về kết quả trên các framework, nhà cung cấp và tổ chức khác nhau. Thay vì để lộ bộ nhớ nội bộ, quá trình suy luận hoặc công cụ của agent, A2A cung cấp một giao diện chung để cộng tác. Điều này giúp A2A hữu ích khi xây dựng các hệ thống AI agent phân tán, trong đó các agent chuyên biệt cùng đóng góp vào một mục tiêu lớn hơn nhưng vẫn được triển khai và vận hành độc lập.

Cách thức hoạt động của Giao thức Agent2Agent#

Tổng quan chính thức về Giao thức A2A định nghĩa các tương tác giữa agent client, bên yêu cầu công việc và agent từ xa, bên thực hiện công việc. Giao tiếp sử dụng các giao diện dựa trên HTTP và các đối tượng giao thức có cấu trúc thay vì các thông điệp không chính thức, dành riêng cho từng ứng dụng. (a2a-protocol.org)

Một tương tác điển hình gồm các thành phần sau:

• Thẻ Agent và khả năng khám phá: Thẻ Agent là mô tả JSON về danh tính, endpoint, các tính năng được hỗ trợ, yêu cầu xác thực và kỹ năng của agent. Agent client sử dụng thẻ này để xác định agent từ xa có thể xử lý một tác vụ hay không.
• Thông điệp: Yêu cầu, chỉ dẫn, ngữ cảnh và phản hồi được biểu diễn dưới dạng thông điệp chứa văn bản, tệp hoặc dữ liệu có cấu trúc.
• Tác vụ: Tác vụ là một đơn vị công việc có trạng thái, kèm mã định danh và trạng thái hiện tại. Vòng đời tác vụ A2A được tài liệu hóa hỗ trợ các công việc có thể hoàn tất, thất bại, cần thêm thông tin đầu vào hoặc bị hủy.
• Artifact: Các đầu ra cụ thể như báo cáo, hình ảnh, video hoặc bản ghi JSON được trả về dưới dạng artifact thay vì trộn lẫn vào văn bản hội thoại.
• Truyền dữ liệu liên tục và các hoạt động bất đồng bộ: Các agent chạy lâu có thể truyền các bản cập nhật liên tục, hỗ trợ polling hoặc thông báo cho client thông qua webhook.

Định dạng yêu cầu nền tảng tuân theo đặc tả JSON-RPC 2.0, cung cấp cho các triển khai một cấu trúc nhất quán về phương thức, tham số, phản hồi và lỗi.

So sánh A2A với các công nghệ agent liên quan#

A2A giải quyết vấn đề giao tiếp giữa các agent, nhưng không định nghĩa mọi thành phần của một hệ thống agentic.

• Giao thức Model Context: MCP chủ yếu kết nối một agent với các công cụ, nguồn dữ liệu và tài nguyên. A2A kết nối một agent tự chủ với một agent khác. Hướng dẫn chính thức về A2A và MCP giải thích cách kết hợp hai giao thức này thay vì xem chúng là đối thủ cạnh tranh. (a2a-protocol.org)
• Kỹ năng Agent: Một kỹ năng đóng gói các chỉ dẫn và quy trình có thể tái sử dụng, giúp agent thực hiện công việc chuyên biệt. Thẻ Agent quảng bá các khả năng phục vụ cộng tác từ xa, trong khi Kỹ năng Agent của Ultralytics hướng dẫn các coding agent tương thích thực hiện những quy trình thị giác máy tính đã được tài liệu hóa.
• Điều phối AI agent: Việc điều phối quyết định agent nào sẽ hoạt động, theo thứ tự nào và trong những ràng buộc nào. A2A cung cấp lớp giao tiếp mà bộ điều phối có thể sử dụng.
• Gọi hàm và sử dụng công cụ: Một lời gọi hàm kích hoạt một thao tác cụ thể. Yêu cầu A2A có thể ủy quyền một mục tiêu rộng hơn để agent từ xa tự lập kế hoạch và hoàn thành.

Ứng dụng thực tế trong AI và thị giác máy tính#

Kiểm tra trong sản xuất: Một agent điều phối có thể gửi hình ảnh sản xuất cho một agent thị giác máy tính chuyên biệt. Agent đó chạy phát hiện lỗi và trả về hình ảnh đã chú thích cùng các phát hiện có cấu trúc dưới dạng artifact. Sau đó, agent điều phối có thể ủy quyền các lỗi đã xác nhận cho agent bảo trì, đồng thời chuyển các trường hợp chưa chắc chắn để con người xem xét.

Quản lý hàng tồn kho bán lẻ: Một agent vận hành cửa hàng có thể yêu cầu một agent thị giác kiểm tra hình ảnh kệ hàng, đếm sản phẩm và xác định các vị trí trống. Sau đó, agent này có thể gửi những quan sát đó cho một agent quản lý hàng tồn kho để kiểm tra hồ sơ kho và một agent thu mua để chuẩn bị yêu cầu bổ sung hàng. A2A giúp các agent này tương tác được với nhau mà không yêu cầu chúng chia sẻ model, mã nguồn hoặc ngữ cảnh nội bộ riêng tư.

Đối với các quy trình này, nhóm có thể sử dụng Ultralytics Platform để chú thích bộ dữ liệu hình ảnh, huấn luyện model, triển khai endpoint inference và giám sát dịch vụ nhận thức mà agent gọi đến.

Ví dụ về Agent Thị giác máy tính#

Quy trình dự đoán Ultralytics YOLO được tài liệu hóa sau đây thể hiện bước nhận thức bên trong một agent thị giác từ xa:

from pathlib import Path

from ultralytics import YOLO

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

# Thực hiện phân tích hình ảnh của agent từ xa
model = YOLO("yolo26n.pt")
results = model(source)

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

print(output_path)

Ở đây, Ultralytics YOLO26 thực hiện suy luận hình ảnh và tạo ảnh đã chú thích. Một máy chủ A2A có thể trả về hình ảnh đó dưới dạng artifact, đồng thời trả về riêng các phát hiện mà máy có thể đọc được. Giao thức truyền tải và theo dõi kết quả; giao thức không thay thế model thị giác.

Các cân nhắc về thiết kế và bảo mật#

Khả năng tương tác của A2A không tự động giúp hệ thống đa agent an toàn hoặc đáng tin cậy. Nhà phát triển nên xác thực Thẻ Agent, xác thực mọi bên gọi, phân quyền truy cập theo từng kỹ năng, giới hạn quyền được ủy quyền và xem đầu ra từ xa là dữ liệu đầu vào không đáng tin cậy. Hướng dẫn triển khai cho doanh nghiệp của giao thức khuyến nghị sử dụng các biện pháp kiểm soát web đã được thiết lập như HTTPS, xác thực dựa trên OAuth, phân quyền theo nguyên tắc đặc quyền tối thiểu, ghi log, tracing và tối thiểu hóa dữ liệu. (a2a-protocol.org)

Các hệ thống production cũng nên xác định thời gian chờ, chính sách thử lại, cách hủy tác vụ, các thao tác idempotent và quy trình phê duyệt của con người đối với những hành động có hệ quả đáng kể. Giám sát lỗi yêu cầu, độ trễ và tình trạng endpoint thông qua giám sát triển khai của Ultralytics Platform có thể giúp các nhóm phát hiện lỗi trong quy trình agent có tích hợp thị giác trước khi lỗi lan sang các agent đang cộng tác.