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 lộ bộ nhớ nội bộ, quá trình suy luận hoặc các công cụ của một agent, A2A cung cấp một giao diện chia sẻ để cộng tác. Điều này làm cho nó hữu ích trong việc xây dựng các hệ thống AI agent phân tán, trong đó các agent chuyên biệt đóng góp vào một mục tiêu lớn hơn trong khi 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 một client agent, yêu cầu công việc, và một remote agent, thực hiện công việc đó. 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, đặc thù cho ứng dụng. (a2a-protocol.org)

Một tương tác điển hình bao gồm các thành phần sau:

• Thẻ Agent và tính năng khám phá: Thẻ Agent (Agent Card) là một mô tả JSON về danh tính, endpoint, các tính năng được hỗ trợ, yêu cầu xác thực và kỹ năng của agent. Client agent sử dụng thẻ này để xác định xem remote agent có thể xử lý một tác vụ hay không.
• Thông điệp: Các yêu cầu, hướng dẫn, bối cảnh và phản hồi được thể hiện 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 theo mã định danh và trạng thái. Vòng đời tác vụ A2A được tài liệu hóa hỗ trợ các công việc có thể hoàn thành, thất bại, yêu cầu đầu vào bổ sung hoặc bị hủy.
• Cổ vật (Artifacts): Các đầu ra cụ thể như báo cáo, hình ảnh, video hoặc bản ghi JSON được trả về dưới dạng artifact thay vì bị trộn lẫn vào văn bản hội thoại.
• Truyền phát và các hoạt động bất đồng bộ: Các agent chạy lâu dài có thể truyền phát các bản cập nhật gia tăng, hỗ trợ thăm dò (polling) hoặc thông báo cho client thông qua webhook.

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

So sánh A2A với các Công nghệ Agent liên quan#

A2A giải quyết việc giao tiếp giữa các agent, nhưng nó không định nghĩa mọi phần của một hệ thống agent.

• Model Context Protocol: MCP chủ yếu kết nối một agent với các công cụ, nguồn dữ liệu và tài nguyên. A2A kết nối một agent tự trị này với agent tự trị khác. Hướng dẫn chính thức về A2A và MCP giải thích cách hai giao thức có thể được sử dụng cùng nhau thay vì bị coi là đối thủ cạnh tranh. (a2a-protocol.org)
• Kỹ năng Agent: Một kỹ năng đóng gói các hướng dẫn và quy trình có thể tái sử dụng giúp agent thực hiện công việc chuyên môn. Thẻ Agent quảng bá các khả năng để cộng tác từ xa, trong khi Ultralytics Agent Skills hướng dẫn các coding agent tương thích thông qua các quy trình làm việc computer vision được tài liệu hóa.
• Điều phối AI agent: Việc điều phối quyết định agent nào nên hành động, theo thứ tự nào và dưới những ràng buộc nào. A2A cung cấp lớp giao tiếp mà một bộ điều phối có thể sử dụng.
• Gọi hàm và sử dụng công cụ: Một lệnh gọi hàm gọi một thao tác cụ thể. Yêu cầu A2A có thể ủy quyền một mục tiêu rộng hơn mà remote agent tự lập kế hoạch và hoàn thành.

Các ứng dụng AI và Computer Vision trong thực tế#

Kiểm tra sản xuất: Một agent điều phối có thể gửi hình ảnh sản xuất đến một agent computer vision chuyên biệt. Agent đó chạy phát hiện lỗi và trả về hình ảnh được chú thích cùng các kết quả phát hiện có cấu trúc dưới dạng artifact. Agent điều phối sau đó có thể ủy quyền các lỗi đã xác nhận cho một agent bảo trì trong khi định tuyến các trường hợp không chắc chắn để con người xem xét.

Quản lý kho hàng bán lẻ: Một agent vận hành cửa hàng có thể yêu cầu agent thị giác kiểm tra hình ảnh kệ hàng, đếm sản phẩm và xác định các khoảng trống. Sau đó, nó có thể gửi các quan sát đó cho một agent kiểm kê để kiểm tra hồ sơ kho và một agent thu mua để chuẩn bị yêu cầu bổ sung hàng. A2A giữ cho các agent này có khả năng tương tác mà không yêu cầu chúng phải chia sẻ mô hình, mã nguồn hoặc bối cảnh nội bộ riêng tư.

Đối với các quy trình làm việc này, các nhóm có thể sử dụng Ultralytics Platform để chú thích tập dữ liệu hình ảnh, huấn luyện mô hình, triển khai endpoint suy luận và giám sát dịch vụ nhận diện được gọi bởi một agent.

Ví dụ về Computer Vision Agent#

Quy trình dự đoán Ultralytics YOLO được tài liệu hóa sau đây đại diện cho bước nhận diện bên trong một remote vision agent:

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)

Ở đây, Ultralytics YOLO26 thực hiện suy luận thị giác và tạo ra một hình ảnh được chú thích. Máy chủ A2A có thể trả về hình ảnh đó dưới dạng artifact đồng thời trả về các phát hiện có thể đọc được bằng máy một cách riêng biệt. Giao thức vận chuyển và theo dõi kết quả; nó không thay thế vision model.

Các cân nhắc về thiết kế và bảo mật#

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

Các hệ thống sản xuất cũng nên xác định thời gian chờ (timeout), chính sách thử lại, hủy tác vụ, các thao tác lũy đẳng (idempotent operations) và sự chấp thuận của con người đối với các hành động quan trọng. Giám sát lỗi yêu cầu, độ trễ và tình trạng endpoint thông qua Ultralytics Platform deployment monitoring có thể giúp các nhóm xác định lỗi trong các quy trình làm việc của agent được kích hoạt thị giác trước khi chúng lan truyền qua các agent đang cộng tác.