Google Cloud Next'25大會上，Google“殺瘋了”，而與其說今年的大會是一場按部就班的發布會，不如看作是Google Cloud在全球AI軍備競賽中的一次表態。面對亞馬遜AWS和微軟Azure這兩大巨頭的擠壓，盡管手握DeepMind等頂尖AI研究力量，Google Cloud在市場份額上長期扮演著“第三名”的角色。這一次，Google似乎決心不再僅僅追隨，而是要先發制人。

Google Cloud CEOThomas Kurian和Alphabet CEO桑達爾·皮查伊在臺上反復強調的主題，是如何將AI從“可能性”轉變為企業的“生產力”。

漂亮的增長數據——Vertex AI 平臺使用量激增二十倍、超過四百萬開發者使用Gemini模型，固然能提振士氣，但數字背后，Google真正亮出的底牌是對AI Agent未來潛力的全面押注。

其中，最有野心的就是開放Agent互操作協議Agent2Agent （A2A） 。

一、從MCP到A2A：Agent間的“通用語言”之爭已經開始

在Google的A2A發布前，給AI Agent一個“通用語言”的趨勢正在形成，而主角是Anthropic的MCP。

在去年11月，Anthropic開源了“模型上下文協議” （MCP） ，該協議將大模型直接連接至數據源，核心目標是解決AI模型與數據孤島的隔離問題，通過提供統一協議替代碎片化的自定義集成。MCP使用客戶端-服務器架構，AI應用 （如Claude Desktop或IDE） 通過MCP客戶端連接到MCP服務器，前者提供數據源或工具的訪問。

簡單來說，現在企業和開發者要把不同的數據接入AI系統，都得單獨開發對接方案， 而MCP要做的，就是提供一個“通用”協議來解決這個問題。

MCP架構包含以下幾個部分：

“MCP之所以強大，部分原因在于它通過同一協議處理本地資源 （如數據庫、文件、服務） 和遠程資源 （如Slack或GitHub的API） ”當時Anthropic給出的“推薦語”如此。這個統一標準在推出之初并沒有立刻成為行業共識。但隨著最近一個月AI Agents產品的井噴，它迅速變成了目前最受認可的“標準”。

有模型從業者從接口標準化的角度看待MCP，將其類比為Mac筆記本的接口：“充電，外接顯示器以及插本地U盤什么的都用一個接口統一起來了”。人們認為該協議的核心價值在于為大模型數據集成提供了統一標準，不僅能提高開發和使用效率，還能增強大模型的實際應用能力。

而在技術上，在MCP出現之前，業界主要依賴RAG和微調等方案，以及各類Agent應用來實現數據集成，不夠統一。像Dify、Coze這些平臺，都是借助llamaindex和langchain構建，雖然這些方案能夠滿足需求，但整體來說比較零散，缺乏統一標準。

本質上，Google的A2A也是想解決這個孤島與統一的問題。

目前有大量工具在嘗試讓大家能方便地“造”出Agent，但這還遠遠不夠。企業內部很快會面臨新的“筒倉效應”：不同團隊、不同任務、使用不同框架 （如ADK、LangGraph、CrewAI等） 構建的Agent可能無法有效溝通，形成新的信息孤島。

這是Agent2Agent （A2A） 協議試圖解決的核心問題。A2A被定位為一個新型的、開放的互操作性協議，其野心在于讓任何來源、任何框架構建的AI Agent，都能夠安全地進行通信、交換信息并協調行動。例如，一個銷售部門的Agent可以無縫地調用財務部門的Agent來核實信用額度，或者一個客服Agent能夠自動觸發供應鏈Agent來查詢訂單狀態——A2A旨在為這種跨系統、跨領域的Agent協作提供一套標準化的“握手”和“對話”機制。

根據Google的介紹，A2A協議基于能力發現 （Agent通過JSON格式的“Agent Card”發布自身能力） 、任務管理 （實現任務生命周期的同步） 、協作和用戶體驗協商等關鍵原則運作，并建立在成熟的HTTP和JSON標準之上，以確保兼容性和安全性。

Google深知，標準的建立非一家之功。因此，他們將A2A作為開源項目發布，并已聯合了超過50家技術合作伙伴，包括Salesforce、SAP、ServiceNow、MongoDB、德勤等行業巨頭，共同參與協議的開發和推廣。這個陣容顯示了A2A在企業軟件領域的初步吸引力。正如ServiceNow執行副總裁喬·戴維斯所說：“這關乎打破壁壘和孤島，讓Agent真正協作。”

不過A2A的野心，可能遠不止于讓AI Agent聊天那么簡單。有評論一針見血地指出，Google試圖通過A2A解決的是一些互聯網誕生以來就存在的根本性問題：服務發現、互操作性、身份認證。這些挑戰并非AI時代獨有，想想微軟曾憑借OLE （對象連接與嵌入） 技術在桌面軟件時代構建的生態壁壘，再想想蒂姆·伯納斯-李爵士那個宏大卻未能完全實現的“語義網”夢想。

相比之下，目前業界熱議的“自動函數調用”只是解決了“Agent如何使用工具”的問題，Anthropic的MCP是這方面的一個重要標準，A2A在這個意義上對其進行了補充支持。但長期來看， A2A則試圖解決“Agent如何與Agent協作”這個更宏大、更復雜的問題 。這體現了Google在技術戰略上依然懷有的“大圖景”野心。

Google還表示，A2A的設計將支持文本、音頻、視頻等多種模態。此外，將A2A開源，邀請社區參與，既是加速標準成熟的策略，也是爭取開發者和企業認同的高明之舉。

在當天的發布后，Google并沒有“挑明”它與Anthropic的競爭，而是形容兩者是“互補”的關系。不過，仔細對比會發現這場競爭注定發生：

MCP最初的出現，就是Anthropic為了解決Agents的互通問題，只不過在Anthropic的定義里，模型能力它自己就能來解決，而Agents需要的調用工具的能力需要一個生態，這導致它其實更像傳統的 API 的思路，參與者只需要把自己的能力提供出來，至于你能不能有一個完整的自己的應用，不重要。

但Google這次的A2A，則在探索新的 AI 時代是否可以從一開始改掉 API 的模式。A2A的設想里，加入的AI Agent是有“掌握”一個自己的應用產品的可能，不像MCP可能把數據的權利都要提供出來，而是以完整Agent的形式參與一個更大的市場。

這也讓Google這次發布里的一些細節值得玩味，在Google當天宣布的合作伙伴名單中，缺少了微軟和OpenAI這樣的玩家。但OpenAI其實在前不久剛剛高調宣布接入了Anthropic的MCP。很明顯的一個判斷是，對于OpenAI這樣的野心家，MCP它可以不做，但Google這種更直接的可能統一應用生態的標準，它是想做的。

Google發布A2A的時機抓的也很準，在模型水平不斷拉平，曾經落后的Gemini早已追上OpenAI后，在制定標準這事上，Google絕對不想讓Anthropic吃掉一切。這場競爭已經開始。

二、配套A2A的更大野心：要讓AI Agent無處不在

要繁榮生態，必先降低門檻。Google為此還推出了Agent Development Kit （ADK） 。

這是一個開源的、初期以Python實現的框架，旨在極大簡化單個Agent及復雜多Agent系統的創建過程。Google宣稱，開發者僅用不到100行代碼就能構建一個功能性的Agent。

ADK的目標非常明確：鼓勵開發者和企業圍繞Google Cloud構建各式各樣的Agent——無論是用于響應客戶、編寫代碼、生成營銷文案還是優化運營流程。通過提供易用的工具，Google希望加速Agent應用的落地。當然，這也潛藏著商業目的：一個繁榮的Agent生態，自然會增加對其底層云服務的依賴和消耗，從而提振Google Cloud的收入，或許還能部分緩解投資者對生成式AI高昂成本和資本支出 （Alphabet預計今年高達750億美元） 的擔憂。

在Agent藍圖之外，Google還在加速將其能力融入實際工具，讓Agent成為可用的生產力。

其AI編程助手Code Assist也迎來了Agent化升級，核心是引入能執行多步驟復雜任務 （如根據需求文檔生成應用、自動代碼遷移） 的AI代理，并擴展支持Android Studio等環境。此舉旨在應對日益激烈的AI編程助手競爭，盡管新功能尚待發布。

同時，Google推出了Firebase Studio，一個基于云和Gemini的全棧AI工作區。目標是顯著降低AI應用開發門檻，讓開發者乃至非技術用戶也能在瀏覽器中一站式構建、發布和監控應用，從而加速AI應用的創新和普及。

通過Code Assist的深化和Firebase Studio的拓寬，Google正將Agent能力注入從專業開發到低代碼的全流程。這顯示了其完善工具與平臺、配合底層ADK與A2A協議，加速Agent戰略在Google Cloud生態落地的決心。

這一系列關鍵產品發布背后，Google深知成為標準制定者的重要性，在AI Agent走向繁榮的關鍵節點，它肯定不想讓所有AI Agents都聽Anthropic的。Google想讓AI Agents無處不在，并且要讓它們都建立在Google的生態里。