今天凌晨，微软在官网宣布Azure AI Foundry和Microsoft Copilot Studio两大开发平台，支持最新的Agent开发协议A2A。
这也是微软支持MCP后又一关键动作，并且会与谷歌合作一起开发扩大A2A协议，这对于智能体赛道来说意义重大。因为智能体在使用A2A、MCP协议之后，可以打破数据、开发模式、通信交互、操作环境等诸多壁垒，轻松构建超大规模的复杂智能体自动化流程。
简单来说，现阶段的智能体相当于战国时代，每家的技术、数据格式、开发方法都不一样。而A2A+MCP可以像秦始皇那样改写这一局面，统一货币、度量衡推动智能体从分散走向融合，极大提升开发、自动化效率。
关于微软对智能体的大动作，微软CEO Satya Nadella给出了高度评价，像 A2A和 MCP这样的开放协议是实现智能体网络的关键。随着 Copilot Studio和 Azure AI Foundry开始支持 A2A，客户将能够构建从设计上就具备互操作性的智能体系统。
网友表示，这可是重大举措。微软入局 A2A和 MCP意味着智能体网络不再是纸上谈兵——现在已经到了实战阶段。真期待看到后续的发展！
像A2A和 MCP这样的标准化协议，是实现可扩展的AI协作的支柱。
智能体是未来，而互操作性是关键。
毫无疑问，像A2A和 MCP这样的开放协议正在改变智能体网络的格局。随着 Copilot Studio和 Azure AI Foundry对 A2A 的支持，客户能够无缝地创建具有互操作性的智能体系统。
很高兴看到微软采用了实现智能体互操作性的开放协议。A2A和 MCP将成为智能体网络的重要基石。
微软为什么要支持A2A、MCP
根据微软公布的开发数据显示，目前，有超过7万家企业和数字原生公司，例如，Atomicwork、Epic、富士通、Gainsight、H&R Block和LG电子等，通过Azure AI Foundry开发平台来开发、定制、管理智能体和AI应用。
仅4个月，超过1万家组织采用新的Agent Service 构建、部署和扩展智能体系统；超过23万家组织，包括90%的财富500强企业，都使用了Microsoft Copilot Studio来开发AI、智能体应用。
所以，微软在智能体开发、应用方面拥有丰富的实战经验，也是目前全球最大的智能体开发平台之一，深知智能体无法互通带来的很多痛点。
但随着越来越多企业希望开发复杂的智能体来扩大自动化范围，这种弊端就被无限放大。而A2A、MCP可以很好的来解决，帮助智能体实现跨平台、操作系统、数据，简化开发流程。
什么是A2A、MCP
A2A是谷歌在今年4月“Google Cloud Next 25”大会上开源的一种专门面向智能体的交互协议，全称为“Agent 2 Agent”使智能体能够相互协作，无论底层框架或供应商是什么。
例如，一家跨国制造企业为满足复杂的业务需求，采用了多样化的企业平台和服务。SAP 系统被应用于企业资源规划，高效整合财务、供应链、生产等核心业务流程；
Slack为企业内部沟通协作的重要工具，各部门员工借此实现即时信息传递与项目协同；Oracle 数据库则用于海量生产数据和业务数据的存储、管理与分析工作。
现在想通过一个智能体将SAP、Slack、Oracle的简单操作流程实现自动化。以前这些平台上的智能体无法自由通信。现在通过A2A协议，这些企业平台可以安全、自由地自动化交互数据。
目前，已经有微软、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG等50多家全球顶级企业加入了该协议。
MCP协议则是由大模型平台 Anthropic在去年11月推出，全称为“Model Context Protocol”，主要用途是为大型语言模型与外部数据源、工具及服务提供统一的通信框架。
MCP定义了一种通用格式，让AI模型可以像调用函数一样，调度搜索引擎、数据库、计算器、代码执行器，甚至其他模型或API服务。通过MCP协议，AI应用能够轻松引入外部服务、功能，或者调取更多数据，从而拥有更丰富的能力。
MCP还有很多开发优势：请求和返回数据采用JSON格式，保证了兼容性；能够无缝配合Function Call机制，让AI具备调用外部API的能力；
可以解耦AI和业务逻辑，AI不需要硬编码API逻辑，只需要根据Function Call选择合适的MCP方法，从而提升开发效率。
简单来说，可以把MCP看成大模型领域的“USB接口”，可以直接插拔各种应用而无需关心底层逻辑。
A2A示例
为了推动A2A协议的发展，微软也参与了开源库的开发。例如，由于目前缺少现成的A2A封装库，开发人员做集成很困难，微软就利用 A2A 代码库的示例代码，让 Semantic Kernel 智能体融入 A2A 生态，提供了清晰、简单的集成示例。
在这个示例中，主要有几个关键部分。SemanticKernelTravelManager 就像一个总指挥，接收用户的请求，然后根据请求的内容，把任务分配给合适的专业智能体。比如遇到和货币有关的问题，就交给Currency ExchangeAgent；和行程活动有关的，就交给 Activity PlannerAgent。
Currency ExchangeAgent 负责处理货币相关事务，整合了像 Frankfurter API 这样的外部工具，能提供实时汇率，帮助用户做预算和财务规划。Activity PlannerAgent 则根据用户的偏好和预算，给出个性化的旅行行程建议，还能帮忙预订活动和安排景点。
整体自动化流程：当用户向 TravelManager 提交请求，比如 “规划一个预算友好型旅行，包含货币换算”，TravelManager会分析需求，发现涉及货币问题，就调用 Currency ExchangeAgent。
Currency ExchangeAgent从Frankfurter API 获取汇率信息，之后Activity PlannerAgent 根据预算给出合适的旅行建议。最后，TravelManager 把这些信息汇总，生成完整的旅行计划返回给用户。
在整个自动化过程中，还有几个重要机制。任务路由和委派方面，TravelManager 能根据上下文和自动函数调用功能，智能地把任务分配给插件式的专业智能体。智能体通过发现机制，可以帮助每个智能体通过 “Agent Card” 展示自己的能力，这样其他智能体就能快速找到合适的伙伴完成任务。
本文素材来源微软，如有侵权请联系删除
END
