Function Calling vs. MCP vs. A2A vs. AG-UI

一、Function Calling

传统的函数调用方式，通过预定义接口传递参数并获取返回值，适用于结构化、明确的输入输出场景。例如：调用数学计算函数 sum(a, b)，返回 a + b 的结果。

应用场景

计算服务：calculate_distance(lat1, lon1, lat2, lon2)。
数据库查询：get_user_profile(user_id)。
第三方API集成：调用支付接口 process_payment(order_id, amount)。

优缺点对比

优点：简单高效、易调试、低延迟。
缺点：无法处理上下文依赖，功能单一。

技术实现

通过RESTful API、gRPC等实现，请求-响应模式。
示例：HTTP POST请求调用云端函数。

Function Calling适用于简单、独立的任务，追求高效率和低复杂度。

二、MCP

MCP（模型上下文协议）由 Anthropic 于 2024 年底提出，旨在标准化大语言模型（LLM）与外部工具和资源的交互接口。其核心目标是通过统一的 API 和安全机制，降低 Agent 调用外部资源（如数据库、API）的适配成本，并提升安全性。MCP 标准化了 Agent 与工具（Tool）之间的通信。

核心功能
- 标准化接口：
- 提供统一 API，支持 Agent 快速接入数据库、文件系统、第三方 API 等资源。
- 例如，Agent 可通过 MCP 查询 SQL 数据库或调用支付系统完成交易。
- 安全机制：
- 通过权限控制和密钥隔离，防止越权访问和敏感信息泄露。
- MCP 作为数据访问网关，代理 API 请求，确保安全合规。
- 动态扩展性：
- 支持本地、云端或第三方平台部署，适应多样化场景。

技术特点

架构：采用 Client-Server 模式，包含 MCP Host（任务发起方）、MCP Client（通信模块）和 MCPServer（执行后端服务）。
兼容性：支持多模型（如 GPT、Claude）和多工具协同。
组件：核心概念包括资源、提示、工具和采样，确保高效交互。

应用场景

智能客服系统：查询用户订单状态，调用数据库或支付 API 实时响应。
自动化决策支持：金融领域通过 MCP 访问实时市场数据生成报告。
代码开发与调试：如 Manus 平台利用 MCP 调用 GitHub 仓库实现代码修复。
企业服务集成：阿里、腾讯等将支付、地图服务封装为 MCP 接口，供开发者使用。

优缺点对比

优点：支持复杂交互，适应动态场景。
缺点：实现复杂、维护成本高，潜在性能瓶颈。

技术实现

需要协议层设计，如：
- 在HTTP头部添加 Context-ID 标识会话。
- 使用WebSocket长连接维护实时上下文。
- 请求体中嵌入历史上下文（如OpenAI的对话式API）。

行业影响
- 生态发展：已被 Cursor、OpenAI 等采用，HuggingFace 社区贡献超 1000 个 MCPServer，覆盖数据库、图像处理等领域。
- 商业价值：推动“Tool-as-a-Service”模式，降低开发门槛，加速 AI 工具市场化。
- 效率提升：统一接口将工具适配代码量从 1000 行压缩至 10 行。

MCP需处理多步交互、长期依赖的场景，愿意为灵活性承担额外开销。

三、A2A

A2A（智能体间协议）由谷歌提出，专注于标准化 Agent 之间的协作与通信。其目标是打破 Agent 的孤立运行模式，通过统一协议实现跨平台、跨组织的高效协作。Agent2Agent 协议标准化了 Agent 与 Agent 之间的通信。

核心功能

能力发现与协商：
- 每个 Agent 拥有“AgentCard”，记录其能力（如搜索、代码编写）。
- 通过动态匹配选择最适合的 Agent 完成任务。
协作流程管理：
- 支持复杂任务分解、分配和状态同步。
- 例如，招聘流程中 HR Agent 与 IT Agent 协同完成账号开通。
用户体验优化：
- 通过 UX 协商机制，Agent 协商最佳交互方式（如对话式或卡片式 UI）。

技术特点

协议设计：基于 HTTP 的标准化通信，支持 JSON 数据交换。
注册机制：提供 Agent Protocol Registry，类似 DNS，查询 Agent 能力与接口。
跨平台兼容：支持 GPT、Claude、LangChain 等多种模型和框架。

应用场景

招聘流程自动化：HR Agent 协调简历筛选、面试安排和账号开通。
供应链管理：需求预测、库存优化和物流调度 Agent 协作优化流程。
IT 服务管理：员工请求设备时，Agent 协调库存、采购和配置。
客户支持增强：一线客服 Agent 将复杂问题转交专家 Agent 处理。
个性化学习：学习平台 Agent 协作推荐课程和跟踪进度。

行业影响

生态扩展：微软、CrewAI、LangChain 等支持 A2A，推动 Agent 生态协作。
效率提升：微软通过 A2A 将医疗行业 HIPAA 审计周期从 14 天缩短至 4 天。
去中心化：支持 P2P 架构，适用于物联网设备协作。

四、AG-UI

AG-UI（Agent User Interaction Protocol，智能体用户交互协议） 是一个开放的、轻量的、基于事件的协议，由 CopilotKit 公司发布，它通过标准 HTTP 或可选的二进制通道，以流式方式传输一系列 JSON 事件，主要用来对 AI agent 和前端应用程序的交互进行标准化。

AG-UI 为 AI agent 和前端应用程序之间搭建了一座桥梁，让这两者之间的交互更加友好，为用户带来更好体验。示意图如下：

Application：用户交互用到的应用程序（比如 chat 或其他任何 AI 应用）
AG-UI 客户端：通用的通信客户端，诸如 HttpAgent，或用于连接现有协议的专用客户端
Agent：后端用户处理用户请求并生成流式响应的 agent
Secure Proxy：能够提供额外能力或作为安全代理的后端服务

4.1 核心组件

AG-UI 的核心组件包括协议层（Protocol Layer）、标准化 HTTP 客户端（Standard HTTP Client）、消息类型（Message Type）、运行智能体（Running Agent）、状态管理（State Management）、工具交接（Tools and Handoff）以及事件（Events）。

协议层（Protocol Layer）：AG-UI 协议层主要为 agent 通信提供一个灵活的基础。协议的核心让应用程序能够运行 agent 并且接受到事件流。
标准 HTTP 客户端：
- AG-UI 提供了一个标准的 HTTP 客户端 HttpAgent，可用于连接任何支持 POST 请求的端点。该端点接收 RunAgentInput 类型的请求体，并返回 BaseEvent 对象的数据流。
- HttpAgent 支持 HTTP SSE (Server-Sent Events) 和 HTTP binary protocol 两种模式。
消息类型：AG-UI 为 agent 通信的不同方面定义了一些事件策略，主要包括：
- Lifecycle events：监控 Agent 的运行情况。Agent 的运行状态可能包含 RunStarted、StepStarted/StepFinished、RunFinished（成功）、RunError（失败）。
- Text message events：用于处理文本流式内容的事件。这些事件遵循流模式，并以增量的方式交付内容。文本消息可能以 TextMessageStart 开始，然后用 TextMessageContent 事件来交付文本，最后以 TextMessageEnd 事件结束。
- Tool call events：管理 Agent 对工具的执行。当 Agent 想要使用某个 tool 时，会触发一个 ToolCallStart 事件，随后会有 ToolCallArgs 事件，用于流式传输传递给工具的参数，最后以一个 ToolCallEnd 事件结束。
- State management events：同步 Agent 和 UI 之间的状态。协议中的状态管理采用高效的“快照-增量”模式：初始或偶尔发送完整的状态快照，而持续的变更则通过增量更新（delta）来传递。快照能够确保前端有完整的状态上下文，而 delta 最小化了需要频繁更新的数据传输。两者的有效结合，可以使前端不进行不必要数据传输的情况下，保持对 Agent 状态的准确呈现。包括的事件有 StateSnapshot 和 StateDelta。
- Special events：支持自定义功能，比如和外部系统集成。包括的事件由 Raw 和 Custom。
运行 Agent: 创建 agent 客户端实例并启用 agent。
- 状态管理：AG-UI 通过专用事件对状态进行管理，目前提供的事件有：
- STATE_SNAPSHOT：某一时刻的完整状态表示；
- STATE_DELTA：使用 JSON 补丁格式（RFC 6902）的增量状态变更；
- MESSAGES_SNAPSHOT：表示完整的对话历史；
工具和交接：AG-UI 通过标准化事件来提供 agent 之间的任务移交的和工具的使用。
事件：AG-UI 中的所有通信都是基于类型事件。每一个事件都继承自 BaseEvent，其接口如下：

interface BaseEvent {
  type: EventType
  timestamp?: number
  rawEvent?: any
}

核心功能

事件驱动通信：
- 定义五类事件：生命周期、文本信息、工具调用、状态管理和特殊事件。
- 例如，生命周期事件（RUN_STARTED/RUN_FINISHED）标记任务状态。
双向状态同步：
- 前端根据 Agent 状态动态更新 UI，如任务失败时弹出提示。
  多传输方式：
- 支持 SSE、WebSocket、Webhook 等流式通信协议。

技术特点

架构：采用中间件层，兼容 LangGraph、CrewAI 等框架，提供 TypeScript 和 Python SDK。
安全性：通过 Secure Proxy 确保通信安全。
事件类型：16 种事件支持实时交互，如 STATE_SNAPSHOT 传递完整状态。

应用场景

智能客服系统：前端实时显示 Agent 处理进度，如“正在分析问题”。
AI 编辑器：动态展示 AI 生成内容的修改过程。
多 Agent 协作平台：统一界面管理 Agent 任务状态，如招聘流程监控。
嵌入式设备交互：智能家电 App 实时反馈设备状态，如空调温度调节。

行业影响

用户体验优化：事件驱动机制减少用户等待感知。
生态闭环：与 MCP、A2A 协同，补齐 AI 应用交互环节。
标准化交互：确保不同 Agent 与前端的兼容性。

五、MCP vs A2A vs AG-UI

相比于 MCP 和 A2A，AG-UI 主要聚焦在智能体和用户（agent-user）的交互层上。它和 MCP 于 A2A 并不是竞争关系。这三者在 AI 生态中的作用不同：

AG-UI：主要处理由用户（人）参与的交互以及流式更新用户界面；
A2A：主要促进智能体（agent-to-agent）之间的通信和协作；
MCP：主要解决跨不同模型之间工具调用的标准化和上下文处理问题；

MCP 与 A2A 的协同

MCP：解决 Agent 与外部工具的交互，如调用数据库或 API。
A2A：实现 Agent 间的协作，如多个 Agent 联动完成复杂任务。
结合场景：在供应链管理中，MCP 调用物流 API，A2A 协调需求预测与库存优化。

AG-UI 的桥梁作用

AG-UI 规范 Agent 与用户界面的交互，基于 MCP 和 A2A 的功能，提供实时 UI 更新。
例如，在 AI 编辑器中，MCP 调用编辑工具，A2A 协调多个 Agent，AG-UI 展示修改进度。

行业生态影响

微软、谷歌、Anthropic 等推动协议标准化，降低开发门槛，加速 AI 落地。
三者共同支持企业级应用（如自动化招聘、智能客服），实现全流程无人化。

总结

MCP、A2A 和 AG-UI 分别从外部工具交互、Agent 间协作和用户界面交互三个层面，构建了高效、安全、可扩展的 AI 应用生态：

协议	核心角色	典型场景	行业价值
MCP	连接 Agent 与外部资源	智能客服、代码修复	降低开发成本，提升安全性
A2A	实现 Agent 间协作	招聘自动化、供应链管理	跨生态协作，提升效率
AG-UI	优化 Agent 与 UI 交互	AI 编辑器、嵌入式设备	提升用户体验，构建闭环

这三项协议通过互补协作，推动 AI 从孤立功能向生态化方向发展，覆盖从底层工具调用到用户交互的全链路需求，为智能客服、自动化办公、物联网等领域的创新提供了坚实基础。

Reference

LLM > MCP

#MCP #A2A #AG-UI

Function Calling vs. MCP vs. A2A vs. AG-UI

https://mztchaoqun.com.cn/posts/D77_FC_MCP_A2A_AG-UI/

作者

mztchaoqun

发布于

2025年6月30日

许可协议

Boltzmann Machines 上一篇

A2A 下一篇