芯耀
117
作者：小傅哥，博客：https://bugstack.cn
chatgpt（22年）-> LLM 进阶（23年）-> MCP 协议（24年）-> Skils 技能（25年）-> A2A 标准（25年），这几年 AI 发展的非常迅速，定义了协议，开发了组件，发布了产品。每个阶段，都有非常牛皮的代表性的内容，车速非常快，不知道在坐的各位有没有掉队。
针对这些 LLM 大模型的相关知识，小傅哥也分别提供了相关实战类项目，包括；AI 问答助手（23年）、OpenAi(ChatGPT/ChatGLM) 微服务应用体系构（23年）、OpenAI 代码自动评审组件（24年）、AI Agent 智能体 - 拖拉拽（25年）、AI MCP Gateway 网关服务系统（25年）、AI Agent 脚手架 + 场景应用（26年），通过这些实战项目，实践各类标准协议和技术组件（spring ai、google adk...）的使用，以及提供非常出色的解决方案。
我也检索过很多a2a资料，大部分都没有运行起来，都是理论。这也是很多伙伴学习时候困惑的地方。另外后续的 ai agent 智能体项目，还会涉及到 a2a 协议，所以先给大家做个相关技术的使用方便大家快速实践理解。
文末提供了20个实战项目（6个AI、5个业务、8个组件、1套源码），以及各类编程技术小册等。欢迎一起加入学习。
一、A2A 是什么？
A2A (Agent2Agent) 协议是 Google于2025年4月推出、并由 Linux基金会托管的开源开放标准。它作为AI智能体之间的“通用语言”，旨在实现不同框架、不同厂商构建的智能体（Agent）间跨平台发现、通信与协作。
随后25年底，Google 发布了 a2a adk 组件（迭代速度很快）。之后借助代理开发工具包 (Google ADK)，我们可以构建复杂的多代理系统，其中不同的代理需要使用代理对代理 (A2A) 协议进行协作和交互！本节提供了一个全面的指南，指导您构建强大的多代理系统，使代理能够安全高效地进行通信和协作。
框架：https://google.github.io/adk-docs/a2a/
源码：https://github.com/google/adk-java
资料：https://www.ibm.com/cn-zh/think/topics/agent2agent-protocol
文档：https://a2aprotocol.ai/docs/
整套智能体架构（含A2A）；
- 左侧，是 LLM 模型智能体构建，基于 Spring AI 框架实现。这部分包括，AiApi 使用、RAG、MCP、Skills 的组合构建。右侧，是 AI Agent 智能体编排，基于 Google ADK 框架实现。这套框架，提供了智能体工作流组装，插件回调钩子等各项基于 Google 发布的协议进行构建的。之后，右上方，是 Google ADK 26年基于 A2A 协议实现的框架组件，方便我们设计出远程的 A2A 服务对接，把远程服务，转换为本地功能组件，编排进智能体中。因此 A2A 协议的作用，就是让一个远程的智能体，可以像构建本地智能体一样，连接起来进行使用。
基于 a2a 的协议，也有很多三方框架，但我们需要的是一个整体的解决方案，单一一个功能，还不能解决所有问题。所以这里优先选择 google adk 框架。
二、实践案例
1. 编程环境
- jdk 17google adk 0.8spring ai 1.1.0-M3
相关的版本包，已经在测试工程中的 pom 里引入了。可以打开工程查看。
2. 工程结构
-
- 工程：https://github.com/fuzhengwei/xfg-dev-tech-google-adk-a2a-server说明：基于 Google ADK 框架，构建 A2A 服务端和客户端。注意，服务端的启动方式为
quarkus.sh
- 方式启动服务，之后使用客户端连接。注意：这部分还有一些关于关于 Spring AI + Google ADK 的基础使用知识，是在 ApiTest 中有案例。也可以学习项目 《AI Agent 脚手架 + 场景应用》
3. 测试案例
public class ApiTest {
public static void main(String[] args) throws Exception {
OpenAiApi openAiApi = OpenAiApi.builder()
.baseUrl("https://apis.****.cn")
.apiKey("sk-tIYdEUUnMqKX3bRf756a31449a4942***需要配置你的key")
.completionsPath("v1/chat/completions")
.embeddingsPath("v1/embeddings")
.build();
ChatModel chatModel = OpenAiChatModel.builder()
.openAiApi(openAiApi)
.defaultOptions(OpenAiChatOptions.builder()
.model("gpt-4o")
.build())
.build();
// agent 测试
LlmAgent agent = LlmAgent.builder()
.name("test")
.description("Chess coach agent")
.model(new SpringAI(chatModel))
.instruction("""
You are a knowledgeable chess coach
who helps chess players train and sharpen their chess skills.
""")
.build();
InMemoryRunner runner = new InMemoryRunner(agent);
Session session = runner
.sessionService()
.createSession("test", "fzw")
.blockingGet();
Flowable<Event> events = runner.runAsync("fzw", session.id(),
Content.fromParts(Part.fromText("1+1")));
System.out.print("nAgent > ");
events.blockingForEach(event -> System.out.println(event.stringifyContent()));
}
}
-
- 这是一个 Spring AI + Google ADK 构建的简单智能体，由 LlmAgent 构建时候，创建模型
new SpringAI(chatModel)
- 关联到 Spring AI 框架。之后，由 Google ADK 构建的智能体，使用内存记忆，创建会话之后进行测试。也可以学习项目 《AI Agent 脚手架 + 场景应用》 锻炼使用相关内容。
4. A2A 测试
4.1 服务端
这部分内容的学习，可以打开案例代码，方便对比。
4.1.1 服务提供
@ApplicationScoped
publicclass AgentExecutorProducer {
@ConfigProperty(name = "my.adk.app.name", defaultValue = "default-app")
String appName;
@Produces
public AgentExecutor agentExecutor() {
returnnew com.google.adk.a2a.executor.AgentExecutor.Builder()
.agent(Agent.ROOT_AGENT)
.appName(appName)
.sessionService(new InMemorySessionService())
.artifactService(new InMemoryArtifactService())
.agentExecutorConfig(AgentExecutorConfig.builder().build())
.build();
}
}
- 这部分是把智能体提供出去，通过 google adk 框架，创建 AgentExecutor 实例。之后 Agent.ROOT_AGENT 类似于上面的测试案例，智能体构建的部分。你可以创建任何之后通过 AgentExecutor 发布出去。
4.1.2 卡片提供
@ApplicationScoped
publicclass AgentCardProducer {
@Produces
@PublicAgentCard
public AgentCard agentCard() {
try (InputStream is = getClass().getResourceAsStream("/agent/agent.json")) {
if (is == null) {
thrownew RuntimeException("agent.json not found in resources");
}
// Read the JSON file content
String json = new String(is.readAllBytes(), StandardCharsets.UTF_8);
// Use the SDK's built-in mapper to convert JSON string to AgentCard record
return Utils.OBJECT_MAPPER.readValue(json, AgentCard.class);
} catch (Exception e) {
thrownew RuntimeException("Failed to load AgentCard from JSON", e);
}
}
}
/agent/agent.json
{
"capabilities": {"streaming": true},
"defaultInputModes": ["text/plain"],
"defaultOutputModes": ["application/json"],
"description": "一个专门检查数字是否为素数的智能体。它可以高效地确定单个数字或数字列表的素性。",
"name": "check_prime_agent",
"skills": [
{
"id": "prime_checking",
"name": "Prime Number Checking",
"description": "使用高效的数学算法检查列表中的数字是否为素数",
"tags": ["mathematical", "computation", "prime", "numbers"]
}
],
"preferredTransport": "JSONRPC",
"url": "http://localhost:9090",
"version": "1.0.0"
}
-
- 这里要构建一个智能体卡，A2A 的协议中，把服务包装成一个卡片的概念。agent.json 配置的是
Agent.ROOT_AGENT
- 智能体的信息。如果你之前学习过小傅哥的 AI MCP 网关项目，会对 JSONRPC 有印象， MCP 协议和 A2A 协议，都是走到 JSONRPC 标准进行的通信。
4.2 客户端
4.2.1 构建端
public finalclass A2AAgent {
privatestaticfinal Random RANDOM = new Random();
privatestaticfinal OpenAiApi openAiApi = OpenAiApi.builder()
.baseUrl("https://apis.****.cn")
.apiKey("sk-tIYdEUUnMqKX3bRf756a31449a4942***需要配置你的key")
.completionsPath("v1/chat/completions")
.embeddingsPath("v1/embeddings")
.build();
privatestaticfinal ChatModel chatModel = OpenAiChatModel.builder()
.openAiApi(openAiApi)
.defaultOptions(OpenAiChatOptions.builder()
.model("gpt-4.1")
.build())
.build();
@SuppressWarnings("unchecked")
public static ImmutableMap<String, Object> rollDie(int sides, ToolContext toolContext) {
ArrayList<Integer> rolls =
(ArrayList<Integer>) toolContext.state().computeIfAbsent("rolls", k -> new ArrayList<>());
int result = RANDOM.nextInt(Math.max(sides, 1)) + 1;
rolls.add(result);
return ImmutableMap.of("result", result);
}
publicstaticfinal LlmAgent ROLL_AGENT =
LlmAgent.builder()
.name("roll_agent")
.model(new SpringAI(chatModel))
.description("处理不同面数骰子的投掷。")
.instruction(
"""
当被要求掷骰子时，始终调用 roll_die 工具并指定面数（如果未指定，默认为 6）。不要编造结果。
""")
.tools(ImmutableList.of(FunctionTool.create(A2AAgent.class, "rollDie")))
.build();
public static LlmAgent createRootAgent(String primeAgentBaseUrl) {
// 远程 agent
BaseAgent primeAgent = createRemoteAgent(primeAgentBaseUrl);
// 本地 agent
return LlmAgent.builder()
.name("root_agent")
.model(new SpringAI(chatModel))
.instruction(
"""
你可以在本地掷骰子，并将素数检查委托给远程的 prime_agent。
1. 当用户要求掷骰子时，将请求路由给 roll_agent。
2. 当用户要求检查素数时，委托给 prime_agent。
3. 如果用户要求先掷骰子然后检查，先调用 roll_agent，然后将结果传给 prime_agent。
在讨论素数之前，始终先简述骰子结果。
""")
.subAgents(ImmutableList.of(ROLL_AGENT, primeAgent))
.build();
}
private static BaseAgent createRemoteAgent(String primeAgentBaseUrl) {
String agentCardUrl = primeAgentBaseUrl + "/.well-known/agent-card.json";
AgentCard publicAgentCard =
new A2ACardResolver(new JdkA2AHttpClient(), primeAgentBaseUrl, agentCardUrl).getAgentCard();
Client a2aClient =
Client.builder(publicAgentCard)
.withTransport(JSONRPCTransport.class, new JSONRPCTransportConfig())
.clientConfig(
new ClientConfig.Builder()
.setStreaming(publicAgentCard.capabilities().streaming())
.build())
.build();
return RemoteA2AAgent.builder()
.name(publicAgentCard.name())
.a2aClient(a2aClient)
.agentCard(publicAgentCard)
.build();
}
}
-
- createRootAgent 是构建入口，一个是创建 createRemoteAgent 远程智能体，一个是 LlmAgent.builder()
-
- 构建本地智能体。之后在构建本地智能体的时候，通过 subAgents 把远程智能体填充到本地的智能体里去了。这个编排的方式有多种多样的。createRemoteAgent 远程构建，这是固定协议路径
/.well-known/agent-card.json
- 拿到智能体卡片以后（一个卡片上有各类的信息），之后通过 a2aClient 创建客户端，在通过 RemoteA2AAgent 完成本地智能体的转换。
4.2.2 使用端
public finalclass A2AAgentRun {
privatefinal String userId;
privatefinal String sessionId;
privatefinal Runner runner;
public A2AAgentRun(BaseAgent agent) {
this.userId = "test_user";
String appName = "A2AAgentApp";
this.sessionId = UUID.randomUUID().toString();
InMemoryArtifactService artifactService = new InMemoryArtifactService();
InMemorySessionService sessionService = new InMemorySessionService();
this.runner =
new Runner(agent, appName, artifactService, sessionService, /* memoryService= */null);
ConcurrentMap<String, Object> initialState = new ConcurrentHashMap<>();
var unused =
sessionService.createSession(appName, userId, initialState, sessionId).blockingGet();
}
// ... 省略部分
public static void main(String[] args) throws InterruptedException {
BaseAgent agent = A2AAgent.createRootAgent("http://localhost:9090");
A2AAgentRun a2aRun = new A2AAgentRun(agent);
List<Event> events =
a2aRun.run("掷一个6面的骰子。").toList().timeout(90, TimeUnit.SECONDS).blockingGet();
events.forEach(A2AAgentRun::printOutEvent);
events =
a2aRun.run("这是素数吗？").toList().timeout(90, TimeUnit.SECONDS).blockingGet();
events.forEach(A2AAgentRun::printOutEvent);
}
}
- A2AAgentRun 测试入口，连接远程的智能体，之后做相关的调用验证。
三、测试验证
1. 前置准备
-
- IntelliJ IDEA 右侧的 maven 点击执行 clean -> install 构建通过命令启动服务，
mvn quarkus:dev -pl xfg-dev-tech-app
2. 访问服务
2.1 服务首页
- 地址：http://localhost:9090/q/dev-ui/welcome说明：访问首页，localhost:9090 会看到上面的地址信息，这个是 a2a 协议的入口。
2.2 服务协议
- 地址：http://localhost:9090/.well-known/agent-card.json说明：点击 agent-card.json 可以看到具体的服务协议信息。
3. 调用验证
- 点击运行，你可以看到它在进行多个智能体的调用（可能模型原因不准，但核心点在于多个智能体的调用）。好啦，到这关于 A2A 整个内容就演示完了，可以时刻关注 google adk a2a 协议的迭代，这部分内容后续还会有一些调整。
阅读全文
