智能体通信协议
├── 核心问题
│ ├── 智能体与外部世界高效交互
│ └── 多个智能体相互协作
├── 三种核心协议
│ ├── MCP（Model Context Protocol）
│ │ ├── 定位：智能体与工具的标准化通信
│ │ ├── 设计理念：标准化智能体与外部工具/资源的通信方式，基于“上下文共享”
│ │ ├── 架构：Host（宿主层）、Client（客户端层）、Servers（服务器层）
│ │ ├── 核心能力：Tools（主动执行操作）、Resources（被动提供数据）、Prompts（提供模板）
│ │ ├── 传输方式：Memory Transport（测试）、Stdio Transport（本地开发）、HTTP/SSE/StreamableHTTP（远程/生产）
│ │ └── 应用：通过MCPTool集成到智能体，自动展开为独立工具供调用
│ ├── A2A（Agent-to-Agent Protocol）
│ │ ├── 定位：智能体间的点对点协作
│ │ ├── 设计理念：实现智能体对等通信，无中心化协调器
│ │ ├── 特点：每个智能体既是服务提供者也是消费者，支持主动请求与响应
│ │ └── 应用：通过A2ATool实现智能体间直接对话与协作
│ └── ANP（Agent Network Protocol）
│ ├── 定位：构建大规模智能体网络的基础设施
│ ├── 设计理念：去中心化服务发现，支持动态发现和连接智能体
│ ├── 核心功能：服务注册、服务发现、路由机制
│ └── 应用：通过ANPTool实现大规模智能体网络的管理与通信
├── 协议选择依据
│ ├── 访问外部服务（文件、数据库等）→ 选MCP
│ ├── 多个智能体协作 → 选A2A
│ └── 构建大规模智能体生态 → 选ANP
└── HelloAgents框架实现
├── 三层架构
│ ├── 协议实现层：MCP（基于FastMCP）、A2A（基于a2a-sdk）、ANP（自研轻量实现）
│ ├── 工具封装层：MCPTool、A2ATool、ANPTool（均继承自BaseTool）
│ └── 智能体集成层：通过Tool System与智能体（ReActAgent等）集成
└── 核心优势：标准化接口、互操作性、动态发现、可扩展性
智能体通信协议学习笔记
一、为什么需要智能体通信协议
在构建复杂 AI 系统时，单体智能体面临三大限制：
工具集成困境：访问新外部服务需编写专门 Tool 类，兼容性差
能力扩展瓶颈：能力局限于预定义工具集，无法动态发现新服务
协作缺失：多智能体协作需手动编排，效率低下
通信协议的核心价值在于提供标准化接口，实现：
标准化接口：统一访问各种外部服务的方式
互操作性：不同开发者的工具可无缝集成
动态发现：智能体运行时可发现新服务和能力
可扩展性：轻松添加新功能模块
二、三种核心通信协议对比
1. MCP（Model Context Protocol）
定位：智能体与工具的标准化通信
设计理念：标准化智能体与外部工具 / 资源的通信方式，基于 "上下文共享"
核心特点
：
不仅是 RPC 协议，还支持丰富的上下文信息共享
采用 Host、Client、Servers 三层架构
提供三大核心能力：Tools（主动执行操作）、Resources（被动提供数据）、Prompts（提供模板）
与 Function Calling 的差异
：
Function Calling 是模型的能力，解决 "如何调用"
MCP 是基础设施协议，解决 "如何连接"，实现跨模型兼容
2. A2A（Agent-to-Agent Protocol）
定位：智能体间的点对点协作
设计理念：实现智能体对等通信，无中心化协调器
核心特点
：
每个智能体既是服务提供者也是消费者
支持主动请求与响应
避免中心化瓶颈，网络更灵活可扩展
3. ANP（Agent Network Protocol）
定位：构建大规模智能体网络的基础设施
设计理念：去中心化服务发现，支持动态发现和连接智能体
核心特点
：
提供服务注册、发现和路由机制
适用于成百上千智能体组成的大规模网络
无需预先配置所有连接关系
协议选择依据
访问外部服务（文件、数据库等）→ 选 MCP
多个智能体协作 → 选 A2A
构建大规模智能体生态 → 选 ANP
三、HelloAgents 框架通信协议架构
采用三层设计架构：
协议实现层：三种协议的具体实现
MCP：基于 FastMCP 库
A2A：基于 Google 官方 a2a-sdk
ANP：自研轻量级实现
工具封装层：将协议封装为统一 Tool 接口
MCPTool、A2ATool、ANPTool 均继承自 BaseTool
提供一致的run()方法，简化调用
智能体集成层：智能体与协议的集成点
所有智能体通过 Tool System 使用协议工具
无需关心底层协议细节
四、MCP 协议实战
1. MCP 客户端使用
import asyncio
from hello_agents.protocols import MCPClient
async def connect_to_server():
# 连接到社区提供的文件系统服务器
client = MCPClient([
"npx", "-y",
"@modelcontextprotocol/server-filesystem",
"." # 指定根目录
])
async with client:
# 发现可用工具
tools = await client.list_tools()
print(f"可用工具: {[t['name'] for t in tools]}")
# 调用工具
result = await client.call_tool("read_file", {"path": "README.md"})
print(f"文件内容：{result}")
asyncio.run(connect_to_server())
2. MCP 传输方式
MCP 支持多种传输方式，适应不同场景：
Memory Transport：用于测试，无需实际服务器
Stdio Transport：本地开发，通过标准输入输出通信
HTTP Transport：生产环境，远程服务通信
SSE Transport：实时通信、流式处理
StreamableHTTP Transport：双向流式通信
# 不同传输方式的使用示例
from hello_agents.tools import MCPTool
# 1. 内存传输（测试用）
mcp_tool = MCPTool()
# 2. 标准输入输出传输（本地开发）
mcp_tool = MCPTool(server_command=["python", "my_mcp_server.py"])
# 3. 社区服务器（npx方式）
mcp_tool = MCPTool(server_command=["npx", "-y", "@modelcontextprotocol/server-filesystem", "."])
3. 在智能体中使用 MCP 工具
MCPTool 具有自动展开特性，会将服务器提供的工具自动展开为独立工具：
from hello_agents import SimpleAgent, HelloAgentsLLM
from hello_agents.tools import MCPTool
agent = SimpleAgent(name="助手", llm=HelloAgentsLLM())
# 添加MCP工具（自动展开为多个独立工具）
mcp_tool = MCPTool(name="calculator")
agent.add_tool(mcp_tool)
# 智能体可直接使用展开后的工具
response = agent.run("计算 25 乘以 16")
print(response) # 输出：25 乘以 16 的结果是 400
五、总结
智能体通信协议解决了工具集成、能力扩展和多智能体协作的核心问题
MCP、A2A、ANP 三种协议分别针对不同场景，互为补充
HelloAgents 框架通过三层架构实现了协议的标准化集成
MCP 协议作为应用最成熟的协议，提供了灵活的工具访问能力和多种传输方式
实际应用中应根据具体需求选择合适的协议，并利用框架提供的工具封装简化开发
通过掌握这些通信协议，能够构建更灵活、可扩展、协同工作的智能体系统，突破单体智能体的能力边界。
ps:原文为md格式，作者不想调了
学习途径:https://github.com/datawhalechina/hello-agents/tree/main/docs
