今天凌晨，微軟在官網宣布Azure AI Foundry和Microsoft Copilot Studio兩大開發平臺，支持最新的Agent開發協議A2A。

這也是微軟支持MCP后又一關鍵動作，并且會與谷歌合作一起開發擴大A2A協議，這對于智能體賽道來說意義重大。因為智能體在使用A2A、MCP協議之后，可以打破數據、開發模式、通信交互、操作環境等諸多壁壘，輕松構建超大規模的復雜智能體自動化流程。

簡單來說，現階段的智能體相當于戰國時代，每家的技術、數據格式、開發方法都不一樣。而A2A+MCP可以像秦始皇那樣改寫這一局面，統一貨幣、度量衡推動智能體從分散走向融合，極大提升開發、自動化效率。

關于微軟對智能體的大動作，微軟CEO Satya Nadella給出了高度評價，像 A2A和 MCP這樣的開放協議是實現智能體網絡的關鍵。隨著 Copilot Studio和 Azure AI Foundry開始支持 A2A，客戶將能夠構建從設計上就具備互操作性的智能體系統。

網友表示，這可是重大舉措。微軟入局 A2A和 MCP意味著智能體網絡不再是紙上談兵——現在已經到了實戰階段。真期待看到后續的發展！

像A2A和 MCP這樣的標準化協議，是實現可擴展的AI協作的支柱。

智能體是未來，而互操作性是關鍵。

毫無疑問，像A2A和 MCP這樣的開放協議正在改變智能體網絡的格局。隨著 Copilot Studio和 Azure AI Foundry對 A2A 的支持，客戶能夠無縫地創建具有互操作性的智能體系統。

很高興看到微軟采用了實現智能體互操作性的開放協議。A2A和 MCP將成為智能體網絡的重要基石。

微軟為什么要支持A2A、MCP

根據微軟公布的開發數據顯示，目前，有超過7萬家企業和數字原生公司，例如，Atomicwork、Epic、富士通、Gainsight、H&R Block和LG電子等，通過Azure AI Foundry開發平臺來開發、定制、管理智能體和AI應用。

僅4個月，超過1萬家組織采用新的Agent Service 構建、部署和擴展智能體系統；超過23萬家組織，包括90%的財富500強企業，都使用了Microsoft Copilot Studio來開發AI、智能體應用。

所以，微軟在智能體開發、應用方面擁有豐富的實戰經驗，也是目前全球最大的智能體開發平臺之一，深知智能體無法互通帶來的很多痛點。

但隨著越來越多企業希望開發復雜的智能體來擴大自動化范圍，這種弊端就被無限放大。而A2A、MCP可以很好的來解決，幫助智能體實現跨平臺、操作系統、數據，簡化開發流程。

什么是A2A、MCP

A2A是谷歌在今年4月“Google Cloud Next 25”大會上開源的一種專門面向智能體的交互協議，全稱為“Agent 2 Agent”使智能體能夠相互協作，無論底層框架或供應商是什么。

例如，一家跨國制造企業為滿足復雜的業務需求，采用了多樣化的企業平臺和服務。SAP 系統被應用于企業資源規劃，高效整合財務、供應鏈、生產等核心業務流程；

Slack為企業內部溝通協作的重要工具，各部門員工借此實現即時信息傳遞與項目協同；Oracle 數據庫則用于海量生產數據和業務數據的存儲、管理與分析工作。

現在想通過一個智能體將SAP、Slack、Oracle的簡單操作流程實現自動化。以前這些平臺上的智能體無法自由通信。現在通過A2A協議，這些企業平臺可以安全、自由地自動化交互數據。

目前，已經有微軟、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG等50多家全球頂級企業加入了該協議。

MCP協議則是由大模型平臺 Anthropic在去年11月推出，全稱為“Model Context Protocol”，主要用途是為大型語言模型與外部數據源、工具及服務提供統一的通信框架。

MCP定義了一種通用格式，讓AI模型可以像調用函數一樣，調度搜索引擎、數據庫、計算器、代碼執行器，甚至其他模型或API服務。通過MCP協議，AI應用能夠輕松引入外部服務、功能，或者調取更多數據，從而擁有更豐富的能力。

MCP還有很多開發優勢：請求和返回數據采用JSON格式，保證了兼容性；能夠無縫配合Function Call機制，讓AI具備調用外部API的能力；

可以解耦AI和業務邏輯，AI不需要硬編碼API邏輯，只需要根據Function Call選擇合適的MCP方法，從而提升開發效率。

簡單來說，可以把MCP看成大模型領域的“USB接口”，可以直接插拔各種應用而無需關心底層邏輯。

A2A示例

為了推動A2A協議的發展，微軟也參與了開源庫的開發。例如，由于目前缺少現成的A2A封裝庫，開發人員做集成很困難，微軟就利用 A2A 代碼庫的示例代碼，讓 Semantic Kernel 智能體融入 A2A 生態，提供了清晰、簡單的集成示例。

在這個示例中，主要有幾個關鍵部分。SemanticKernelTravelManager 就像一個總指揮，接收用戶的請求，然后根據請求的內容，把任務分配給合適的專業智能體。比如遇到和貨幣有關的問題，就交給Currency ExchangeAgent；和行程活動有關的，就交給 Activity PlannerAgent。

Currency ExchangeAgent 負責處理貨幣相關事務，整合了像 Frankfurter API 這樣的外部工具，能提供實時匯率，幫助用戶做預算和財務規劃。Activity PlannerAgent 則根據用戶的偏好和預算，給出個性化的旅行行程建議，還能幫忙預訂活動和安排景點。

整體自動化流程：當用戶向 TravelManager 提交請求，比如 “規劃一個預算友好型旅行，包含貨幣換算”，TravelManager會分析需求，發現涉及貨幣問題，就調用 Currency ExchangeAgent。

Currency ExchangeAgent從Frankfurter API 獲取匯率信息，之后Activity PlannerAgent 根據預算給出合適的旅行建議。最后，TravelManager 把這些信息匯總，生成完整的旅行計劃返回給用戶。

在整個自動化過程中，還有幾個重要機制。任務路由和委派方面，TravelManager 能根據上下文和自動函數調用功能，智能地把任務分配給插件式的專業智能體。智能體通過發現機制，可以幫助每個智能體通過 “Agent Card” 展示自己的能力，這樣其他智能體就能快速找到合適的伙伴完成任務。

本文素材來源微軟，如有侵權請聯系刪除

報告下載

大 佬觀點分享

關于RPA、AI、企業數字化轉型

(點擊文字即可閱讀)

| |

| | |

| | |

| | |

| |

行業知識交流分享，結識擴展人脈圈層

公眾號后臺回復【RPA】或者【流程挖掘】

可受邀加入相關的交流群