在 Elasticsearch 中使用 A2A 协议和 MCP 创建 LLM 代理新闻室：第二部分

Agent Builder 现已推出技术预览版。开始使用 Elastic Cloud 试用版，并在此查看 Agent Builder 的文档。

A2A 和 MCP：行动守则

本文是 "在 Elasticsearch 中使用 A2A 协议和 MCP 创建 LLM 代理新闻室！"一文的配套文章，该文章介绍了在同一个代理中同时实施 A2A 和 MCP 架构的好处，以真正获得这两种框架的独特优势。如果您希望自行运行演示，我们还提供了一个资源库。

让我们来看看我们的新闻室代理是如何使用 A2A 和 MCP 协作来制作一篇新闻文章的。可在此处查看随附的存储库，了解代理的运行情况。

步骤 1：故事任务

新闻主管（作为客户）指定一篇报道：

第 2 步：记者要求进行研究

报告代理认识到它需要背景信息，并通过 A2A 委托给研究代理：

第 3 步：报告人请求存档代理提供历史背景信息

记者代理认识到，历史背景会加强故事性。它通过 A2A 委托档案代理（由Elastic 的 A2A 代理提供支持）搜索新闻编辑室由 Elasticsearch 支持的文章档案：

步骤 4：归档代理使用带有 MCP 的弹性 A2A 代理

存档代理使用 Elastic 的 A2A 代理，而 A2A 代理又使用 MCP 访问 Elasticsearch 工具。这展示了混合架构，其中 A2A 实现了代理协作，而 MCP 提供了工具访问：

存档代理从 Elastic 的 A2A 代理接收全面的历史数据，并将其返回给报告器：

这一步骤演示了 Elastic 的 A2A Agent 如何集成到新闻编辑室的工作流程中。Archive Agent（新闻编辑室专用代理）与 Elastic 的 A2A Agent（第三方专家）协调，以利用 Elasticsearch 强大的搜索和分析功能。Elastic 的代理在内部使用 MCP 访问 Elasticsearch 工具，显示了代理协调 (A2A) 和工具访问 (MCP) 之间的明确分离。

步骤 5：研究人员使用 MCP 服务器

研究员代理访问多个 MCP 服务器以收集信息：

步骤 6：研究人员将数据返回给报告人

研究员代理通过 A2A 发送综合研究结果：

第 7 步：记者撰写文章

报告代理利用研究数据和自身的 LLM 能力撰写文章。在撰写过程中，记者使用 MCP 服务器获取样式和模板：

第 8 步：信心不足引发重新研究

报告代理评估了其草稿，发现有一项索赔的可信度较低。它会向研究员代理发送另一个请求：

研究员使用事实核查 MCP 服务器核实索赔，并返回更新的信息：

第 9 步：记者修改并提交给编辑

记者将核实的事实纳入其中，并通过 A2A 将完成的草稿发送给编辑代理：

步骤 10：编辑使用 MCP 工具进行审查

编辑代理使用多个 MCP 服务器来审核文章：

编辑批准文章并将其转发：

第 11 步：发布者通过 CI/CD 发布

最后，打印机代理使用 CMS 和 CI/CD 管道的 MCP 服务器发布已批准的文章：

出版商确认通过 A2A 出版：

下面是随附的资料库中使用上述相同代理的 A2A 工作流程的完整序列。

#	来自	至	行动	规程	描述
1	用户	新闻主管	指定故事	HTTP POST	用户提交故事主题和角度
2	新闻主管	内部	创建故事	-	创建具有唯一 ID 的故事记录
3	新闻主管	记者	代表任务	A2A	通过 A2A 协议发送故事任务
4	记者	内部	接受任务	-	内部存储任务
5	记者	MCP 服务器	生成大纲	MCP/HTTP	创建文章大纲和研究问题
6a	记者	研究员	申请研究	A2A	发送问题（与 6b 并行）
6b	记者	档案员	搜索档案	A2A JSONRPC	搜索历史文章（与 6a 并行）
7	研究员	MCP 服务器	研究问题	MCP/HTTP	通过 MCP 使用人类学来回答问题
8	研究员	记者	返回研究	A2A	返回研究答案
9	档案员	Elasticsearch	搜索索引	ES REST API	查询 news_archive 索引
10	档案员	记者	返回存档	A2A JSONRPC	返回历史搜索结果
11	记者	MCP 服务器	生成文章	MCP/HTTP	创建具有研究/档案背景的文章
12	记者	内部	商店草案	-	内部保存草稿
13	记者	新闻主管	提交草案	A2A	提交完成的草稿
14	新闻主管	内部	更新故事	-	存储草稿，将状态更新为"draft_submitted"
15	新闻主管	编辑	审查草案	A2A	自动路由至编辑器以供审核
16	编辑	MCP 服务器	评论文章	MCP/HTTP	通过 MCP 使用 Anthropic 分析内容
17	编辑	新闻主管	返回评论	A2A	发送编辑反馈和建议
18	新闻主管	内部	商店评论	-	存储编辑反馈
19	新闻主管	记者	应用编辑	A2A	将审查反馈意见转达给报告人
20	记者	MCP 服务器	应用编辑	MCP/HTTP	根据反馈意见修改文章
21	记者	内部	更新草案	-	对草案进行修订更新
220	记者	新闻主管	返回修订版	A2A	返回修订后的文章
23	新闻主管	内部	更新故事	-	存储修订草案，状态为"修订版"
24	新闻主管	出版商	发表文章	A2A	出版商自动路由
25	出版商	MCP 服务器	生成标签	MCP/HTTP	创建标记和类别
26	出版商	Elasticsearch	索引文章	ES REST API	将文章索引到 news_archive 索引
27	出版商	文件系统	保存标记	文件输入/输出	将文章保存为 .md文件在 /articles
28	出版商	新闻主管	确认出版	A2A	返回成功状态
29	新闻主管	内部	更新故事	-	将故事状态更新为"已发布"

结论

A2A 和 MCP 在现代增强型 LLM 基础设施范例中都可以发挥重要作用。A2A 为复杂的多代理系统提供了灵活性，但潜在的可移植性较差，操作复杂性较高。MCP 提供了一种标准化的工具集成方法，更易于实施和维护，但它并不是为处理多代理协调而设计的。

选择不是二元对立的。正如我们的新闻编辑室示例所示，最复杂、最有效的 LLM 支持系统往往将这两种方法结合在一起：代理通过 A2A 协议进行协调和专业化，同时通过 MCP 服务器访问其工具和资源。这种混合架构在提供多代理系统的组织优势的同时，还提供了 MCP 的标准化和生态系统优势。这表明可能根本不需要做出选择：只需将两者都作为标准方法使用即可

作为开发人员或架构师，您需要测试并确定这两种解决方案的最佳组合，从而为您的特定用例创造正确的结果。了解每种方法的优势、局限性和适当应用，将使您能够构建更有效、可维护和可扩展的人工智能系统。

无论您是要建立数字新闻编辑室、客户服务平台、研究助手，还是其他任何由 LLM 驱动的应用程序，仔细考虑您的协调需求 (A2A) 和工具访问要求 (MCP) 都将使您走上成功之路。