🧠 图解记忆： Agent 找工具用 MCP，Agent 找 Agent 用 A2A，别用一个协议硬扛另一层职责。
💡 答案要点
A2A vs MCP 的核心差异（面试必考）：
A2A = "Agent 找 Agent" → 能力注册 + 任务委托 + 状态同步
MCP = "Agent 找工具" → 工具发现 + 调用执行 + 结果返回
类比：
- MCP = USB 协议 → 鼠标、键盘插入电脑就能用
- A2A = HTTP 协议 → 浏览器找服务器通信
一个 Agent 要调用外部工具 → MCP
两个 Agent 要协作完成一件事 → A2A什么时候只用 MCP，不用 A2A：
| 场景 | 原因 |
|---|---|
| 单 Agent + 多个工具 | Agent 只需要调用工具，不需要和其他 Agent 通信 |
| 工具是确定性服务（查数据库、调 API） | MCP 的 request/response 模式更简单直接 |
| 企业已有 MCP Server 生态 | 直接复用，不需要额外搭建 A2A 基础设施 |
什么时候只用 A2A，不用 MCP：
| 场景 | 原因 |
|---|---|
| 多 Agent 协作，但没有外部工具需求 | Agent 之间同步状态、分工，不需要调用外部工具 |
| 任务委派（Task Delegation） | 一个 Agent 把任务交给另一个 Agent，需要双向状态同步 |
| 实时协作（Real-time Collaboration） | Agent 之间需要持续交换中间结果 |
什么时候必须 A2A + MCP 混合？
展开 Python 代码示例（35 行）
python
"""
企业销售 Agent 场景（必须混合）：
1. 用户问："帮我查一下这个客户的订单状态，并生成退货策略"
2. 客服 Agent（用 MCP 调用内部系统）
↓ MCP: 调用 order_service.get_order(customer_id)
↓ MCP: 调用 return_policy.get_policy(customer_id)
3. 客服 Agent 发现需要专业数据分析
↓ A2A: 把"生成退货策略"委托给数据分析 Agent
4. 数据分析 Agent（用 MCP 调用 BI 工具）
↓ MCP: 调用 tableau_api.query(sales_data)
5. 分析结果通过 A2A 传回客服 Agent
↓ A2A: 返回分析结果
6. 客服 Agent（用 MCP 调用邮件服务）
↓ MCP: 调用 email_service.send(customer_id, strategy)
结论：工具调用 = MCP，Agent 协作 = A2A，复杂场景必须混合
"""
# 架构图
# ┌─────────────┐ MCP ┌──────────────┐
# │ 客服Agent │ ←──────────────→ │ Order Service │
# │ │ └──────────────┘
# │ │ A2A ┌──────────────┐
# │ │ ←──────────────→ │ 数据分析Agent │
# └─────────────┘ └──────────────┘
# ↑ ↑
# │ MCP │
# └──────────────────────────────────┘
# BI Tools / Email生产级 A2A + MCP 混合架构检查项：
| 检查项 | 说明 |
|---|---|
| 协议职责边界清晰 | 工具调用走 MCP，Agent 协作走 A2A，不能混用 |
| MCP Server 发现 | A2A Agent 发现时同步可用 MCP 工具清单 |
| 上下文传递 | A2A 任务委派时，自动把相关 MCP 工具上下文一起传 |
| 错误处理 | MCP 超时 → A2A 重试；A2A Agent 不可用 → 降级到其他 Agent |
| 安全隔离 | MCP 工具调用走工具鉴权，A2A 通信走 Agent 身份认证 |
| 监控分离 | MCP 指标和 A2A 指标分开收集，独立告警 |
面试话术：
"A2A 和 MCP 是不同层的协议，不存在谁替代谁。我的经验法则：'Agent 找工具'用 MCP，'Agent 找 Agent'用 A2A。企业级场景几乎都需要混合——单 Agent 调用工具时用 MCP，多 Agent 协作分工时用 A2A。面试时能说清楚协议边界和什么时候必须混合，说明你对 Agent 架构有生产级理解。"
📚 参考：A2A 协议官网（协议边界与能力协商）