我是 LongbridgeAI，我可以总结文章信息。代理人工智能的采用依赖于两个开放标准：模型上下文协议（MCP）用于数据访问，代理间协议（A2A）用于编排，目前由 Linux 基金会管理。虽然这些协议能够实现复杂的企业自动化，但公司在治理、问责和跨部门排序方面面临挑战。目前，大多数组织正在实施单任务代理，而不是自主的多代理系统，像 Salesforce 和 EY 这样的供应商强调逐步集成和独特的流程定制，以保持竞争优势
代理人工智能已经开始接管客户体验、人力资源、网络安全、开发者工具箱以及企业 IT 的其他领域。氛围编码、软件规划、测试和部署、客户服务自动化、一对一营销以及招聘和解雇都可以在代理的帮助下加速进行。
但没有两个开放标准——模型上下文协议 (MCP) 用于数据访问，以及 代理间协议 (A2A) 用于代理编排——这一切都无法实现。代理无法访问有治理的企业数据存储，也无法协同工作。
尽管这些标准已经可用，并且理论上可以支持无限复杂的企业 IT 配置，但用户仍在努力将简单的基于任务的代理集成到他们的组织中，专业服务公司 EY 的全球副主席 Julie Linn Teigland 表示。
一个棘手的问题是跨部门工作的顺序。以企业销售数据为例：公司必须确定在销售人员更新 CRM 记录时，哪些代理优先处理，这一过程会触发财务部门的佣金和账单，更新销售预测，并可能涉及人力资源代理，具体取决于员工生产力和薪酬的跟踪方式。当跨供应商、跨部门的工作交给 AI 代理时，事情会迅速变得复杂。
"关于编排的讨论很多，但编排是否意味着控制？" Teigland 问道。"它是问责吗？是治理，还是仅仅是透明度？我可以有透明度，但我是否有控制权？我是否在公司内部建立了如何运作的优先级？"
Linux 基金会现在管理 MCP 和 A2A。MCP 最初是 Anthropic 的一个项目，后来开源；A2A 由 Google 推出，得到了 Salesforce、SAP、ServiceNow、UKG 和 Workday 的意见支持。与生成性 AI 的典型情况一样，这些标准的推出速度很快。MCP 和 AI 分别在 2024 年底和 2025 年初发布。如今，科技界似乎在这些初步但基础的理念之上构建一切。
"我惊讶于行业是多么迅速地围绕这两个协议达成一致，" Salesforce 的产品架构副总裁 Gary Lerhaupt 说。"[AI 和 SaaS 供应商说，] '让我们在这些事情上达成标准，而不是创造 15 种相同类型的工作变体。'"
但由于 MCP 和 A2A 是新的——而且数据和互操作性标准通常随着时间的推移而变得复杂，因为新出现的现实世界用例揭示了它们的局限性——因此仍有改进的空间。
生活在 A2A 的梦想中
Salesforce 和 Nvidia 等供应商，早期 AI 初创公司如 Cofounder，以及支持开源标准的 Paperclip 的支持者，可能会试图推进一个理念，即一组基于角色的 AI 代理理论上可以自主运行整个公司。
然而，用户"尚未真正进入代理人工智能的 alpha 阶段，" 全球 AI 咨询公司 Emerton Data 的合伙人 Mohamed Khalfallah 表示。他们仍在构建专门用于聚合文档、执行基本计算或两者兼而有之的单任务代理。
"所有数据供应商将提供一种平均代理，" Khalfallah 说。"如果你想保持公司和进展的独特性，你需要添加独特的流程和独特的数据，以保持你的杠杆和竞争力。这是市场尚未达到的部分。"
对于其客户，Emerton 专注于一次自动化一个流程，将每个流程缩减到其数据需求，然后建立一个平台、数据质量规则和其他元素来完成该任务。因此，该公司是 MCP 的重度用户，但对 A2A 的使用尚不多。
"我们没有那种会来转变整个业务的方法——这不是我们的想法，" Khalfallah 说。"更像是，'让我们从非常小的数据范围开始'，然后再逐步增加。"
Khalfallah 相信，A2A 的日子很快就会到来，因为客户会用更多的代理自动化更多的流程，并开始小心翼翼地将多个代理的操作合并为一个单一的动作。
Salesforce 正在努力支持几种类型的代理环境：那些有单个 Agentforce 代理的；那些有多个 Agentforce 代理协同工作的；以及那些与 Salesforce 用户常用的其他供应商的代理结合在一起的，例如 Google 或 Workday。
在此基础上，想象一下在多个 Salesforce 实例之间进行协调，这对于许多公司的大型客户来说是常见的情况。
"我们的客户面临的情况是有很多 Salesforce 实例，而这些实例不应该彼此孤立，" Lerhaupt 说。"那么我们如何使用相同的基础运行时、相同的基础编排和规划将我们称之为'多个组织'的内容连接起来？"
Salesforce 希望其客户选择 MuleSoft Agent Fabric 进行多供应商 AI 代理编排，该平台支持 A2A 和 MCP 协议。这里展示的是在 2025 年产品发布时设想的理论场景。
A2A 和 MCP 的盲点
MCP 和 A2A 标准中还有很多需要构建的内容。虽然它们是开放标准，但许多 CX 供应商正在加入这些项目，以增加功能、实现合规、增加治理以帮助代理人工智能扩展，并建立更多的数据保护措施。
Salesforce 为 MCP 和 A2A 标准的发展做出贡献，以帮助用户通过 "超级代理" 个性化客户体验，这些代理协调基于任务的代理，将正确的客户数据部署到正确的渠道，Salesforce 的 Agentforce 执行副总裁兼总经理 Madhav Thattai 说道。
工作组仍在解决标准的许多方面。其中一个是代理如何保留数据——或者不保留——以在运行时执行个性化推荐，以保持体验的个性化。此外，用户希望他们的代理能够长期理解客户数据，以便能够基于过去的行为建立客户关系。
"这不是一个简单的 API 调用，" Thattai 说。"我们可以通过共享上下文使其更强大，以实现非常无缝的交接。共享上下文就是记忆……这些协议在其中发挥着至关重要的作用。"
MCP 和 A2A 对于优化软件开发、交付和运行时至关重要，Digital.ai 的国际领域首席技术官 Matthias Zieger 说道，该公司托管一个 AI 驱动的 DevOps 平台。
A2A 中缺乏的一部分——工作组正在构建的——是跨供应商代理身份验证，或称 "可移植代理身份"，这是 Forrester Research 提出的概念。就 Zieger 而言，这比代理编排更重要的问题。
例如，一个 DevOps 团队可能有一个规划代理、一个测试代理和一个安全代理，可能来自多个供应商，共同协作。当它们一起工作时，每个代理都必须理解其在公司中的角色、被允许做什么以及——更重要的是——不被允许做什么，例如发布到生产环境。
"如果你跨越了单一供应商或单一工具的边界，那么可移植代理身份的问题就没有解决，" Zieger 说。"这是最大的问题之一。如果我给一个代理一个任务，然后这个代理使用 A2A 协议与其他代理通信，而其中一个代理正在接触我的生产系统，你必须有很大的信任。"
也就是说，如果 AI 的采用曲线类似于 1990 年代互联网的广泛采用，那么我们正处于代理 AI 的 " Netscape 时代"，Zieger 说。
换句话说，他认为随着 MCP 和 A2A 变得更加复杂，仍然有很大的增长空间。MCP 和 A2A 的快速进展将使代理 AI 更加能够执行一系列自动化工作。
"供应商当然在谈论 [AI 编排]，因为他们想要设定未来，" Zieger 说。"现实是，大型企业仍处于非常早期的阶段，寻找单一的用例……这就是我们所看到的。"
Don Fluckinger 是一位经验丰富的 B2B 技术记者，拥有超过 30 年的经验，专注于企业 IT、数字体验和内容管理。作为 Informa TechTarget 的高级新闻撰稿人，他提供获奖分析，帮助 IT 和商业领袖驾驭复杂技术，以提升客户和员工体验。有线索吗？ 给他发邮件.