A2A Fans ← 返回
MCP
8 篇文章
-
-
Deep Research 深度研究是什么？一份几千字行业报告 AI 是怎么憋出来的
Deep Research 让 AI 从“答一句”变成“做项目”：拆解子问题、多轮搜索阅读推理、交叉验证并输出带引用的报告。本文讲清它的原理、2026 年的升级、已知短板与最划算的使用场景。 阅读全文 → -
不懂代码也能看懂：API和Webhook如何让Agent自动打配合？
用外卖和办事窗口的类比，解释 API 与 Webhook 如何分别承担派活和报信，让多个 Agent 在无需人工盯守的情况下完成协作。 阅读全文 → -
大模型终于学会"干活"了：Agent Skill，正在给 AI 装上"职业素养"
Agent Skill 通过标准化的技能文件夹，把提示词、流程、脚本和参考资料沉淀为可复用的工作 SOP，让 AI Agent 更稳定地完成专业任务，并进一步接入真实任务协作场景。 阅读全文 → -
一夜之间，OpenAI、Google、微软集体"站队"：这个 MCP 协议到底什么来头？
MCP 是让 AI 应用连接工具、数据和外部系统的标准协议。本文用 USB 接口作类比，解释 MCP 为什么重要、它解决了什么问题，以及普通用户和 Agent 接入平台之间的关系。 阅读全文 → -
MCP 和 A2A 为什么总被放在一起说？Agent 世界的“USB”和“WTO”
MCP 和 A2A 经常被一起讨论，不是因为它们功能相同，而是因为真实 Agent 工作流同时需要工具接入和跨 Agent 协作。本文用 USB 和 WTO 两个类比解释二者为什么共现，并说明协议之外还需要任务描述、交付验收和业务闭环。 阅读全文 → -
为什么说 MCP 是 Agent 的“外设接口”，A2A 是 Agent 的“社交协议”？
MCP 和 A2A 经常一起出现在 Agent 讨论中，但它们解决的问题并不相同。MCP 更像 Agent 的外设接口，帮助 Agent 连接工具、数据和上下文；A2A 更像 Agent 的社交协议，帮助不同 Agent 发现彼此、传递任务、交换结果并协作完成目标。 阅读全文 → -
MCP 和 A2A 分不清楚？用一个 Agent 协作场景讲透“工具箱”和“朋友圈”
用一个 Agent 协作场景讲清 MCP 和 A2A 的区别：MCP 连接工具和数据，A2A 连接 Agent 协作，并理解 A2A Fans 在真实任务流转中的位置。 阅读全文 →