企业 AI 智能体的「普通话」：MCP 与 A2A 已成 2026 默认双协议栈，自研集成层可以歇了

如果把 2024 年企业 AI 的题概括为「选哪个模型」，那么到 2026 年，这道题早就换了。今天企业面对的，是「怎么让智能体接得进我的系统、协得了作、出得了活」。模型再强，接不进业务系统，也只是一只会聊天的外人。

这就引出了智能体时代的「普通话」问题：不同厂商的模型、不同团队开发的智能体、不同年代留下的业务系统，彼此说的是不同方言。没有一套共同语言，每一次对接都是一次定制开发，规模一大就寸步难行。

2026 年的答案正在收敛成一套双协议栈：MCP 负责把智能体连到工具和数据（纵向），A2A 负责让智能体之间互相发现与协作（横向）。两者配合，刚好覆盖了「单智能体怎么干活」和「多智能体怎么配合」两个维度。

更关键的是，这两个协议在 2026 年都进入了 Linux 基金会的中立治理。当一个标准不再属于某一家厂商，企业架构师才敢把它写进评审会、写进生产环境——因为这意味着不会被单一供应商绑架。

MCP（Model Context Protocol）由 Anthropic 于 2024 年 11 月提出，定位很形象——它是 AI 应用的「USB-C 接口」。就像 USB-C 统一了设备连接，MCP 统一了 AI 应用连接外部系统的方式。

具体来说，MCP 让智能体能以统一接口连接本地文件、数据库、搜索引擎、计算器、业务 API 和工作流，而不必为每个数据源写一套定制代码。一个 MCP 服务器暴露出「工具、资源、提示」，智能体就能即插即用地调用。

它的价值在于生态广度。到 2026 年初，主要 AI 厂商 Anthropic、OpenAI、Google、Microsoft 都已原生支持 MCP，第三方 MCP 服务器超过 3000 个；到 2026 年 3 月，MCP 月下载量已达约 9700 万。这意味着「造一次工具，到处能接」。

对企业而言，MCP 最直接的好处是降低集成成本。过去接一个 ERP、一个 CRM、一个数据库，各写各的胶水；现在按 MCP 规范把系统包装成可被调用的工具，智能体就能统一访问。集成工作量从「N 个系统各自对接」降为「每个系统包一层」。

MCP 解决的是「智能体怎么用工具」，但它有意不处理另一件事：不同厂商的智能体之间，怎么互相发现能力、怎么安全地把任务委派给对方。这正是 A2A（Agent-to-Agent）要补的横向一层。

A2A 由 Google 于 2025 年 4 月推出，核心是 Agent Card 机制——一份挂在固定地址（通常是 /.well-known/agent.json）的 JSON 文档，描述这个智能体是谁、能做什么、怎么鉴权、输入输出什么。客户端智能体先「读卡」，再决定是否委派任务，类似浏览器先取证书再建连接。

2025 年 8 月，IBM 原先的 ACP 与 A2A 完成合并，企业不必在两者间二选一；到 2026 年 Google Cloud Next，A2A 已宣布超 50 个企业合作伙伴，并确认纳入 Linux 基金会管理。一年内，A2A 聚集了 150 多家支持组织，生产部署覆盖 Microsoft、AWS、Salesforce、SAP、ServiceNow 等。

对企业来说，A2A 的意义是「混合编组」成为可能：你可以让采购智能体把订单查询委派给供应链智能体，让财务智能体把发票细节传给风控智能体。不同厂商、不同部门的智能体，像一支统一 workforce 那样协作，而不再是各自为战的信息孤岛。

协议能不能成气候，关键不在技术多漂亮，而在治理信不信得过。一个标准如果属于某一家厂商，采用它本质上就是一次战略依赖；一旦厂商改主意或收费，你的架构就被架在火上。

这正是 2025—2026 年最关键的转折。Anthropic 于 2025 年 12 月把 MCP 捐赠给 Linux 基金会下的 Agentic AI Foundation，OpenAI、Google、Microsoft 共同赞助；Google 也早在 2025 年 6 月的开源峰会北美站把 A2A 捐了出去。两边都进了中立开源治理。

中立 custody 带来的变化是质变的。当协议归社区管、路线图公开、谁都能参与，企业架构师在评审会上就敢拍板采用——因为它不再是「押注某家」，而只是「用了好工程实践」。这也解释了为什么两个协议能在一年内从新兴标准变成默认架构。

对做系统的团队，这条经验很受用：选技术栈时，优先看治理归属。凡是被单一厂商把持、路线图不透明的，再好用也要留个替换方案；凡是中立基金会托管、生态够宽的，才适合写进生产。

在 MCP 与 A2A 出现之前，多智能体、多系统的集成是一场噩梦。每接一个工具要写一套代码，每让两个智能体协作要写一套点对点的胶水。系统一多，集成关系呈 N 平方增长，大多数多智能体项目就这样卡死在原型阶段。

双协议栈用共同语言解决了这个痛点。MCP 在纵向上回答「这个智能体怎么使用外部系统」，A2A 在横向上回答「这些智能体怎么协作」。两者正交、互补，不重叠、不竞争，组合在一起覆盖了一个现代智能体架构的所有交互边界。

采用数据印证了这种收敛。如前所述，MCP 在 2026 年 3 月月下载约 9700 万，到 2026 年 7 月约 78% 的企业 AI 团队已在生产环境运行 MCP 支持的智能体；A2A 一年内聚集 150 多家组织并进入生产。两条线同时走强，说明行业真的在用脚投票。

一个常见的误区是「MCP 和 A2A 该选哪个」。正确的问法不是二选一，而是「我先要哪一层」。绝大多数企业起步只需 MCP 把工具接进来；当你有多个智能体需要跨厂商协作时，再叠 A2A。顺序错了，就是提前背上不必要的复杂度。

MCP 管工具、A2A 管协作，已经覆盖了企业智能体的大部分交互。但还有一类场景正在浮出水面：当智能体要替你执行真实的商业交易——下单、支付、查物流，就需要第三层协议。

这就是 UCP（Universal Commerce Protocol），由 Shopify 与 Google 共同开发，专门定义智能体如何安全地完成商业交易。如果你的 AI 场景涉及电商或供应链采购自动化，UCP 就是那块不可缺少的拼图。

它的重要性在于：商业交易和「查个数据」完全不同，涉及钱、合同与责任边界。没有专门协议，智能体每做一次采购都是一次定制对接，风险也难控。UCP 把这件事标准化，让「智能体替你买东西」变得可治理。

对大多数中小企业，第三层可以暂缓。先把 MCP 和 A2A 两层用顺，让智能体既能用工具、又能协作，价值已经很大。等你的智能体真的要开始「花钱办事」，再引入 UCP 不迟。

讲了这么多协议，落到中小企业最现实的问题是：我到底该怎么做，才能不被集成黑洞吞掉？我们的建议很明确——别自研集成层，站在协议肩膀上。

第一步，用 MCP 把内部系统接成「可被调用的工具」。把 CRM、工单、库存、报表按 MCP 规范包一层，智能体就能统一访问，不用为每个场景重写对接。这一步的价值，是让数据从「躺在系统里」变成「能被智能体读取」。

第二步，当你需要多个智能体配合时，上 A2A。让不同厂商的智能体通过 Agent Card 互相发现、安全委派。前提是每个智能体的能力边界写清楚、鉴权到位，否则协作反而变成混乱来源。

第三步，也是地基——把数据在线化、结构化。协议只是管道，管道里流的是不是干净的业务数据，决定了智能体产出有没有用。没有这层，再标准的协议也只是把混乱更快地传遍全身。

我们的观点很朴素：智能体协议已经成熟到「可以直接用」，企业不必再自己造轮子。真正要投入的，是把协议接进你的业务，以及把业务数据铺成智能体读得懂的样子。

具体落地，我们推荐三件套：用企业大模型应用平台做 MCP 工具网关，把内部系统统一暴露成可被调用的工具；用数据治理平台统一主数据与口径，让私有化部署有可信输入；用知识库管理系统沉淀业务事实，作为智能体的上下文与校验来源。

这三件套对应了双协议栈的「前提」：MCP 要接得进系统，靠的是系统先被标准化包装；A2A 要协得起来，靠的是各智能体的能力描述清晰、数据一致。底座稳了，协议才能发挥出「普通话」的威力。

一句话总结：别再纠结「我的智能体用什么方言」，先让它们都说 MCP 和 A2A 这套普通话。说同一种语言的智能体，才组得成团队；组得成团队，企业 AI 才真正从演示走向生产。