近日，某知名明星的私生活再度引發熱議，網絡上流傳出一系列疑似證據，涉及多個內幕消息。雖然這些信息尚未得到證實，但卻引起了不少網友的關注與討論。相關方面對此事保持沉默，未來的發展仍然撲朔迷離。追隨娛樂圈動態的群眾對真相的渴望也在持續升溫，不少人開始紛紛猜測這一事件背后的真實故事。
今日清晨，微軟在官網宣告Azure AI Foundry和Microsoft Copilot Studio兩大開發渠道，支撐最新的Agent開發協議A2A。
這也是微軟支撐MCP后又一要害動作，而且會與谷歌協作一同開發擴展A2A協議，這關于智能體賽道來說含義嚴重。因為智能體在運用A2A、MCP協議之后，能夠打破數據、開發形式、通訊交互、操作環境等許多壁壘，輕松構建超大規模的雜亂智能體主動化流程。
簡略來說，現階段的智能體相當于戰國時代，每家的技能、數據格局、開發辦法都不相同。而A2A+MCP能夠像秦始皇那樣改寫這一局勢，一致錢銀、度量衡推進智能體從渙散走向交融，極大提高開發、主動化功率。
關于微軟對智能體的大動作，微軟CEO Satya Nadella給出了高度評價，像 A2A和 MCP這樣的敞開協議是完成智能體網絡的要害。跟著 Copilot Studio和 Azure AI Foundry開端支撐 A2A，客戶將能夠構建從規劃上就具有互操作性的智能體體系。
網友表明，這但是嚴重行動。微軟入局 A2A和 MCP意味著智能體網絡不再是坐而論道——現在現已到了實戰階段。真等待看到后續的開展！
像A2A和 MCP這樣的標準化協議，是完成可擴展的AI協作的支柱。
智能體是未來，而互操作性是要害。
毫無疑問，像A2A和 MCP這樣的敞開協議正在改動智能體網絡的格局。跟著 Copilot Studio和 Azure AI Foundry對 A2A 的支撐，客戶能夠無縫地創立具有互操作性的智能體體系。
很快樂看到微軟選用了完成智能體互操作性的敞開協議。A2A和 MCP將成為智能體網絡的重要柱石。
微軟為什么要支撐A2A、MCP。
依據微軟發布的開發數據顯現，現在，有超越7萬家企業和數字原生公司，例如，Atomicwork、Epic、富士通、Gainsight、H&R Block和LG電子等，經過Azure AI Foundry開發渠道來開發、定制、辦理智能體和AI使用。
僅4個月，超越1萬家組織選用新的Agent Service 構建、布置和擴展智能體體系；超越23萬家組織，包括90%的財富500強企業，都運用了Microsoft Copilot Studio來開發AI、智能體使用。
所以，微軟在智能體開發、使用方面具有豐厚的實戰經驗，也是現在全球最大的智能體開發渠道之一，深知智能體無法互通帶來的許多痛點。
但跟著越來越多企業期望開發雜亂的智能體來擴展主動化規模，這種壞處就被無限擴大。而A2A、MCP能夠很好的來處理，協助智能體完成跨渠道、操作體系、數據，簡化開發流程。
什么是A2A、MCP。
A2A是谷歌在本年4月“Google Cloud Next 25”大會上開源的一種專門面向智能體的交互協議，全稱為“Agent 2 Agent”使智能體能夠相互協作，不管底層結構或供貨商是什么。
例如，一家跨國制作企業為滿意雜亂的業務需求，選用了多樣化的企業渠道和服務。SAP 體系被使用于企業資源規劃，高效整合財政、供應鏈、出產等中心業務流程；
Slack為企業內部交流協作的重要東西，各部門職工借此完成即時信息傳遞與項目協同；Oracle 數據庫則用于海量出產數據和業務數據的存儲、辦理與剖析作業。
現在想經過一個智能體將SAP、Slack、Oracle的簡略操作流程完成主動化。曾經這些渠道上的智能體無法自在通訊。現在經過A2A協議，這些企業渠道能夠安全、自在地主動化交互數據。
現在，現已有微軟、Box、Cohere、Intuit、Langchain、MongoDB、PayPal、Salesforce、SAP、ServiceNow、UKG等50多家全球尖端企業加入了該協議。
MCP協議則是由大模型渠道 Anthropic在上一年11月推出，全稱為“Model Context Protocol”，主要用途是為大型言語模型與外部數據源、東西及服務供給一致的通訊結構。
MCP界說了一種通用格局，讓AI模型能夠像調用函數相同，調度搜索引擎、數據庫、計算器、代碼執行器，乃至其他模型或API服務。經過MCP協議，AI使用能夠輕松引進外部服務、功用，或許調取更多數據，然后具有更豐厚的才能。
MCP還有許多開發優勢：懇求和回來數據選用JSON格局，確保了兼容性；能夠無縫合作Function Call機制，讓AI具有調用外部API的才能；
能夠解耦AI和業務邏輯，AI不需要硬編碼API邏輯，只需要依據Function Call挑選適宜的MCP辦法，然后提高開發功率。
簡略來說，能夠把MCP看成大模型范疇的“USB接口”，能夠直接插拔各種使用而無需關懷底層邏輯。
A2A示例。
為了推進A2A協議的開展，微軟也參加了開源庫的開發。例如，因為現在短少現成的A2A封裝庫，開發人員做集成很困難，微軟就使用 A2A 代碼庫的示例代碼，讓 Semantic Kernel 智能體融入 A2A 生態，供給了明晰、簡略的集成示例。
在這個示例中，主要有幾個要害部分。SemanticKernelTravelManager 就像一個總指揮，接納用戶的懇求，然后依據懇求的內容，把使命分配給適宜的專業智能體。比方遇到和錢銀有關的問題，就交給Currency ExchangeAgent；和行程活動有關的，就交給 Activity PlannerAgent。
Currency ExchangeAgent 負責處理錢銀相關業務，整合了像 Frankfurter API 這樣的外部東西，能供給實時匯率，協助用戶做預算和財政規劃。Activity PlannerAgent 則依據用戶的偏好和預算，給出個性化的游覽行程主張，還能協助預定活動和組織景點。
全體主動化流程：當用戶向 TravelManager 提交懇求，比方 “規劃一個預算友愛型游覽，包括錢銀換算”，TravelManager會剖析需求，發現觸及錢銀問題，就調用 Currency ExchangeAgent。
Currency ExchangeAgent從Frankfurter API 獲取匯率信息，之后Activity PlannerAgent 依據預算給出適宜的游覽主張。最終，TravelManager 把這些信息匯總，生成完好的游覽方案回來給用戶。
在整個主動化過程中，還有幾個重要機制。使命路由和派遣方面，TravelManager 能依據上下文和主動函數調用功用，智能地把使命分配給插件式的專業智能體。智能體經過發現機制，能夠協助每個智能體經過 “Agent Card” 展現自己的才能，這樣其他智能體就能快速找到適宜的同伴完成使命。
（文章來歷：華爾街見識）。
