過去我們談到 AI Agent，多半是「一個 Agent 幫你完成一件事」。但當 AI 應用逐漸深入企業流程，例如採購、HR、客服、法務、IT 維運時，一個 Agent 往往無法同時具備所有領域知識與權限。
因此，多 Agent 協作（Multi-Agent）開始成為企業 AI 平台的重要設計方向，而 A2A（Agent to Agent）就是讓不同 Agent 能夠彼此合作的關鍵架構。
MCP 與 A2A，有什麼不同？
很多人會把 A2A 與 MCP 混為一談，其實兩者解決的是不同問題。
MCP 著重於 Agent 如何安全地存取工具與企業系統，例如查詢 SAP、CRM、知識庫或資料庫；而 A2A 則是 Agent 與 Agent 之間如何分工合作，讓不同專長的 Agent 能共同完成一項任務。
企業 AI 平台通常會同時採用兩種能力：MCP 作為工具整合層，A2A 作為協作層。
為什麼需要多個 Agent？
企業流程本身就是跨部門、跨系統的。例如處理一張採購單，可能需要採購 Agent、庫存 Agent、供應商 Agent 與簽核 Agent 依序合作。
相較於建立一個「萬能 Agent」，將 Agent 依照業務領域拆分，不但 Prompt 更精簡、模型成本更低，也更容易維護與擴充。
A2A 的核心設計
成熟的企業平台通常會建立一個 Coordinator Agent，負責任務拆解、Agent Routing、Context 管理、失敗重試與流程協調。
各領域 Agent 則專注於自己的職責，例如 HR Agent、Finance Agent、IT Agent、Legal Agent 等，必要時再透過 MCP 存取企業系統。
此外，Agent 間應只交換必要資訊，例如任務內容、執行結果、證據來源與信心值，而不是傳遞完整對話，以降低 Token 消耗並提升效率。
結語
A2A 並不是取代 MCP，而是補足企業 AI 平台中的「協作能力」。
真正成熟的 Enterprise AI Platform 通常會同時具備：
- Model Gateway：統一模型管理。
- RAG 與 Knowledge Governance：企業知識管理。
- MCP：安全整合企業工具。
- A2A：多 Agent 協作。
- Workflow Engine：流程編排與自動化。
當這些能力組合在一起，企業 AI 才能真正從「聊天工具」進化為可執行複雜業務流程的智慧平台。