AI创作者AMA知无不言
重构Agent架构：回头看，之前全是瞎搞花三天完整重构了一套Agent架构，做完最大感触：过去很多实现，本质都是堆Demo式的瞎搞。生产级Agent的核心，其实就两件事：MCP 和 A2A。先说MCP，Model Context Protocol，Agent调用外部工具的标准化协议。没接触MCP之前，接入工具特别折磨。每新增一个工具，就要写一套对接、解析、鉴权逻辑。接十个工具就要维护十套代码，各个接口格式、鉴权方式各不相同，维护成本极高。MCP相当于AI领域的USB接口。只需要实现一个MCP Server，所有兼容MCP的Agent都可以直接调用。我现在已经把搜索、数据库、文件操作全部封装成MCP服务。后续新增工具，只需要开发对应的Server，全部Agent开箱即用，不用重复改造适配，极大简化工具接入。再就是A2A，Agent‑to‑Agent智能体协作协议，这点更为关键。之前我习惯单Agent一把梭，一个上下文里同时做规划、检索、推理、执行。任务链路一长，上下文直接膨胀，容易丢失前置信息、无故跳步骤，出问题也很难定位。现在拆成多个专精Agent：分诊Agent做需求分类拆解，检索Agent负责资料查询，执行Agent落地实际操作，依靠A2A完成任务分发与结果传递。每个Agent只专注一件事，上下文干净可控。最大的收益是支持并行处理。以前查询用户信息、调取订单记录只能串行等待，现在多个Agent同步运行，耗时直接减半。而且各个模块可以单独测试、独立升级，不会牵一发动全身。当然生产落地坑依然很多：Agent Card安全风险、分布式链路追踪、权限管控，都是绕不开的工程难题。Gartner预测，到2027年40%的Agent项目会被砍掉，我非常认同。很多项目上来就堆Prompt、拼Demo，底层架构没有梳理清楚，一上生产环境各种问题爆发。Demo好用不等于业务可用。单Agent适合玩原型，真正要走向商用，MCP解决工具标准化，A2A解决多智能体协作，这套工程化思路绕不开。想问下大家，你们现在做Agent还在用单Agent，还是已经落地多Agent架构？评论区交流。
发布于 四川
分享
评论
2
未登录
友善发言
评论
加载中
