ความประทับใจแรกต่อโปรโตคอล Google A2A - เปรียบเทียบกับ MCP

• Google เปิดซอร์สโปรโตคอล agent-to-agent ใหม่ชื่อ A2A (Agent to Agent)
• แม้จะคล้ายกับ MCP ของ Anthropic แต่ก็มีความแตกต่างทั้งด้านเป้าหมายและโครงสร้าง โดย Google เน้นว่า A2A ถูกออกแบบมาเพื่อเสริม MCP
• โปรโตคอลทั้งสองอาจพัฒนาไปในทิศทางของการทำงานเสริมกันหรือการบูรณาการเพื่อสร้างมาตรฐาน มากกว่าการแข่งขันกัน

ลองใช้งาน A2A

• วิธีใช้งาน A2A แทบจะเหมือนกับ MCP
• สามารถรัน A2A server (agent) หลายตัว แล้วเชื่อมต่อและใช้งานจาก A2A client ได้
• client และ server สามารถทำงานแยกจากกันอย่างอิสระ

องค์ประกอบของ agent ตัวอย่าง

• รัน agent ตัวอย่าง 3 ตัวที่ Google จัดเตรียมไว้ในเครื่อง local
  • Google ADK: agent สำหรับจัดการการเบิกคืนค่าใช้จ่ายของพนักงาน
  • CrewAI: agent สำหรับสร้างภาพ
  • LangGraph: agent สำหรับให้ข้อมูลอัตราแลกเปลี่ยน
• agent จะประกาศความสามารถและอินเทอร์เฟซของตัวเองออกสู่ภายนอกผ่าน Agent Card ในรูปแบบ JSON

ตัวอย่าง - สรุปองค์ประกอบของ Agent Card ของ Google ADK:

• ชื่อ: Reimbursement Agent
• คำอธิบาย: จัดการกระบวนการเบิกคืนค่าใช้จ่ายของพนักงาน
• URL: http://localhost:10002/
• ความสามารถที่รองรับ: รองรับสตรีมมิง, ไม่รองรับ push notification
• รูปแบบอินพุต/เอาต์พุตพื้นฐาน: text / text-plain
• Skill: process_reimbursement (เครื่องมือเบิกคืนค่าใช้จ่าย), พร้อมประโยคตัวอย่าง

รันแอปเดโม A2A client

• สามารถรันเว็บ client ที่ Google จัดเตรียมไว้เพื่อทดสอบ A2A ผ่านเบราว์เซอร์
• ดีไซน์ใช้ Google Material UI คล้าย Gemini AI Studio
• ตัวอย่าง URL พื้นฐานที่ใช้ตอนลงทะเบียน agent:
  • Google ADK: localhost:10002
  • CrewAI: localhost:10001
  • LangGraph: localhost:10000
• Agent Card อยู่ที่พาธ .well-known/agent.json ของแต่ละ agent

สิ่งที่ตรวจสอบได้จากฝั่ง client

• รายการ agent ที่ลงทะเบียนไว้
• ประวัติการแชตกับ agent
• รายการ event และ task ต่างๆ
• หน้าการตั้งค่ามีองค์ประกอบค่อนข้างเรียบง่าย

ทดสอบการเชื่อมต่อแบบ multi-agent

• ทดสอบว่าสามารถนำหลาย agent มาประกอบกันเพื่อทำเป้าหมายเดียวได้หรือไม่
• ตัวอย่าง: “วันที่ 4 เมษายน 2025 ขอเบิกค่าเบียร์ 5 ยูโรระหว่างเดินทางไปทำงานที่เยอรมนี”
  • LangGraph คำนวณอัตราแลกเปลี่ยน
  • Google ADK ประมวลผลคำขอเบิกคืน
  • ผ่านความร่วมมือที่เป็นธรรมชาติระหว่าง agent ทำให้สร้างแบบคำขอเบิกคืนที่มีจำนวนเงินแปลงเป็นดอลลาร์ได้สำเร็จในที่สุด

ความประทับใจเบื้องต้นต่อโปรโตคอล A2A

• โครงสร้าง client-server ชัดเจน ทำให้ deployment และ operation ทำได้ง่าย
• การตั้งค่า agent ทำได้ง่ายเพียงลงทะเบียน URL และยังเพิ่ม/ลบ agent ได้แม้ระหว่างรันอยู่
• client เป็นฝ่ายเรียก agent แต่ละตัวแยกกัน ทำให้ผู้ใช้ไม่เห็นลำดับการทำงานร่วมกันระหว่าง agent อย่างชัดเจน
• ในตอนนี้โครงสร้างยังใกล้เคียงกับรูปแบบการเรียกใช้เครื่องมือมากกว่า

สรุปเปรียบเทียบ A2A กับ MCP

• A2A ถูกออกแบบเป็นโปรโตคอลสำหรับการสื่อสารและความร่วมมือโดยตรงระหว่าง agent
• MCP มุ่งเน้นที่การจัดการ context แบบมี LLM เป็นศูนย์กลาง และการเชื่อมต่อเครื่องมือภายนอก

คำอธิบายความแตกต่างตามฟังก์ชัน:

• วัตถุประสงค์การใช้งาน:

  • A2A มุ่งเน้นความร่วมมือระหว่าง agent อิสระหลายตัว
  • MCP มุ่งเน้นให้ LLM หนึ่งตัวขยายความสามารถด้วย API หรือเครื่องมือภายนอก

• ความแตกต่างด้านโครงสร้าง:

  • A2A อยู่บนโครงสร้าง client-server ที่ agent ต่างๆ แยกกันอยู่และทำงานอย่างอิสระ
  • MCP เป็นโครงสร้างระหว่าง application-LLM-tool โดยมี LLM เป็นศูนย์กลาง

• รูปแบบการสื่อสาร:

  • A2A อิงตามมาตรฐานเว็บอย่าง HTTP, JSON-RPC และ SSE
  • MCP ใช้การสื่อสารบนพื้นฐาน JSON-RPC 2.0 และรองรับ HTTP streaming

• องค์ประกอบของฟังก์ชัน:

  • A2A ประกอบฟังก์ชันด้วย task, message, artifact เป็นต้น
  • MCP จัดองค์ประกอบโดยมี resource, tool, memory, prompt เป็นต้นเป็นแกนหลัก

• จุดแข็งที่ต่างกัน:

  • A2A เด่นด้านการประมวลผลแบบ asynchronous และการทำงานร่วมกัน
  • MCP เด่นด้านประสิทธิภาพของ context, การประมวลผลแบบขนาน และ caching

• สถานการณ์ของชุมชนผู้ใช้:

  • A2A กำลังได้แรงสนับสนุนช่วงแรกจากลูกค้า Google Cloud เป็นหลัก
  • MCP ถูกนำไปใช้อย่างกว้างขวางแล้ว และมีชุมชนนักพัฒนาที่เคลื่อนไหวอย่างคึกคัก

บทสรุป

• ท้ายที่สุดแล้ว A2A และ MCP มีเป้าหมายคล้ายกันตรงที่ต่างก็รองรับโครงสร้าง multi-agent/การเรียกใช้เครื่องมือ เพื่อให้ระบบ AI บรรลุเป้าหมายที่ซับซ้อนได้
• โปรโตคอลทั้งสองยังขาดความสามารถด้านการลงทะเบียนอัตโนมัติและการค้นหา จึงยังต้องตั้งค่าด้วยตนเอง
• MCP มีความได้เปรียบจากการเข้าตลาดก่อนและมีชุมชนที่แข็งแรง
• A2A กำลังเติบโตอย่างรวดเร็วด้วยแรงหนุนอันแข็งแกร่งจาก Google
• โปรโตคอลทั้งสองมีแนวโน้มพัฒนาไปในทิศทางของการทำงานเสริมกันหรือการบูรณาการเพื่อสร้างมาตรฐาน มากกว่าการแข่งขันกัน
• สำหรับนักพัฒนา นี่เป็นแนวโน้มเชิงบวกที่มอบทางเลือกมากขึ้นและมาตรฐานแบบเปิดที่มากขึ้น

[ahwjdekf]

AI เริ่มเชื่อมต่อกับภายนอกอย่างจริงจังแล้ว... จากนี้คงมีเรื่องใหญ่เกิดขึ้นจริง ๆ น่ากลัวนะ

[elddytbt]

ดูเหมือนโพสต์เกี่ยวกับ A2A เพิ่งขึ้นมาได้ไม่นานเอง แต่มีบทความเปรียบเทียบออกมาแล้ว... น่าทึ่งมากครับ ผมเองก็อยากขยันให้ได้แบบนี้เหมือนกัน พอดีกำลังสงสัยอยู่เลยว่ามันต่างกันยังไง ขอบคุณมากครับ อ่านได้เข้าใจดีเลย

[ndrgrd]

สรุปกับการครอว์ลิงเป็นบอตทำ แต่ตัวบทความไม่ได้เป็นคนเขียนเหรอครับ

[elddytbt]

ถ้าลองกดดูผู้เขียน จะมีข้อความว่า "ฉันคือ GeekNews AI Bot ที่สรุปบทความ" แบบนี้ก็น่าจะเป็นบอตจริง ๆ ครับ 555

[ndrgrd]

บทความในหน้านี้ (สรุป) ถูกทำโดยบอตจริง แต่ก็เป็นเพียงสรุปเท่านั้น และบทความที่ลิงก์ไว้ในชื่อเรื่องคือบทความต้นฉบับ
อันนั้นมนุษย์เป็นคนเขียนจริง

[elddytbt]

อ้อ จริงด้วยครับ แต่ก่อนก็ใส่ลิงก์ต้นฉบับทุกครั้งอยู่แล้วแท้ ๆ ทำไมผมถึงคิดว่าเป็นบอตไปได้นะ
ต้องขอบคุณคุณเลยที่ช่วยให้ผมขายหน้าน้อยลง ขอบคุณครับ 555

[hhkkkk]

มีคนที่มองเหมือนกันอยู่ด้วยนะ 555
เห็นด้วยครับ

[elddytbt]

อ้อ เป็นบอตนี่เอง.. ค่อนข้างน่าอายเหมือนกันนะ ไม่มีการลบคอมเมนต์สินะ