MCP与A2A的应用

Case 旅游攻略MCP

可以在IDE中设置 mcp.json，配置好后IDE的对话Agent就能用配置的mcp了：
“mcpServers”: {
“amap-maps”: {
“command”: “npx”,
“args”: [
“-y”,
“@amap/amap-maps-mcp-server”
],
“env”: {
“AMAP_MAPS_API_KEY”: “XXX”
}
},
}

需要找一个Agent，设置 mcp的参数 mcp.json

MCP SDK功能

Python MCP SDK

pip install mcp -i https://pypi.tuna.tsinghua.edu.cn/simple

创建MCPServer:提供标准化的API，供AI模型调用外部功能(如文件操作、数据库查询等)。

注册工具(Tools):通过@mcp.tool()装饰器，将Python函数暴露给AI模型使用。

安全交互:支持权限控制，确保AI不会越权访问敏感数据。

跨平台兼容:支持与OpenAI、AnthropicClaude等LLM集成。

FastMCP功能

FastMCP 是 Python MCP SDK中的轻量级服务器框架:
简单易用:仅需几行代码即可启动MCPServer。

支持多种传输方式:如stdio(标准输入输出)、HTTP等。

自动工具发现:通过@mcp.tool()注解自动注册函数，供AI调用

示例问题：
用高德MCP，做上海一天旅游攻略
帮我查询 从北京五道口到北京南站的行车路线

约定本网站哪些内容可以由AI抓取：
https://www.taobao.com/robots.txt

A2A

A2A指的是Agent to Agent，即Agent之间的交互。A2A是Agent交互的一种方式，它指的是Agent之间的交互，而不是Agent与用户之间的交互。A2A可以用于实现智能对话系统、智能客服、智能推荐系统等应用场景。

什么场景下会用到A2A：
A2A可以用于实现智能对话系统、智能客服、智能推荐系统等应用场景。例如，一个智能对话系统可以由多个Agent组成，每个Agent负责处理不同的任务，如自然语言理解、对话生成、知识图谱构建等。这些Agent之间可以通过A2A进行交互，以实现更智能、更高效的对话系统。

单Agent和A2A的优缺点有哪些：
单Agent的优点是简单、易于实现，缺点是难以处理复杂的问题，难以实现多任务、多模态、多轮对话等高级功能。

A2A的优点是可以处理复杂的问题，可以实现多任务、多模态、多轮对话等高级功能，缺点是实现起来较为复杂，需要更多的计算资源和时间。