学做莱网站网络营销品牌策划
概念
Task
Agent接受任务，并基于任务进行持续沟通，直至完成任务所需交付物
Artifact
工件，表示任务的最终交付物
Message
任务进行时，中间产出的结果和沟通。
Part
文件对象，传出text、file等类型
Agent Card
暴露agent的能力和配置信息，如skill、url、capability
API
TaskManager
接受提交的任务，进行任务等对象的管理，例如更新任务状态，发送流式信息到client等。并由其最终调用Agent完成任务。
可以继承InMemoryTaskManager（来自google官方示例的common模块中）
关键需要自己实现的函数：
on_send_task：接收同步任务，当agent的capability定义streaming为false时，client调用此方法。 on_send_task_subscribe：接收任务，并异步流式输出到client，streaming为true时client调用。
已实现的方法：
upsert_task ：向taskmanager提交一个task
update_store： 更新一个已托管的task状态
enqueue_events_for_sse：向发送队列插入一个流式task message
dequeue_events_for_sse：向发送队列取出流式task message
对象：
TaskStatusUpdateEvent：task更新时间，包括task id、taskstatus、final。final用于控制本次对话是否都已返回，即结束后关闭流式。
TaskStatus：记录taskstatus和message
taskstatus：表示任务状态，submmitted、working、completed、input required
message：role角色、parts文件。
Agent
整合llm和mcp能力，完成具体的task。
agent可以使用多种框架实现，例如langgraph、crewai、google_adk等都可以整合llm和mcp。
AgentSkill：agent的技能，每个技能声明一个AgentSkill对象
AgentCapabilities：定义agent能力，如streaming等。
AgentCard：组装skill和capability，并指定名字、描述、例子、标签、服务url、版本，暴露给调用方。
A2AServer类：组装agentcard和taskmanager启动服务。
Client
用户通过client调用agent，client可以向agent提交task、获取task状态等。
Cient就是创建一个循环，获取到用户的输入后发送给agent，并根据agent的task状态确定下一个操作，例如让用户补充输入、或者已完成任务。
相关资源
基于资源1和2可以实现从0的agent2agent搭建，并支持llm和mcp。
- https://github.com/langchain-ai/langchain-mcp-adapters?tab=readme-ov-file#client
搭建agent的从0开始示例，支持llm和mcp工具的集成。使用langchain openai快速构建对话客户端，再使用langgraph组装llm对话和mcptools。 - https://google.github.io/A2A/tutorials/python/10-next-steps/
从0搭建一个A2A应用 - https://github.com/google/A2A/tree/main/samples/python/agents
google给出的完整的A2A示例，可直接运行。但是代码已经很多了，刚开始理解困难，先从0搭建比较好