Google發表Agent2Agent協定，打破AI代理孤島！它是實現「多AI團隊」關鍵？|數位時代 BusinessNext

打破AI代理孤島！Google發表Agent2Agent協定：為何它是實現「多AI團隊」的關鍵？

Google推出專為AI代理而生的開放協定Agent2Agent，為不同來源的AI代理，提供一套標準化的溝通機制與協作框架，揭開多代理協作的未來。

AI代理版MCP，加速組建虛擬專案團隊

Google這次推出的A2A，是延伸自Anthropic去年推出的模型上下文協定（MCP），兩者皆是開源協定， 差別在於MCP將AI代理連接到API和其它數據服務，A2A則是專門串接AI代理，核心目標是為不同來源的AI代理，提供一套標準化的溝通機制與協作框架。

根據Google發布的技術文件，A2A主要負責「用戶端（Client）」和「遠端（Remote）」的AI代理之間的溝通。用戶端的AI代理負責制定和傳達任務，由遠端AI代理負責執行任務，A2A則協助用戶端找出執行任務的最佳AI代理、管理每項任務的進度，以及統一檔案規格、讓AI代理之間可以相互發送訊息並協作等。

以招聘軟體工程師為例，在Google的Agentspace平台上，使用者可以要求用戶端的AI代理尋找匹配的候選人，從媒合人選、安排面試到背景調查，用戶端AI代理能夠透過A2A和人才庫、社群等遠端AI代理協作。

也就是說，當AI代理能夠輕易地組隊合作，全新的應用場景也將出現，AI不再僅僅是單一的工具，而是由多個AI代理組成的「虛擬專案團隊」，像是能夠自主完成從市場分析、產品設計、行銷策劃到客戶服務的完整商業流程。

打造AI代理「通用語言」，串連數位孤島

過去，AI代理像是身處不同的數位孤島，說著不同的語言。舉例來說，一個由Google AI模型Gemini驅動、擅長數據分析的AI代理，很難直接與一個基於LangChain開發、專精於市場研究報告撰寫的AI代理，進行溝通與任務協調。

在這樣的情況下，開發者如果想建立需要多個AI代理協作的複雜工作流，往往需要針對每個AI代理的特性，編寫大量的「膠水程式碼（Glue Code）」整合。 而A2A可以被看作AI代理之間的共通語言，提升AI代理的互操作性（Interoperability），讓統籌工作流程的功能更容易實現。

目前，A2A擁有50多個技術合作夥伴，包括Cohere、Langchain、PayPal、Salesforce和 Workday等，未來，A2A如果成功獲得廣泛關注，將會加速AI代理的生態系統，讓企業更容易混合調用來自不同供應商的AI代理。

A2A作為核心拼圖之一，Google劍指AI代理生態系

讓AI代理的運作更直覺，看起來是Google的努力方向，從該公司目前的服務架構來看，使用者可以在開發平台Vertex AI上打造AI代理，藉由AI代理程式開發套件（ADK）和A2A降低多代理（Multi Agents）系統的開發與協作門檻，再透過管理平台Agentspace將這些能力普及到企業的日常營運中。

A2A在其中扮演著至關重要的「連接器」角色，是實現Google宏大AI代理生態系願景的關鍵服務。雖然作為一個新興的開放標準，A2A的普及速度和社群接受度還有待觀察。

Google鋪設下第一塊基石，未來，或許會看到由無數遵循A2A協定的AI代理組成的龐大網絡，它們能夠像人類團隊一樣分工合作和共享知識。

責任編輯：李先泰

走進蔬果加工廠，同樣是100公斤高麗菜，最後能做出多少成品？答案不見得相同。氣候、產地與品質影響原料條件，客戶要求的切法、重量與交期也各不相同。對曾任科技業研發主管十多年的宜展科技農業執行長林佑澤而言，這是與科技製造截然不同的世界。

「農業部分全部都不一致。」林佑澤以青江菜為例，即使機械手臂已經訓練好辨識特徵，面對形狀各異的蔬菜，仍難以判斷該從哪裡抓取。農產品的天然變數，卻得面對學校團膳、連鎖餐飲、航空空廚等企業客戶對品質與交期的要求。如何讓加工流程穩定運作，成為宜展投入數位轉型的起點。

從紙本、LINE到數據，先把現場經驗留下來

目前宜展一年處理數千噸蔬果、服務超過120家企業客戶，業務涵蓋採購、截切、清洗、包裝與配送。林佑澤觀察，農產加工的關鍵經驗往往掌握在資深員工手中：該買多少菜、原料損耗多少、訂單增加又該安排多少人力，都仰賴現場判斷。

「主要就是把人的經驗變成數據。」林佑澤說。過去客戶透過LINE或紙本下單，現場靠人工整理訂單、對照不同客戶的加工規格；如今宜展利用AI辨識訂單內容並匯入ERP，再依客戶、品項與規格進行標籤化派工。製程則透過QR Code記錄原料投入量與成品產出量，逐步掌握各環節的加工損耗。

接下來是整理現場的判斷依據。林佑澤透過與資深員工對談，了解採購、派工與品管的作業方式，再利用AI協助找出規則、建立SOP。AI整理出的流程仍須由現場人員逐項確認、修正，才能實際執行。

品質管理也在持續改善。傳統金屬檢測器難以辨識菜蟲、橡皮筋等非金屬異物，宜展正與技術夥伴規劃導入AI影像辨識，輔助產線末端檢查。林佑澤表示，每批農產品品質不同，比起單看良率，他更重視客訴是否減少。隨著訂單與製程資訊逐步累積，宜展也希望進一步建立需求預測、採購建議與生產排程模型，減少營運對資深員工個人經驗的依賴。

不只把菜切好，乾燥加工尋找第二成長曲線

除了改善截切本業，宜展也開始發展乾燥加工。學校團膳在寒暑假面臨需求波動，生鮮蔬果則有保存期限短、價格易受產季影響等限制。林佑澤希望藉由乾燥技術延長農產品保存期限，開拓附加價值更高的加工業務。

不過，乾燥同樣有依賴經驗的問題。傳統做法是太乾就降低溫度、縮短時間，不夠乾就反向調整。每批原料的水分與成熟度不同，反覆試做不僅增加成本，也難以維持品質一致。「品質目標沒有設定的話，前面的製程參數就不知道怎麼調整。」林佑澤將過去研發車用面板的思維帶進農產加工：先決定產品希望達到的口感、含水率與水活性，再回頭檢視原料成熟度、截切厚度及乾燥參數等條件。

團隊進一步結合不同乾燥技術、自行改造設備，並接洽桃園的設備業者合作。林佑澤曾比較其他地區的設備，最後選擇設備構造、乾燥均勻度與可靠度較符合需求的桃園業者。宜展也持續累積製程參數，希望未來透過AI找出適合不同原料的乾燥曲線，減少反覆試做。

「我們主要還是要做代工，想要做一個功能性的原料平台。」林佑澤說，果乾目前更像是展示技術能力的產品，未來希望將服務延伸至辛香料、中藥材、太空食品、超級蔬菜及寵物食品等領域。現階段宜展主要營收仍來自蔬果截切本業，乾燥事業尚未形成主要收入。未來若能建立穩定的乾燥製程與代工能力，宜展便有機會從既有蔬果供應鏈，切入附加價值更高的食品原料市場。

從彰化走向桃園，驗證營運方法能否跨區複製

隨著加工流程逐步數位化，宜展也開始思考，這套管理方法能否帶到彰化以外的場域。

參與桃園市政府青年事務局天際線加速器及Meet桃園＋後，宜展擴大與桃園產業生態系的連結。林佑澤提到，天際線協助邀集不同局處了解團隊需求，並提供資源媒合機會。宜展也開始與桃園市農會及在地農民合作，增加北部原料來源。這項合作不只拓展了供應來源，更成為宜展因應極端天候、穩定供貨的重要助力。林佑澤回憶，先前中南部連日降雨，蔬菜供應受到影響，宜展便從北部調度蔬菜，以不同產區互相支援，降低天候對供貨的衝擊。此外，團隊也透過天際線資源，獲得參與日本國際伴手禮設計競賽的輔導，並成功榮獲金賞獎肯定，除了展現產品的創新與設計實力，也為宜展拓展海外市場、提升國際能見度創造更多機會。

下一步，宜展規劃以桃園大溪作為第二個驗證場域，將彰化累積的資料、SOP與加工管理經驗，轉化為可複製、可優化的營運管理模式，帶到不同產地、供應鏈及人員條件下驗證。林佑澤指出，未來若要跨區域擴張，不可能每到一個新地方，就把原有團隊整批搬過去。因此，宜展希望將資深員工的實務經驗，轉化為標準化流程與數據模型，結合AI進行生產排程、資源配置及營運決策，讓新場域能依據當地條件快速調整，降低對特定人員經驗的依賴。

從彰化到桃園，宜展接下來要驗證的，是這套從傳統農產加工現場整理出來的管理方法，是能夠跨區域複製、快速部署並持續優化的農產加工營運系統。長期目標是降低新場域的建置成本與管理複雜度，提升擴張效率，讓傳統農產加工業具備規模化發展的能力。