A2A还是MCP？一场关于AI代理自动化边界的真实演示

这场由 Bench 的 Damien Murphy 带来的 Workshop，用真实代码和现场 Demo 讲清了两个当下最火的概念：A2A 与 MCP。它不仅回答了“该用哪个”，更重要的是解释了“什么时候千万别用”，以及如何把它们组合成可落地的自动化系统。

为什么“能干活”的 AI Agent，必须是分工协作的

演讲一开始，Damien Murphy 就点出一个很多团队踩过的坑：让一个大而全的 Agent 承担所有任务，几乎一定会失败。他直言，Bench 的目标不是“更聪明的单一模型”，而是“能并行完成复杂工作的自主代理系统”。在他的定义里，Bench 本身就是一个 autonomous AI agent，擅长把一个业务目标拆成多个可并行的子任务。

这也是 A2A（Agent-to-Agent）模式的出发点：通过 agent specialization（代理专精）、task delegation（任务分配）和 parallel processing（并行处理），避免上下文被单一 Agent 撑爆。Damien 强调，上下文窗口不是抽象的理论限制，而是每天都在吞噬成本和稳定性的现实问题。“Sub agents protect the host context”，子代理的存在，本质上是在为主代理“挡子弹”。

这一点非常关键：A2A 并不是为了炫技，而是为了让复杂业务流程在可控的上下文和成本范围内运行。

MCP 为什么突然爆火？以及它真正解决了什么问题

如果说 A2A 解决的是“内部协作”，那 MCP（Model Context Protocol）解决的就是“外部连接”。Damien 在现场直言：“MCP again， really hot topic right now。”它之所以受到关注，是因为它提供了一个标准化接口，让 LLM 可以安全、结构化地调用第三方工具。

在演示中，他展示了 Zapier MCP 的典型用法：通过 SSE（Server-Sent Events）连接 Slack 和 GitHub，把外部事件流式送进 Agent。MCP 的 plug-in architecture 明显受到 LSP（Language Server Protocol）的启发——一次集成，多处复用。对企业来说，这意味着不必为每个工具手写一套 prompt 和函数绑定。

但 Damien 也很克制地指出，MCP 并不是“越多越好”。当你只是调用本地工具或本地 Agent 时，引入 MCP 只会增加协议开销和调试复杂度。

什么时候该用 A2A，什么时候千万别用 MCP

全场最有价值的部分之一，是 Damien 对“A2A vs MCP”的清晰分界。他给出的结论非常直接：agentic AI 是一个 superset，A2A 和 MCP 都只是其中的工具。A2A 适合远程代理、复杂编排和上下文隔离；MCP 适合标准化的第三方工具访问。

他甚至专门花时间讲“什么时候不要用 MCP”。比如在本地环境、需要快速迭代、强调可调试性的场景下，直接的 function calls 往往更清晰。“Protocol overhead is real”，协议本身会成为负担。

另一个被反复提及的风险，是 remote agents 的不透明性。把能力交给远程 MCP 服务，意味着你必须接受一定程度的黑盒，这在安全和合规场景下尤其敏感。

从代码到 Demo：一个真实跑起来的多代理系统

在后半段，Damien 直接进入代码层面：repo 结构、host agent、sub agents、A2A 实现方式，以及 MCP client 的配置。他展示了如何把 Zapier MCP、Slack agent、GitHub agent 和远程 Bench A2A agent 编排在一起，由 host agent 统一调度。

Demo 过程中虽然有“Demo gods”的小插曲，但最终系统还是成功跑通：GitHub issue 被自动创建，Slack 收到结构化输出，Webhook 事件在 MCP inspector 中清晰可见。这些并不花哨的结果，恰恰证明了系统的可用性。

在 Q&A 中，他进一步讨论了 context windows、prompt caching、成本权衡，以及 human-in-the-loop 的必要性。这些细节，让整个架构从“能跑”走向“能长期用”。

总结

这场 Workshop 并没有把 A2A 或 MCP 神话，而是给出了一个非常工程化的答案：它们都是工具，关键在组合方式和使用边界。真正成熟的 Agent 系统，一定是多代理协作、上下文受控、对外连接克制的系统。对正在尝试业务自动化的团队来说，这场分享最大的价值，是帮你少走几个月的弯路。

关键词： AI Agent， A2A， MCP， 上下文窗口， 大语言模型

事实核查备注： 视频来源：AI Engineer 频道；演讲者：Damien Murphy（Bench）；核心概念：A2A（Agent-to-Agent）、MCP（Model Context Protocol）、Zapier MCP、SSE、LSP；产品与技术：Slack、GitHub、Gemini API、Bench 远程 A2A agent；所有观点均来自视频演讲与现场演示。