国投证券AI Agent行业深度报告指出，使用工具的能力是LLM模型与Agent的最大区别。2024年11月Anthropic推出开放协议MCP（模型上下文协议），屏蔽了不同模式工具与模型通信时的差异，实现一次开发、多场景复用，有效节省研发资源、降低边际开发成本。2025年4月谷歌推出A2A协议，聚焦Agent间通信。本报告从工具调用演进、MCP架构、A2A对比三个维度，解析MCP协议标准化趋势与产业影响。

围绕如何调用工具、交互更加高效，科技大厂先后探索出三种方式。插件模式（Plugin）：2023年OpenAI推出，模型根据用户提示词调用专业插件产品，基于自然语言交互，开发最简单但返回结果易偏差。函数调用（Function Calling）：2023年6月OpenAI首次推出，允许模型提取用户输入生成结构化输出参数，调用预先定义好的外部API，清晰可控但不同模型/工具间格式不统一。模拟人机交互（Computer Use）：2024年Anthropic推出，模拟人类操作模式与桌面应用交互；2025年OpenAI推出Operator基于CUA模型直接对图形界面GUI交互，可拓展性强但成本较高。

三种模式各有优劣，目前Agent产品多采用混合模式开发。MCP的价值在于屏蔽了Function Calling、Computer Use等不同模式工具与模型通信时的差异，统一由MCP协议转换对接，实现了一次开发、多场景复用的目的。

MCP分为客户端-服务器-本地数据库三层架构。客户端MCP中内置LLM模型、部分工具、IDE集成环境。每个服务器本质上代表一类封装工具，用于搜索浏览器查询内容、访问数据库、操作用户界面等某种特定需求。封装后的服务器与客户端通过预先定义好的标准协议（MCP）进行通信，标准协议中定义了调用工具的规则（包括参数名、参数类型和参数描述）。

MCP受到工具、模型及云厂商的广泛认可，目前已接入Github、Notion、阿里云、DeepSeek、AWS、Snowflake、LangChain、LlamaIndex等。MCP推动了产业向标准化方向演进，但主导权格局仍未清晰。

MCP与A2A协议对比

维度	MCP协议	A2A协议
推出方	Anthropic	谷歌
推出时间	2024年11月	2025年4月
核心功能	模型与工具/资源通信	Agent间通信与协作
输出格式	结构化JSON	JSON（Agent Card）
生态伙伴	GitHub/阿里云/Snowflake	Salesforce/SAP/埃森哲/德勤

MCP聚焦单Agent内部能力提升，A2A专注多Agent协作，但在通信机制上存在潜在竞争。

2025年4月9日，谷歌推出Agent2Agent协议（A2A），旨在让分布式异构AI智能体能够相互通信。每个Agent提供JSON格式说明书（Agent Card）表示可完成任务能力，客户端Agent发起请求后建立传输机制，无需共享内存、资源和工具即可进行动态、多模式通信。A2A增加主动能力发现、用户安全验证等能力，满足企业级代理生态安全要求。

A2A是对MCP的升维——从单体Agent走向多Agent协作。MCP专注代理对工具或资源的访问，A2A专注代理之间通信与协作。从逻辑上看，从MCP到A2A是从单代理向多代理协作机制的演进，是管理层级的升维。但从本质来看，两种协议都在解决通信机制，当工具复杂度提升后可能也会以Agent形式存在，MCP也有望具备A2A能力。MCP与A2A的竞争可能演变为Anthropic与谷歌对协议标准主导权的争夺。A2A已获50多家科技企业和服务商支持，包括Salesforce、埃森哲、德勤、C3.ai等。

MCP、A2A推动产业链分化，工具层价值凸显。工具层适合中小公司入局：借助开源模型能力，算力需求相对小、开发难度低、入局门槛更低；易于积累垂直场景数据；科技大厂人力成本昂贵，无法穷尽所有长尾场景，为创业公司留出空间。

但目前做得比较成功的场景多为任务明确、高度重复、注重信息检索的领域，未来将逐步走入垂直场景。同时需警惕模型与工具层的技术边界有待清晰——随着模型层能力提升，工具层能力可能被模型吞噬。Agent工具的研发过程中需要注重壁垒构建，特别是数据壁垒、用户使用习惯养成，不断提升用户迁移成本。