Google 在 2026 年 6 月 18 日发布 A2A 一周年回顾，主题是 AI agent 如何由单一工具，走向可互相交接任务的协作生态。这篇文章值得留意，因为它不再只讲 protocol specification，而是开始用实例说明 multi-agent architecture 为什么需要不同于一般 API 的设计。
Google 的核心观点是，agent 不是普通 API。API 通常是固定输入、固定输出，但真正的 agent 会理解意图、提出澄清、调整计划、管理状态，甚至在长时间任务中与其他 agent 来回合作。A2A 的价值，是为这类合作提供共同语言，而不是把每个 agent 硬塞成一个 stateless tool。
文章提出几个重要架构优势。第一是 secure boundary。企业内部 agent 可能需要使用敏感资料或私有流程，A2A 让外部或主 agent 只交付任务和接收结果，不需要把内部方法完全暴露。第二是 zero context pollution，专门 agent 自己处理大量依赖和内部状态，不会把主 agent 的 context window 塞爆。
第三是 dynamic autonomy。传统 API 失败时通常只回错误，但 agent-to-agent 协作可以反问、补充、推翻不完整要求，或者调整执行方式。第四是 workload distribution，不同团队、供应商或 managed service 可以维护各自擅长的 agent，让整体方案更模块化。
Google 以 FoldRun 作为例子，描述生命科学场景如何把复杂蛋白质结构预测包装成 agentic interface。用户不需要自己串接大量 API、GPU 资源和模型生命周期，而是把任务交给专门 agent，由它处理长时间、自主且需要动态决策的工作。
文章亦把 A2A 的应用范围拉阔到 agentic commerce、enterprise data streaming、跨平台 IT 与 DevOps、受监管网络等方向。这些例子反映一个趋势：AI agent 的下一步不是每个平台各自建立孤岛，而是让专门 agent 在安全边界内互相交付任务。
对企业来说，A2A 的启示是 agent 架构要一开始就考虑分工、身份、资料边界和上下文管理。单一超级 agent 可能适合 demo，但真实工作流通常需要多个专门 agent：一个负责客户查询、一个负责文件理解、一个负责 CRM 更新、一个负责审批或风险检查。能否安全协作，会直接影响 agent 能否进入生产环境。
