在构建企业级 AI Agent 系统时，一个核心问题会不断出现：

应该将所有能力集中在一个 Agent 中，还是拆分为多个 Agent？Skill、Tool、MCP、A2A 的边界到底在哪里？

本文是对这一问题的一次结构化总结。

1. Skill 的本质：上下文规则，而不是可执行能力

在很多早期设计中，Skill 常被误解为“可以调用的能力单元”。

但更准确的定义是：

Skill 本质上是上下文中的操作规程，而不是 runtime 可执行函数。

例如：

  • 多语言处理规范
  • 代码风格约束
  • 调试流程方法
  • 领域经验总结

它们更接近：

  • SOP（标准流程）
  • 指南手册
  • 方法论

而不是：

  • API function
  • Tool call

因此可以抽象为：

概念 本质
Tool 可执行动作
Skill 行为规范 / 方法论
文档索引（如 AGENTS.md） 手动 Skill 组织方式

所谓“渐进式披露”，本质只是 Skill 的按需加载机制，并不等价于执行系统。

2. 企业级误区：单 Agent 承载所有能力

一个常见直觉是：

既然 Agent 能理解上下文，那是否可以把所有业务能力（HR、CRM、财务等）统一放进一个 Agent？

但在企业环境中，这种设计会带来结构性问题：

1. 上下文污染

不同业务域语义混杂，导致推理边界不清晰。

2. 权限边界模糊

敏感数据（人事、财务、合同）难以隔离。

3. 可观测性下降

无法追踪“哪个规则影响了最终决策”。

4. Tool routing 不稳定

当 Skill / Tool 数量增长时，选择错误概率显著上升。

3. 更合理的结构：分层 Agent 系统

企业级 Agent 系统更合理的结构是：

  • 用户入口 Agent（统一交互层）
  • 多个业务域 Agent（领域自治）
  • Tool 执行层（MCP / API）

可以抽象为：

用户 → 入口 Agent → 业务域 Agent → Tool 层

关键点：

  • 用户只与一个入口 Agent 交互
  • 业务逻辑分布在多个 Domain Agent
  • Tool 仅负责执行，不负责决策

4. A2A 的本质：Agent 之间的任务协作协议

A2A 的核心不是 tool invocation，而是：

不同业务 Agent 之间的任务委派与协作机制

典型能力包括：

  • Task（任务生命周期）
  • Message（交互）
  • Artifact（结构化结果）
  • Context（上下文关联）

它适用于：

  • 跨域问题拆解
  • 多系统协作
  • 长任务处理

但它不负责执行底层操作。

5. 现实约束：通用 Agent 只能通过 MCP 接入外部能力

在实际工程中，一个关键事实是：

通用 Agent 客户端通常只支持 MCP tools/resources，而不原生支持 A2A 网络。

因此：

  • A2A 是内部 Agent 网络协议
  • MCP 是对外能力暴露协议

这就引出了一个关键架构问题：

如何让 MCP 客户端访问 A2A Agent 网络？

6. 必需组件：MCP Gateway（A2A 的对外适配层）

在企业架构中，通常需要增加一个 Gateway 层：

该层负责：

  • Agent 注册与发现
  • 任务委派（A2A 调用）
  • 状态查询
  • 结果获取
  • 权限控制
  • 审计与追踪

其作用是：

将 A2A 网络“转换”为 MCP 可调用的工具集合

但需要注意：

  • MCP Gateway 不等同于 Agent
  • MCP Gateway 只是协议适配层
  • 真实业务逻辑仍在 A2A Agent 内部

7. 推荐企业架构分层

可以总结为四层结构：

1. 交互层

  • 用户输入
  • 上下文管理
  • 意图识别
  • 结果聚合

2. MCP Gateway 层

  • Agent registry
  • capability discovery
  • task delegation
  • artifact retrieval
  • policy / auth / audit

3. A2A Agent 层

  • HR / CRM / 财务等业务 Agent
  • 任务处理
  • 多轮协作
  • 结构化输出

4. Tool 层（MCP / API）

  • 数据库
  • ERP / CRM / HR 系统
  • 文件系统
  • 外部服务

8. 关键设计原则

1. Memory 应该集中在交互层

业务 Agent 不应维护“用户长期记忆”，否则会造成语义污染与权限扩散。

2. Agent 是业务自治单元，而不是函数

  • Tool = 执行动作
  • Agent = 业务决策单元

3. A2A 负责协作，MCP 负责执行

  • A2A：任务分解与协作
  • MCP：原子操作执行

4. Gateway 是企业 AI 的核心治理层

必须负责：

  • 权限控制
  • 审计
  • 路由
  • 任务生命周期管理
  • 数据隔离

9. 一个核心结论

企业级 Agent 系统的本质不是：

一个强大的通用 Agent

而是：

一个可治理的 Agent 网络系统

其中：

  • MCP 解决执行问题
  • A2A 解决协作问题
  • Gateway 解决接入问题
  • 交互层解决用户体验问题

企业级 AI 架构的正确方向是：

通过分层设计，将“理解用户”的能力集中在交互层，将“业务决策”分布在领域 Agent，将“执行能力”下沉到 Tool 层，并通过 A2A 实现 Agent 网络协作，通过 MCP 提供统一外部接入能力。

<
Previous Post
如何更优雅地提供 MCP Resources
>
Next Post