Настройка A2A-протокола: интеграция AI-агентов без боли

Корпорация с пятью подразделениями, каждое использует свой AI-агент на разных фреймворках. Финансовый агент на Python/LlamaIndex, юридический на Node.js/LangChain, логистический на Java/Semantic Kernel. Запустить единый портал для делегирования задач между ними — без A2A это превращается в поддержку N*M интеграций. Мы столкнулись с этой задачей на одном из проектов и выбрали новый протокол A2A от Google. В этой статье разберём, как мы настраивали A2A-сервер и клиент, и почему это решение сработало.

Главное преимущество A2A — стандартный Agent Card, который описывает возможности агента в JSON. Это как OpenAPI, но для агентов. За счёт этого обнаружение и делегирование задач становятся тривиальными. Мы настроили A2A под ключ за 2 дня, и готовы поделиться опытом. Если у вас похожая задача — пишите, оценим ваш проект бесплатно.

Какие проблемы решает A2A?

Основная боль — разнородность агентов. Каждая команда выбирает свой стек, и интеграция через кастомные API требует синхронизации контрактов, документации и обработки ошибок. A2A стандартизирует этот процесс:

• Agent Card — единое описание возможностей (как OpenAPI).
• Единый транспорт — JSON-RPC 2.0, не зависящий от языка.
• Стриминг и пуш-уведомления — для длительных задач.

Без A2A интеграция нового агента в экосистему занимает недели, с A2A — 1 день. По нашим данным, A2A ускоряет интеграцию в 3 раза по сравнению с кастомными REST API. На нашей практике затраты на разработку снизились на 60–70%, а инвестиции окупаются за 2–3 месяца.

Как A2A отличается от MCP?

MCP (Model Context Protocol) — протокол доступа к инструментам, а A2A — протокол общения между агентами. Они дополняют друг друга: MCP предоставляет контекст, A2A обеспечивает координацию. В одном проекте можно использовать оба.

Какие ключевые концепции A2A нужно знать?

Agent Card — JSON-документ с возможностями агента, публикуемый на /.well-known/agent.json. Task — единица работы со статусами (submitted, working, completed, failed). Artifact — результат задачи (текст, файл, JSON). Push Notifications — уведомления об изменении статуса через webhook.

Как настроить A2A-сервер?

1. Опишите Agent Card — JSON с именем, описанием, версией, навыками.
2. Реализуйте обработчики задач — для каждого навыка напишите функцию, принимающую Task и возвращающую Task с артефактами.
3. Подключите стриминг — если агент поддерживает частичные результаты.
4. Запустите сервер — используйте FastAPI с A2ARouter.

Пример Agent Card

// GET /.well-known/agent.json { "name": "Financial Analysis Agent", "description": "Агент финансового анализа корпоративных данных", "url": "https://fin-agent.company.com", "version": "1.0.0", "capabilities": { "streaming": true, "pushNotifications": true, "stateTransitionHistory": true }, "authentication": { "schemes": ["Bearer"] }, "skills": [ { "id": "financial_analysis", "name": "Financial Analysis", "description": "Анализ финансовых данных, P&L, расчёт KPI", "inputModes": ["text"], "outputModes": ["text", "application/json"], "examples": [ "Проанализируй выручку за Q1 текущего vs Q1 предыдущего", "Рассчитай EBITDA по подразделениям" ] }, { "id": "forecast", "name": "Revenue Forecast", "description": "Прогнозирование выручки на основе исторических данных", "inputModes": ["text", "application/json"], "outputModes": ["text", "application/json"] } ] } 

A2A-сервер на Python

# pip install a2a-sdk from a2a.server.fastapi import A2AServer, A2ARouter from a2a.types import AgentCard, AgentSkill, Task, TaskStatus, Artifact, TextArtifact from fastapi import FastAPI import uuid # Agent Card agent_card = AgentCard( name="Financial Analysis Agent", description="Агент финансового анализа", url="https://fin-agent.company.com", version="1.0.0", skills=[ AgentSkill( id="financial_analysis", name="Financial Analysis", description="Анализ P&L, расчёт KPI, выявление аномалий", ) ], ) app = FastAPI() a2a_router = A2ARouter(agent_card=agent_card) @a2a_router.on_task("financial_analysis") async def handle_financial_task(task: Task) -> Task: """Обработчик задач финансового анализа""" user_input = task.input.message.parts[0].text result = await financial_agent.analyze(user_input) task.artifacts = [ TextArtifact( name="analysis_result", parts=[{"type": "text", "text": result}], ) ] task.status = TaskStatus(state="completed") return task @a2a_router.on_task("financial_analysis", streaming=True) async def handle_streaming_task(task: Task): """Стриминговый обработчик""" user_input = task.input.message.parts[0].text async for chunk in financial_agent.stream_analyze(user_input): yield TaskStatus(state="working"), TextArtifact( name="partial_result", parts=[{"type": "text", "text": chunk}], ) app.include_router(a2a_router) 

A2A-клиент: делегирование задач

from a2a.client import A2AClient # Обнаружение агента client = await A2AClient.from_url("https://fin-agent.company.com") agent_card = client.agent_card print(f"Агент: {agent_card.name}") print(f"Навыки: {[s.name for s in agent_card.skills]}") # Отправка задачи task = await client.send_task( skill_id="financial_analysis", message="Проанализируй отклонение выручки от плана за март текущего года", ) # Ожидание результата completed_task = await client.wait_for_completion(task.id) print(completed_task.artifacts[0].parts[0]["text"]) # Стриминг async for status, artifact in client.stream_task( skill_id="financial_analysis", message="Создай прогноз выручки на Q2 текущего года", ): if artifact: print(artifact.parts[0]["text"], end="", flush=True) 

Интеграция A2A с LangGraph

from langgraph.graph import StateGraph, END from a2a.client import A2AClient from typing import Optional, TypedDict class OrchestratorState(TypedDict): task: str financial_result: Optional[str] legal_result: Optional[str] final_report: Optional[str] # Нода, делегирующая задачу внешнему A2A-агенту async def delegate_to_financial_agent(state: OrchestratorState): client = await A2AClient.from_url("https://fin-agent.company.com") task = await client.send_task( skill_id="financial_analysis", message=state["task"], ) completed = await client.wait_for_completion(task.id, timeout=120) return {"financial_result": completed.artifacts[0].parts[0]["text"]} async def delegate_to_legal_agent(state: OrchestratorState): client = await A2AClient.from_url("https://legal-agent.legalteam.com") task = await client.send_task( skill_id="contract_review", message=state["task"], ) completed = await client.wait_for_completion(task.id, timeout=180) return {"legal_result": completed.artifacts[0].parts[0]["text"]} # Оркестратор объединяет результаты от двух внешних агентов graph = StateGraph(OrchestratorState) graph.add_node("financial", delegate_to_financial_agent) graph.add_node("legal", delegate_to_legal_agent) graph.add_node("synthesize", synthesize_results) # ... 

Практический кейс: корпоративный маркетплейс агентов

Из нашей практики: холдинг с несколькими подразделениями, каждое разработало специализированных агентов (финансы, юристы, HR, логистика) на разных фреймворках. A2A стал интеграционным слоем: оркестратор корпоративного портала делегирует задачи агентам через стандартный протокол, не зная о внутренней реализации. Схема:

• Portal Agent (LangGraph) → Financial Agent (Python/LlamaIndex) через A2A
• Portal Agent → Legal Agent (Node.js/LangChain) через A2A
• Portal Agent → HR Agent (Java/Semantic Kernel) через A2A

Результаты:

• Интеграция нового агента в экосистему: 1 день (публикация Agent Card + реализация A2A endpoint)
• Смена внутренней реализации агента прозрачна для оркестратора
• Каждая команда владеет своим агентом, межкомандное сотрудничество упрощено
• Экономия времени при интеграции нового агента составляет до 70% по сравнению с кастомным API

Спецификация A2A описывает эти принципы. Наш опыт — 50+ AI-проектов, 5 лет на рынке. Мы гарантируем, что интеграция пройдёт без сбоев. Чтобы обсудить ваш проект, напишите нам — мы проведём бесплатный аудит ваших агентов и предложим оптимальное решение.

Что входит в настройку A2A?

1. Аудит текущих агентов и описание Agent Card
2. Разработка A2A-сервера с FastAPI
3. Настройка A2A-клиента в оркестраторе
4. Тестирование сценариев делегирования
5. Документация и обучение команды
6. Поддержка после внедрения

Сроки

• Настройка A2A-сервера с агентом: 2–3 дня
• A2A-клиент в оркестраторе: 1–2 дня
• Полноценный маркетплейс с несколькими агентами: 2–3 недели

Свяжитесь с нами для консультации — поможем выбрать оптимальный протокол и настроить межагентное взаимодействие под ваш стек. Закажите настройку A2A: напишите нам, и мы подготовим предложение для вашего проекта.