Hệ sinh thái AI đang trở nên sôi động với các tiêu chuẩn mới về cách các mô hình, công cụ và tác nhân kết nối với nhau. Hai “tay chơi” mới nổi bật là Giao thức A2A (Agent-to-Agent) của Google và Giao thức MCP (Model Context Protocol) của Anthropic. Ở cấp độ tổng quan, A2A nhằm tiêu chuẩn hóa cách các tác nhân AI hoàn chỉnh giao tiếp và hợp tác, trong khi MCP tiêu chuẩn hóa cách một mô hình ngôn ngữ kết nối với công cụ và nguồn dữ liệu.
Trên thực tế, hai giao thức này có mục tiêu và kiến trúc khác nhau, nhưng lại có thể bổ sung cho nhau (thậm chí chồng lấn) trong việc xây dựng các hệ thống dựa trên tác nhân. Hãy cùng tìm hiểu từng giao thức là gì, cách chúng được thiết kế và vì sao cả hai đều quan trọng đối với tương lai của các sản phẩm AI.
A2A (Agent-to-Agent) là gì?
A2A là đặc tả mở của Google cho việc các tác nhân giao tiếp với nhau. Trong mô hình này, mỗi tác nhân là một dịch vụ AI độc lập (gồm một mô hình ngôn ngữ lớn – LLM – và các công cụ/chức năng đi kèm). A2A định nghĩa khung giao tiếp tiêu chuẩn để các tác nhân này tương tác.
Trên thực tế, A2A sử dụng kiến trúc kiểu client–server, trong đó một tác nhân có thể tìm kiếm và giao nhiệm vụ cho tác nhân khác, trao đổi các thông điệp và “artifact” (tạo phẩm) trong suốt quá trình xử lý.
Mỗi tác nhân công bố một thẻ tác nhân (agent card) – một tệp JSON liệt kê khả năng và điểm cuối (endpoint) của nó – để các tác nhân khác có thể tìm thấy. Về mặt kỹ thuật, A2A sử dụng HTTP/HTTPS với các lệnh JSON-RPC cho các yêu cầu có cấu trúc và Server-Sent Events (hoặc WebSockets) để trả lời theo luồng, tất cả được đóng gói trong JSON.
Tóm lại, A2A cho phép các tác nhân AI (ví dụ: bot “lập kế hoạch du lịch”) nói chuyện với các tác nhân chuyên biệt khác (ví dụ: “tác nhân đặt vé máy bay”, “tác nhân tìm khách sạn”) theo cách nhất quán. Giao thức này còn hỗ trợ phân chia nhiệm vụ, cập nhật tiến độ, xử lý lỗi và câu hỏi bổ sung. Theo tài liệu của Google: “A2A là một khung giao tiếp tiêu chuẩn giúp các tác nhân AI tương tác với nhau một cách nhất quán và có thể dự đoán được.”
Các thành phần chính của A2A
- Thẻ tác nhân (Agent Cards): Hồ sơ JSON quảng bá khả năng của tác nhân (tên, nhà cung cấp, endpoint, năng lực)
- Nhiệm vụ và Thông điệp: Một "nhiệm vụ" là công việc được giao cho một tác nhân; có nhiều trạng thái (đã gửi, đang chạy, yêu cầu đầu vào, hoàn tất...) và mang theo phong bì thông điệp cùng với artifact
- Mô hình client–server linh hoạt: Tác nhân có thể là client hoặc server. Một tác nhân có thể giao nhiệm vụ cho tác nhân khác và vai trò có thể thay đổi khi cùng cộng tác
- Các mẫu tương tác được hỗ trợ: Xử lý tác vụ bất đồng bộ hoặc dài hạn, kết quả theo luồng, payload đa phương tiện, làm rõ và định dạng lỗi chuẩn hóa
A2A giúp xây dựng các giải pháp phức tạp, nhiều tác nhân (như lên kế hoạch chuyến đi nhiều thành phố hoặc tự động hóa quy trình tài chính) bằng cách tái sử dụng các tác nhân chuyên biệt làm “viên gạch” xây dựng.
MCP (Model Context Protocol) là gì?
Ngược lại, MCP được thiết kế để kết nối một ứng dụng AI dựa trên LLM với dữ liệu, API và công cụ theo cách tiêu chuẩn. Hãy tưởng tượng MCP giống như cổng USB-C cho AI: giống như USB-C là một chuẩn kết nối chung, MCP là chuẩn kết nối để mô hình ngôn ngữ truy cập kiến thức và chức năng bên ngoài.
Trong MCP, có host/client MCP (như ứng dụng chat hoặc IDE có trợ lý AI) và server MCP (các dịch vụ nhỏ cung cấp dữ liệu hoặc API cụ thể). Ví dụ: host AI (chatbot dùng Claude hoặc GPT) có nhiều client MCP, mỗi cái duy trì kết nối 1:1 với một server MCP, server này cung cấp quyền truy cập vào nguồn lực cụ thể (Google Drive, Slack, database...). Khi mô hình cần ngữ cảnh (ví dụ: “hiển thị 5 email gần nhất”), host gửi yêu cầu JSON-RPC đến server thông qua client.
Server trả lại dữ liệu để AI sử dụng trong suy luận hoặc phản hồi. Anthropic mô tả MCP là “một tiêu chuẩn mở cho phép các nhà phát triển xây dựng kết nối hai chiều an toàn giữa nguồn dữ liệu và công cụ hỗ trợ AI.”
Các thành phần chính của MCP
- Client/Host MCP: Sống trong ứng dụng AI (Claude Desktop, chatbot, IDE extension). Gửi yêu cầu dữ liệu hoặc hành động
- Server MCP: Server nhẹ (thường mã nguồn mở) cung cấp dữ liệu/dịch vụ. Khai báo schema – mô tả các hành động/prompt nó hỗ trợ
- Nguồn dữ liệu cục bộ và từ xa: Có thể truy cập tệp cục bộ, database nội bộ hoặc API từ xa
- Đàm phán năng lực: Khi kết nối, client và server trao đổi metadata mô tả khả năng hỗ trợ
- Trạng thái phiên: MCP duy trì session để ghi nhớ tương tác trước đó – rất hữu ích cho các truy vấn theo ngữ cảnh
So sánh điểm khác nhau giữa A2A và MCP
Điểm mạnh và thách thức
A2A – Điểm mạnh
- Cho phép xây dựng mạng lưới tác nhân mô-đun
- Hỗ trợ tiêu chuẩn cao cấp như OAuth/OIDC, truyền dữ liệu theo luồng
- Tự động hóa quy trình đa tác nhân linh hoạt và mở rộng được
A2A – Thách thức
- Còn mới và đang phát triển
- Mỗi tác nhân phải triển khai đúng giao thức (thẻ, message...)
- Quản lý bảo mật, phân quyền và quy mô khám phá tác nhân vẫn là bài toán lớn
MCP – Điểm mạnh
- Kết nối model với dữ liệu một cách plug-and-play
- Giảm trùng lặp tích hợp bằng cách dùng connector sẵn có
- Hỗ trợ ngữ cảnh và trạng thái hội thoại tự nhiên
MCP – Thách thức
- Phiên bản đầu có vấn đề bảo mật (API key đơn giản, quyền rộng)
- Không hỗ trợ khám phá tác nhân hay điều phối workflow đa tác nhân
Cuộc chiến giao thức?
Sự nổi lên của A2A và MCP khiến nhiều người liên tưởng đến thời kỳ đầu web với cuộc tranh luận HTTP vs FTP. Google ghi điểm sớm với hơn 50 đối tác công nghệ (MongoDB, Atlassian, SAP, PayPal, Cohere...) đã triển khai demo với LangGraph và Intuitive AI.
MCP cũng không hề kém cạnh. Khả năng kết nối bất kỳ LLM với bất kỳ nguồn dữ liệu (Slack, Drive, Postgres...) chỉ với một gọi JSON-RPC là cực kỳ hấp dẫn. Việc Microsoft Copilot Studio hỗ trợ MCP là tín hiệu mạnh mẽ cho xu hướng này.
Ngoài ra còn có các giao thức khác như ACP (Agent Communication Protocol) của IBM – thiên về RESTful và quyền truy cập chi tiết. Vậy liệu chúng ta đang tiến đến một “cuộc chiến giao thức”? Hay là một tương lai lai ghép?
Tương lai: Hợp nhất hay cùng tồn tại?
Có hai khả năng:
1. Hợp nhất (Convergence)
- A2A agent có thể phơi bày khả năng như một server MCP
- MCP có thể học thêm ngữ nghĩa tác vụ từ A2A
- Dẫn đến một nền tảng hợp nhất “agent + công cụ” cho khám phá, ủy quyền và truy cập dữ liệu
2. Cùng tồn tại & chuyên biệt hóa (Coexistence & Specialization)
- MCP trở thành chuẩn cho kết nối dữ liệu
- A2A thống trị phần điều phối tác nhân
- Sản phẩm AI tương lai sẽ dùng MCP để khai thác dữ liệu nội bộ, và A2A để phối hợp với tác nhân bên ngoài
Kết luận
Nếu bạn đang xây dựng hệ thống AI, lời khuyên là: hãy học cả hai.
- MCP giúp mô hình kết nối nhanh với hệ sinh thái công cụ và dữ liệu.
- A2A giúp tác nhân của bạn khám phá, cộng tác và mở rộng quy mô.
Cả hai sẽ quan trọng với các ngăn xếp AI trong tương lai, giống như REST và gRPC với hệ thống ngày nay.