Agent Gateway-Serie (Teil 3 von 7) | TrueFoundry Powered A2A: Standardisierung des internen Monologs

In den frühen 2010er Jahren stieß die Microservice-Revolution an ihre Grenzen. Wir hatten unsere Monolithen in Hunderte von Diensten aufgeteilt, aber wir hatten uns nicht darauf geeinigt, wie sie miteinander kommunizieren sollten. Einige Teams verwendeten REST, andere XML-RPC, andere rohes TCP. Das Ergebnis war ein „Turm von Babel“ — ein fragmentiertes Ökosystem, in dem die Integration mühsam und Beobachtbarkeit unmöglich war.

Die Branche hat dies durch Standardisierung behoben: gRPC für den Transport, Protobuf für das Schema und Telemetrie öffnen für die Beobachtbarkeit.

Heute ist der Agentische KI Das Ökosystem befindet sich in genau diesem Chaos vor der Standardisierung.

• Ihr Data Science-Team entwickelt „Reasoning Agents“ in Python mit LangChain.
• Ihr Frontend-Team baut „UI-Assistenten“ in Node.js mit dem Vercel AI SDK.
• Ihr Forschungs- und Entwicklungsteam experimentiert mit Microsoft AutoGen Schwärme.

Diese Agenten können natürlich nicht zusammenarbeiten. Sie haben unterschiedliche Repräsentationen von Staaten, unterschiedliche Mechanismen zur Fehlerbehandlung und kein gemeinsames Identitätskonzept.

Um dies zu lösen, führt TrueFoundry die Unterstützung für ein A2A-Protokoll (Agent-zu-Agent). Es handelt sich um eine strikte Transportebene, die die Kommunikation normalisiert und aus einer fragmentierten Sammlung von Skripten eine einheitliche Kognitives Netz.

Das Kernkonzept: Der A2A-Umschlag

Der grundlegende Fehler in vielen frühen Agentendesigns besteht darin, die Kommunikation zwischen Agenten wie einen einfachen API-Aufruf zu behandeln (POST /chat {„prompt“: „...“}). Das ist unzureichend, weil es fehlt Metakognition.

Ein Agent braucht nicht nur die Text der Nachricht. Es muss wissen:

1. Wer hat das gesagt? (Identität)
2. Warum machen wir das? (Rückverfolgbarkeit)
3. Kann Ich erlaube mir zu antworten? (Budget)

Das A2A-Protokoll löst dieses Problem, indem es jede Interaktion in eine standardisierte Form einschließt Briefumschlag. Wir behandeln die Geschäftslogik des Agenten (die Aufforderung) als Nutzlast, aber wir wickeln es in eine starre Kontrollebene.

‍

Abb. 1: Die A2A-Hülle und ihre zugrunde liegende Struktur

Lesen Sie auch: MCP gegen A2A

Ein konkretes Beispiel: Der Deal Room „Merger & Acquisition“

Um die Leistungsfähigkeit dieses Protokolls zu veranschaulichen, schauen wir uns ein komplexes Multistack-Szenario an: Ein M&A-Due-Diligence-System.

Dieses System erfordert drei hochspezialisierte Agenten, die auf völlig unterschiedlichen Technologie-Stacks laufen:

1. Der Deal-Lead (Manager): Eingebaut Python/Langchain. Es orchestriert den Prozess.
2. Der juristische Gutachter: Eingebaut Node.js. Es verwendet spezielle Bibliotheken, um PDF-Verträge zu analysieren.
3. Der forensische Buchhalter: Gebaut als Microsoft AutoGen Mannschaft. Es führt Debatten mit mehreren Agenten durch, um Betrug in Excel-Tabellen zu finden.

Die Herausforderung der Interoperabilität

Ohne ein Protokoll kann der Python Manager das AutoGen-Team nicht einfach auslösen. AutoGen erwartet ein bestimmtes Format für den Gesprächsverlauf, während LangChain eine „Kette“ erwartet. Wenn der Legal Reviewer (Node) einen Fehler ausgibt, interpretiert der Python-Manager ihn möglicherweise eher als Halluzination denn als Systemfehler.

Die A2A-Lösung

1. Normalisierung: Der Deal Lead sendet eine Standard-A2A-Nachricht: Aufgabe: „Analyze Target Financials“.
2. Routenplanung: Das Gateway erhält das. Es weiß, dass der „Forensic Accountant“ ein AutoGen-Schwarm ist.
3. Übersetzung: Die des Gateways Protokolladapter konvertiert das A2A-JSON in das spezifische user_proxy-Nachrichtenformat, das von AutoGen benötigt wird.
4. Kontextinjektion: Das Gateway fügt das NDA-Cleared-Token in den Kontext ein und beweist damit dem Buchhalter, dass es die sensiblen Excel-Dateien einsehen darf.

‍

Abbildung 2: Der detaillierte Ablauf eines rechtlichen Überprüfungsprozesses

‍

Das Hub-and-Spoke-Routing-Modell

In einem Peer-to-Peer-Agenten-Mesh ruft Agent A Agent B direkt an. Dies ist gefährlich, da es die Beobachtbarkeit und Sicherheit beeinträchtigt. Wenn Agent A kompromittiert ist, kann Agent B mit Anfragen überflutet werden, und niemand wird es erfahren, bis die Rechnung eintrifft.

Das A2A-Protokoll erzwingt eine Hub-and-Spoke Modell.

• Keine direkten Links: Agenten dürfen nicht direkt miteinander sprechen. Sie sprechen das Gateway an.
• Der vertrauenswürdige Mittelsmann: Das Gateway validiert den Umschlag. Es stellt sicher, dass die trace_id vorhanden ist. Es überprüft das verbleibende Budget.
• Das „Spoof Proofing“: Da das Gateway den Identitätskontext injiziert, weiß Agent B, dass die Anfrage wirklich kam vom Deal Lead, nicht von einem böswilligen Schauspieler, der vorgibt, der Hauptdarsteller zu sein.

‍

Verteiltes Tracing: Der „Gedankenstapel“

Das Debuggen eines einzelnen LLM ist schwierig. Das Debuggen einer rekursiven Kette von 5 Agenten ist ohne verteiltes Tracing nicht möglich.

Wenn der „Deal Lead“ den M&A-Deal nicht abschließt, müssen Sie wissen, warum. War es ein Timeout im Legal Agent? Ging dem forensischen Buchhalter die Tokens aus?

Die Mandate des A2A-Protokolls Header-Propagierung. Wenn das Gateway die erste Anfrage empfängt, generiert es eine TraceID. Es zwingt jeden Downstream-Agenten, diese ID in seine Unteraufrufe aufzunehmen.

Dies ermöglicht es uns, die zu visualisieren „Gedankenstapel“—ein temporales Gantt-Diagramm der Kognition. Wir können sehen, dass der Rechtsberater 45 Sekunden benötigte (Latenzengpass), während der Buchhalter 2 Sekunden benötigte.

Bild 3: Gantt-Diagramm dieses M&A-Deals

‍

Framework-Agnostizismus: Der Universaladapter

Der letzte Teil des A2A-Protokolls ist der Universeller Adapter.

Wir erkennen an, dass Entwickler immer unterschiedliche Tools verwenden werden. Manche lieben LangGraph wegen seiner Steuerung; andere bevorzugen CrewAI wegen seiner Rollenspielfunktionen.

Das Gateway fungiert als Übersetzungsebene.

• Eingehend: Es akzeptiert die native Ausgabe dieser Frameworks (z. B. eine LangChain AIMessage).
• Normalisierung: Es konvertiert es in den A2A-Standard-JSON.
• Ausgehend: Es konvertiert es in das vom Empfänger erwartete Eingabeformat.

Auf diese Weise können Sie eine erstellen Heterogenes Agentennetz. Sie sind nicht an eine einzige Python-Bibliothek gebunden. Sie können das beste Tool für den Job jedes einzelnen Agenten auswählen und das Protokoll die Kommunikation übernehmen lassen.

Fazit

Standardisierung ist die Voraussetzung für Skalierung. So wie TCP/IP es dem Internet ermöglichte, verschiedene Computer miteinander zu verbinden, A2A-Protokoll Darüber hinaus ermöglichen die TrueFoundry AI-Agent-Gateway-Funktionen dem Unternehmen, verschiedene Intelligenzen miteinander zu verbinden. Es macht aus einer Sammlung von „Chatbots“ eine koordinierte, beobachtbare und sichere Lösung Digitale Belegschaft.

‍