1. 快手 Agent 开发一面现场A2A 和 MCP 到底什么关系先把这道题的核心检索词摆出来A2A 是 Agent-to-Agent 协议解决的是多个 Agent 之间横向通信协作MCP 是 Model Context Protocol解决的是 Agent 向下连接工具和数据源。一个管横向一个管纵向不是竞品是互补。适合谁看正在准备 Agent 开发岗面试的人、刚接触多 Agent 协作的工程师、以及需要在 Cline 或 CC Switch 里配统一 Key 做验证的开发者。我见过太多候选人在这道题上翻车最典型的回答是「A2A 是 Google 出的MCP 是 Anthropic 出的A2A 是 MCP 的竞品」。面试官听到「竞品」两个字基本就判负了因为两者面向的对象完全不同——MCP 面向 Agent 与工具/数据源之间的连接A2A 面向 Agent 与 Agent 之间的通信。方向都不一样怎么会是竞品这道题的考点其实很集中定位差异加互补关系。面试官不是在考你背协议名是在看你能不能讲清楚「为什么需要两层协议各解决什么问题」。下面从单 Agent 的天花板讲起把 A2A 的核心设计拆开再落到 TaoToken 统一 Key 在 Cline 或 CC Switch 里的可复制配置最后给一次请求验证动作。面试和实战都能用。2. 单 Agent 的天花板与多 Agent 协作的必然性理解 A2A 之前必须先搞清楚一个问题单个 Agent 有什么做不了的事我把它归纳为三个天花板。工具数量有限。一个 Agent 能挂的 MCP Server 是有限的工具列表太长LLM 的工具选择准确率会显著下降。实测下来工具超过 20 个时选错工具的概率明显上升。上下文窗口有限。不管模型上下文是 8K 还是 128K把所有工具描述、历史对话、多个任务的中间结果全塞进去总有一天会溢出。Agent 不像微服务它没有天然的分界线来隔离不同任务的上下文。专业能力有限。一个 LLM 什么都懂一点但很难做到样样精通。让同一个 Agent 既做代码生成又做财务分析又做法律审查每一样都做到专家水平不现实。当一个任务需要多种专业能力、需要并行处理、需要隔离上下文的时候拆成多个 Agent 各自负责一块是最自然的解法。代码 Agent 写代码跑测试审查 Agent 做代码审查和安全扫描文档 Agent 根据代码变更自动生成变更日志测试 Agent 写 E2E 测试并提交覆盖率报告。每个 Agent 专注一个领域挂自己需要的工具上下文窗口不被其他任务干扰。拆完之后新的问题来了它们之间怎么通信Agent A 怎么知道 Agent B 能做什么这是能力发现的问题。Agent A 把任务交给 Agent B怎么跟踪进度这是任务状态管理的问题。Agent A 和 Agent B 用不同技术栈怎么互调这是协议标准化的问题。A2A 就是来回答这些问题的。3. A2A 核心设计Agent Card 与 Task 拆解A2A 的设计思路跟微服务架构高度相似——每个 Agent 就是一个服务Agent Card 相当于服务注册Task 相当于服务间调用。三个核心概念对照如下。概念类比微服务作用Agent Card服务注册信息Nacos / Consul声明「我能做什么」让其他 Agent 能发现我TaskRPC 调用Agent A 把任务交给 Agent B跟踪状态和结果Message请求/响应 payloadTask 内部的具体通信内容一次完整的 A2A 交互流程是这样的Agent A 先 GET/.well-known/agent.json发现 Agent B 的能力拿到 Agent Card 后 POST/tasks创建一个 TaskAgent B 返回 Task ID 和初始状态。之后 Agent A 通过 GET/tasks/{id}轮询或订阅任务状态Agent B 在后台执行任务完成后返回结果。MCP 用 stdio 或 Streamable HTTP 通信A2A 纯走 HTTP JSON因为 A2A 天生就是跨进程、跨网络的场景不存在本地 stdio 的可能。Agent Card 是 A2A 最精巧的设计之一。每个 A2A Agent 必须提供一个标准路径的 JSON 文件返回的内容大致长这样{ name: Code Review Agent, description: 专门做代码审查的 Agent支持安全扫描、风格检查、性能分析, url: https://agent-b.example.com, capabilities: { streaming: true, pushNotifications: true }, skills: [ { id: security-scan, name: Security Scan, description: 扫描代码中的安全漏洞SQL 注入、XSS 等, inputSchema: { type: object, properties: { code: {type: string, description: 待扫描的代码}, language: {type: string, description: 编程语言} } } } ] }为什么用.well-known路径这跟 SSL 证书的.well-known/acme-challenge/是同一个思路——一个约定俗成的标准路径调用方不需要提前知道 Agent B 的接口文档直接 GET 这个路径就能拿到能力声明。这样 Agent A 要发现 Agent B只需要知道 Agent B 的域名零配置自动发现。MCP 也有tools/list来列出工具但两者定位不同。MCP 的tools/list声明的是单个工具函数级别A2A 的 Agent Card 声明的是整个 Agent 的能力集服务级别。MCP 的发现时机是连接建立后调用之前A2A 是调用之前自动发现。MCP 的粒度细一个 Server 暴露多个工具A2A 的粒度粗一个 Agent 暴露多种技能。MCP 的存储位置在内存连接断开就没了A2A 存在文件里可以缓存、索引、搜索。Task 是 A2A 处理异步协作的核心机制。一个 Task 经历以下状态submitted 表示 Agent A 刚提交Agent B 还没开始处理working 表示 Agent B 正在执行input-required 表示 Agent B 执行到一半发现需要额外信息暂停等待人类确认completed 表示执行完成返回结果failed 表示执行失败返回错误信息canceled 表示被取消。如果只做同步调用根本不需要状态机。但 Agent 协作天然是异步的——Agent B 做代码审查可能要跑 3 分钟的静态分析加 2 分钟的安全扫描做数据查询可能要等底层数据库跑一个复杂聚合做内容生成可能需要中间跟人类确认方向。Task 状态机让 Agent A 可以「提交后去做别的事回头再来查结果」不阻塞、不轮询死循环、支持中断和取消。一个 Task 里可以包含多条 Message每条 Message 都可以有 Part——文本、文件、结构化数据类似微信消息里可以发文字、图片、文件。设计思路跟异步任务队列Celery / Temporal是同一个套路。4. TaoToken 统一 Key 前置为什么需要它讲完协议层落到实战。多 Agent 协作场景下每个 Agent 可能用不同的模型、不同的 API Key管理起来很乱。TaoToken 提供统一 Key 和 API 通道让 Cline、CC Switch 这类工具用一个 Key 就能接入多个模型省去逐个配置的麻烦。TaoToken 的官网是 https://taotoken.net/?utm_sourcetaotoken_aicg_blog_endutm_mediumcsdnutm_campaignrewriteutm_content API 端点是 https://taotoken.net/api 。你需要先去控制台创建一个 API Key然后把它填到 Cline 或 CC Switch 的配置里。这一步的定位是「前置准备」——不是本文重点但缺了它后面的验证跑不起来。如果你已经有 Key可以直接跳到下一章看配置骨架。5. 可复制配置Cline 与 CC Switch 的 settings.json / config.tomlCline 是 VS Code 里的编码 Agent 插件配置走settings.json。CC Switch 是 Claude Code 的配置切换工具配置走config.toml。两者都可以用 TaoToken 的统一 Key 接入。先看 Cline 的settings.json配置骨架。在 VS Code 的 settings 里找到 Cline 相关配置填入以下内容{ cline.apiProvider: openai, cline.openaiApiKey: 你的_TaoToken_API_Key, cline.openaiBaseUrl: https://taotoken.net/api, cline.model: claude-sonnet-4-20250514, cline.enableStreaming: true }关键参数说明apiProvider填openai是因为 TaoToken 的 API 通道兼容 OpenAI 格式openaiBaseUrl必须填https://taotoken.net/api注意不要加 UTM 参数model填你要用的模型名按 TaoToken 文档里支持的模型列表来填。再看 CC Switch 的config.toml配置骨架[provider] name taotoken api_key 你的_TaoToken_API_Key base_url https://taotoken.net/api [model] default claude-sonnet-4-20250514 max_tokens 8192 temperature 0.7 [agent] enable_tools true tool_timeout 300base_url同样填https://taotoken.net/apiapi_key填你在控制台创建的 Key。enable_tools打开后Agent 就能调用工具这跟前面讲的 MCP 工具调用是配套的。注意配置里的 API Key 不要提交到 Git 仓库建议用环境变量注入。Cline 支持${env:TAOTOKEN_API_KEY}这种写法CC Switch 也支持从环境变量读取。6. 验证请求一次 curl 确认通道可用配好之后先别急着在 Cline 里跑 Agent用一次 curl 请求确认 TaoToken 通道是通的。这一步能帮你排除掉大部分配置错误。curl -X POST https://taotoken.net/api/v1/chat/completions \ -H Content-Type: application/json \ -H Authorization: Bearer 你的_TaoToken_API_Key \ -d { model: claude-sonnet-4-20250514, messages: [ {role: user, content: 用一句话解释 A2A 和 MCP 的区别} ], max_tokens: 200 }如果返回类似下面的 JSON说明通道正常{ id: chatcmpl-xxx, object: chat.completion, choices: [ { index: 0, message: { role: assistant, content: A2A 管 Agent 之间的横向通信MCP 管 Agent 向下连接工具和数据源两者互补。 }, finish_reason: stop } ] }拿到这个返回说明 Key、Base URL、模型名三个参数都对。接下来在 Cline 里发一条消息看它能不能正常调用工具。如果 Cline 能列出工具并执行说明 MCP 通道也通了。这时候你就有了一个可用的 Agent 环境可以继续做多 Agent 协作的实验。7. 本篇常见错排查配置过程中最容易踩的坑有几个我逐个列出来。第一个坑Base URL 填错。有人填https://taotoken.net少了/api或者填了带 UTM 参数的完整 URL。正确写法是https://taotoken.net/api不带任何查询参数。Cline 和 CC Switch 都按这个填。第二个坑模型名写错。TaoToken 支持的模型名要按文档来不要自己拼。比如claude-sonnet-4-20250514这种带日期后缀的写错了会返回 404 或 model not found。第三个坑API Key 权限不足。在控制台创建 Key 的时候确认勾选了对应的模型权限。有些 Key 只开了部分模型调其他模型会报 403。第四个坑Cline 里工具调用失败。这通常是 MCP Server 没配好跟 TaoToken 无关。检查 Cline 的 MCP 配置确认 Server 进程能正常启动。如果 MCP Server 用的是 stdio 传输确认命令路径正确。第五个坑CC Switch 的 config.toml 格式错误。TOML 对缩进和引号敏感api_key的值必须用双引号包起来。改完配置后重启 CC Switch 让配置生效。第六个坑请求超时。Agent 任务如果跑得久curl 默认可能超时。加--max-time 300参数延长超时时间。Cline 和 CC Switch 里也有对应的超时配置项。8. 面试话术与后续接入回到面试场景。这道题从翻车到满分核心就一句话——分清纵向和横向。回答的时候分三层讲第一层讲定位差异MCP 面向 Agent 连工具和数据源是一纵A2A 面向 Agent 之间的通信协作是一横。第二层讲核心机制差异MCP 的核心是tools/list加tools/call同步为主A2A 的核心是 Agent Card 加 TaskAgent Card 实现零配置能力发现Task 用状态机管理异步长任务。第三层讲互补关系真实的多 Agent 系统里每个 Agent 通过 MCP 向下挂工具Agent 之间通过 A2A 横向协作两者各管一层缺一不可。如果面试官追问「A2A 能替代 MCP 吗」回答不能面向对象不同替代了就失去标准化工具接口。追问「为什么不用 A2A 让 Agent 之间互相调工具」回答可以但不优雅Agent A 想用数据库不应该让 Agent B 转发多一跳延迟加单点MCP 直连工具更高效。追问「如果团队只能选一个」回答先上 MCP单 Agent 加工具调用是刚需多 Agent 协作是进阶MCP 的生态和 SDK 都比 A2A 成熟。实战这边配好 TaoToken 统一 Key 之后你可以用 Cline 做编码 Agent用 CC Switch 切换不同模型做对比测试。想验证模型对话效果可以去模型对话页面直接试想长期跑编码任务或搭 Agent可以看 Coding Plan接入过程中遇到问题去 API Keys 页面检查 Key 状态或者翻接入文档对照配置。这几个入口都在 TaoToken 站内按需取用就行。