Agent2Agent (A2A) 示例

此仓库包含使用 Agent2Agent (A2A) 协议 的代码示例和演示。

相关仓库

• A2A - A2A 规范及文档。
• a2a-python - A2A Python SDK。
• a2a-inspector - 用于检查支持 A2A 的代理的 UI 工具。

贡献

欢迎贡献！请参阅 贡献指南。

获取帮助

请使用 问题页面 提供建议、反馈或提交错误报告。

免责声明

本仓库本身并非 Google 官方支持的产品。此仓库中的代码仅用于演示目的。

重要提示：提供的示例代码仅供演示之用，旨在说明 Agent-to-Agent (A2A) 协议的工作原理。在构建生产级应用时，务必将任何不受您直接控制的代理视为潜在的不可信实体。

从外部代理接收到的所有数据——包括但不限于其 AgentCard、消息、工件和任务状态——都应被视为不可信输入。例如，恶意代理可能会提供一个在其字段（如描述、名称、技能描述等）中嵌入精心构造数据的 AgentCard。如果这些未经净化的数据被用于为大型语言模型 (LLM) 构建提示词，就可能导致您的应用程序遭受提示注入攻击。若未对这些数据进行适当的验证和净化便加以使用，可能会给您的应用程序带来安全漏洞。

开发者有责任实施适当的安全措施，例如输入验证和凭据的安全管理，以保护其系统和用户。

a2a-samples 快速上手指南

本指南帮助中国开发者快速了解并运行 Agent2Agent (A2A) Samples 项目，该项目包含基于 A2A 协议的代码示例和演示。

环境准备

在开始之前，请确保您的开发环境满足以下要求：

• 操作系统: Linux, macOS 或 Windows (需配置 WSL2 或 Git Bash)。
• Python: 版本 3.9 或更高（推荐 3.10+）。
• Git: 用于克隆代码仓库。
• 包管理器: pip 或 poetry (根据具体示例的依赖管理方式而定)。
• 网络环境: 由于项目依赖 GitHub 资源，国内用户建议配置代理或使用加速镜像。

注意: 本项目主要用于演示 A2A 协议机制，非 Google 官方支持的生产级产品。在生产环境中使用外部 Agent 数据时，务必进行严格的安全验证和清洗，以防提示词注入攻击。

安装步骤

1. 克隆仓库

使用 Git 将代码拉取到本地：

git clone https://github.com/a2aproject/a2a-samples.git
cd a2a-samples

国内加速建议: 如果直接克隆速度慢，可使用国内镜像源（如 Gitee 镜像，若有）或配置 Git 代理：

git clone https://ghp.ci/https://github.com/a2aproject/a2a-samples.git

2. 创建虚拟环境

推荐使用 Python 虚拟环境以隔离依赖：

python -m venv venv
source venv/bin/activate  # Linux/macOS
# 或
venv\Scripts\activate     # Windows

3. 安装依赖

进入具体的示例目录（例如 examples/basic，具体路径视子目录结构而定），安装所需依赖。通常使用 requirements.txt：

pip install -r requirements.txt

如果示例使用 poetry 管理：

pip install poetry
poetry install

pip 加速建议: 国内用户建议使用清华或阿里云镜像源加速安装：

pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

基本使用

本项目包含多个演示不同 A2A 场景的示例。以下以最基础的 Agent 交互为例：

运行示例

假设当前目录下有一个名为 basic_agent_demo.py 的示例脚本（具体文件名请参考各子目录下的 README 或文件列表）：

python basic_agent_demo.py

在线体验 (无需本地安装)

如果您希望快速预览效果而无需配置本地环境，可以直接使用 Firebase Studio 在线运行：

核心概念验证

运行成功后，您将观察到：

1. AgentCard 交换: 模拟 Agent 之间交换身份和能力描述。
2. 任务流转: 看到任务状态（Task Status）的更新和消息传递。
3. 伪代码逻辑: 理解如何通过 A2A SDK 发起请求并处理响应。

安全提示: 示例代码中的输入数据（如 AgentCard、消息内容）均视为不可信来源。在实际开发中，请务必对接收到的所有外部数据进行 sanitization（清洗）和 validation（验证），避免直接将外部数据拼接到 LLM Prompt 中。