Nếu MCP giúp AI Agent kết nối với dữ liệu và công cụ bên ngoài, thì A2A tập trung vào việc giúp các AI Agent kết nối và làm việc với nhau.

Ví dụ, một doanh nghiệp có thể sử dụng nhiều AI Agent khác nhau:

• Agent chăm sóc khách hàng.
• Agent phân tích dữ liệu.
• Agent quản lý đơn hàng.
• Agent tài chính.
• Agent quản lý nhân sự.

Thay vì mỗi Agent hoạt động độc lập, A2A cung cấp một cơ chế chuẩn để các Agent có thể phối hợp nhằm giải quyết những nhiệm vụ phức tạp hơn.

Google công bố A2A vào tháng 4/2025 với sự tham gia và hỗ trợ của nhiều đối tác công nghệ và doanh nghiệp.

Vì sao cần A2A?

Một AI Agent có thể thực hiện rất nhiều công việc, nhưng không phải Agent nào cũng có đầy đủ kiến thức và công cụ để giải quyết mọi vấn đề.

Ví dụ:

Người dùng yêu cầu: “Hãy tổ chức một chuyến công tác cho tôi vào tuần tới.”

Một Agent có thể lập kế hoạch chuyến đi nhưng không nhất thiết có quyền truy cập hệ thống đặt vé.

Agent thứ hai có thể chuyên về đặt vé máy bay.

Agent thứ ba có thể tìm kiếm khách sạn.

Agent thứ tư có thể quản lý lịch làm việc.

Nếu các Agent có thể giao tiếp với nhau, chúng có thể phối hợp để hoàn thành toàn bộ nhiệm vụ thay vì yêu cầu người dùng thực hiện từng bước.

A2A hoạt động như thế nào?

Một hệ thống A2A có thể hình dung gồm ba thành phần chính:

1. Client Agent

Là Agent tiếp nhận yêu cầu từ người dùng và xác định cần những Agent nào để hoàn thành công việc.

2. Remote Agent

Là các Agent chuyên biệt cung cấp một khả năng cụ thể, chẳng hạn như tìm kiếm, phân tích dữ liệu, đặt lịch hoặc xử lý đơn hàng.

3. A2A Protocol

Đóng vai trò là cơ chế giao tiếp chuẩn giúp các Agent có thể trao đổi thông tin và phối hợp công việc mà không cần biết chi tiết cách Agent còn lại được xây dựng.

A2A sử dụng khái niệm Agent Card để mô tả khả năng, thông tin và endpoint của một Agent, giúp các hệ thống khác có thể khám phá và tương tác với Agent đó.

Ví dụ thực tế

Giả sử một doanh nghiệp có yêu cầu:

“Tìm sản phẩm phù hợp cho khách hàng và tạo báo giá.”

Quy trình có thể diễn ra như sau:

Khách hàng → Sales Agent → Product Agent → Pricing Agent → Sales Agent → Khách hàng

Trong đó:

• Sales Agent tiếp nhận yêu cầu.
• Product Agent tìm sản phẩm phù hợp.
• Pricing Agent tính giá và chương trình ưu đãi.
• Sales Agent tổng hợp kết quả và gửi báo giá.

Nhờ A2A, các Agent có thể phối hợp với nhau thay vì xây dựng một hệ thống AI duy nhất chứa tất cả chức năng.

A2A và MCP khác nhau như thế nào?

A2A và MCP có thể được xem là hai mảnh ghép quan trọng trong kiến trúc AI hiện đại.

MCP – AI kết nối với công cụ và dữ liệu

Ví dụ:

AI Agent → MCP → Database / GitHub / Google Drive / API

A2A – AI kết nối với AI

Ví dụ:

Agent A → A2A → Agent B → A2A → Agent C

Google mô tả A2A là công nghệ bổ trợ cho MCP: MCP giúp Agent sử dụng các công cụ và ngữ cảnh, trong khi A2A giúp các Agent trao đổi và phối hợp với nhau.

Ứng dụng của A2A

Doanh nghiệp

A2A có thể hỗ trợ xây dựng hệ thống AI gồm nhiều Agent chuyên biệt:

• Tự động hóa quy trình doanh nghiệp.
• Chăm sóc khách hàng.
• Quản lý đơn hàng.
• Phân tích kinh doanh.
• Quản lý chuỗi cung ứng.
• Hỗ trợ nhân sự.

Phát triển phần mềm

Trong lĩnh vực Software Engineering, các Agent có thể phối hợp để:

• Phân tích yêu cầu.
• Thiết kế hệ thống.
• Sinh mã nguồn.
• Kiểm thử phần mềm.
• Phân tích lỗi.
• Tạo tài liệu kỹ thuật.

Các hệ thống Agent hiện đại đang ngày càng hướng tới khả năng thực hiện những nhiệm vụ nhiều bước thay vì chỉ trả lời từng câu hỏi riêng lẻ.

Giáo dục

A2A có thể mở ra các mô hình học tập sử dụng nhiều Agent:

• Agent hỗ trợ học tập.
• Agent tạo bài tập.
• Agent đánh giá bài làm.
• Agent tư vấn học tập.
• Agent hỗ trợ giảng viên.

Các Agent có thể phối hợp để xây dựng một hệ thống hỗ trợ học tập thông minh và cá nhân hóa hơn.

A2A và tương lai của AI Agents

Sự phát triển của A2A cho thấy AI đang chuyển từ mô hình:

Một AI → Một người dùng

sang:

Nhiều AI Agent → Phối hợp → Hoàn thành một nhiệm vụ

Trong tương lai, một hệ thống có thể bao gồm hàng chục hoặc hàng trăm Agent chuyên biệt. Mỗi Agent đảm nhận một vai trò và phối hợp với các Agent khác để hoàn thành quy trình phức tạp.

Điều này có thể tạo ra một hệ sinh thái trong đó các AI Agent đến từ nhiều nhà cung cấp khác nhau vẫn có khả năng làm việc cùng nhau thông qua các giao thức chuẩn.

Những thách thức của A2A

Mặc dù có nhiều tiềm năng, hệ thống multi-agent cũng đặt ra nhiều vấn đề cần giải quyết:

• Xác thực và phân quyền giữa các Agent.
• Bảo mật dữ liệu khi Agent trao đổi thông tin.
• Kiểm soát hành động của Agent.
• Phát hiện lỗi trong quá trình phối hợp.
• Đảm bảo Agent thực hiện đúng nhiệm vụ.
• Theo dõi và đánh giá toàn bộ quá trình hoạt động.

Khi số lượng Agent tăng lên, việc quản lý và giám sát hệ thống cũng trở nên phức tạp hơn.

Cơ hội cho sinh viên Công nghệ Thông tin

A2A mở ra nhiều hướng học tập và nghiên cứu thú vị cho sinh viên:

• Xây dựng Multi-Agent Systems.
• Phát triển AI Agent chuyên biệt.
• Thiết kế API và giao thức giao tiếp.
• Tích hợp AI với hệ thống doanh nghiệp.
• Xây dựng hệ thống tự động hóa thông minh.
• Kết hợp A2A với MCP và các công nghệ AI khác.

Đây là lĩnh vực kết hợp giữa Artificial Intelligence, Backend Development, API, Cloud Computing, Distributed Systems và System Integration – những kiến thức quan trọng đối với kỹ sư CNTT trong kỷ nguyên AI.

Kết luận

Agent2Agent (A2A) đánh dấu một bước phát triển mới trong cách xây dựng các hệ thống AI. Nếu thế hệ AI trước đây chủ yếu tập trung vào khả năng trả lời, các hệ thống AI Agent đang hướng tới khả năng hành động, phối hợp và hoàn thành nhiệm vụ.

A2A cung cấp một cơ chế chuẩn để các Agent có thể giao tiếp và hợp tác, mở ra khả năng xây dựng những hệ thống AI gồm nhiều Agent chuyên biệt cùng làm việc với nhau.

Đối với sinh viên Công nghệ Thông tin, tìm hiểu A2A không chỉ giúp tiếp cận một công nghệ mới mà còn giúp hiểu rõ hơn về kiến trúc hệ thống AI thế hệ mới – nơi AI không còn hoạt động đơn lẻ mà có thể trở thành một “đội ngũ AI” cùng phối hợp để giải quyết các bài toán thực tế.