به‌زودی شاهد تحولی شگرف در حوزه هوش مصنوعی خواهیم بود که مشابه به دستاوردهای پیشرفته APIها در اوایل دهه ۲۰۱۰ خواهد بود. در آن زمان، ظهور فناوری‌های REST و JSON امکان ادغام سیستم‌ها را بر اساس سادگی و کارایی فراهم ساخت و به این ترتیب، چرخه‌های توسعه نرم‌افزار تغییرات عمده‌ای به خود دیدند. امروزه، دنیای هوش مصنوعی نیز به‌سوی تحول مشابهی پیش می‌رود و دو پروتکل جدید به نام‌های A2A (از عامل به عامل) و MCP (پروتکل زمینه مدل) در حال ظهور هستند.
این پروتکل‌ها به گونه‌ای طراحی شده‌اند که تسهیل‌کننده عملکردهای مشترک، نقل و انتقال اطلاعات و دسترسی به زمینه‌های سازمانی برای agents مختلف باشند. به‌ویژه، پروتکل A2A مکانیسمی فراهم می‌کند تا agents بتوانند قابلیت‌های خود را معرفی کرده و درخواست‌های سازمان‌یافته ارسال کنند. این پروتکل به‌واسطه‌ی فناوری‌های JSON-RPC و احراز هویت OpenAPI، ارتباطات بی‌حالت بین agents را ممکن می‌سازد و امکان اجرای مؤثر و ایمن گردش‌های کاری چندعاملی را در مقیاس بزرگ فراهم می‌کند.
پروتکل MCP نیز به agents هوش مصنوعی این امکان را می‌دهد که به ابزارهای حیاتی، داده‌های جامع و زمینه‌های مرتبط دسترسی مرتب و یکپارچه داشته باشند. با تأسیس یک سرور MCP توسط ارائه‌دهندگان خدمات، تمام agents قادر به استفاده از این امکانات به‌طور جهانی خواهند بود و این باعث می‌شود تا همکاری‌های هوشمندانه‌ای در کل اکوسیستم شکل بگیرد.
سرویس ابری گوگل، A2A را به عنوان یک استاندارد باز معرفی کرده و پیش‌نویس آن را جهت دریافت نظرات از جامعه صنعتی منتشر کرد. در حال حاضر، بیش از ۵۰ شریک از جمله Salesforce، Deloitte و UiPath به تکامل این پروتکل کمک کرده‌اند. همچنین، Microsoft از این پروتکل در Azure AI Foundry و Copilot Studio پشتیبانی می‌کند و SAP آن را به دستیار Joule خود افزوده است.
انتقال از agents مستقل به سیستم‌های هماهنگ در حال انجام است. برای مثال، یک agent خدمات مشتری می‌تواند با استفاده از A2A از agent موجودی در مورد در دسترس بودن محصول سؤالی بکند و سپس با استفاده از یک agent لجستیک، زمان‌بندی ارسال را توصیه کند. این کارهای یکپارچه، کارایی سیستم‌های هوش مصنوعی را به‌طور قابل توجهی افزایش می‌دهد.
در سطح پیشرفته‌تر، این شبکه‌سازی به مدیریت عملیات زنده نیز کمک می‌کند. به‌عنوان مثال، یک agent هوش مصنوعی که به‌صورت زنده اطلاعات ویدئویی را در یک پارک تفریحی مانیتور می‌کند، می‌تواند با agents عملیاتی برای تنظیم تخصیص نیروی کار بر اساس شرایط جمعیتی واقعی هماهنگ شود.
این پروتکل‌ها نه‌تنها از جنبه‌های پیام‌رسانی بلکه به‌عنوان بخش‌های کلیدی از تحولات عمیق‌تر در نرم‌افزارهای سازمانی به حساب می‌آیند. با استفاده از MCP و A2A، توسعه‌دهندگان می‌توانند بیشتر بر روی بهبود امنیت، مقیاس‌پذیری و نگهداری سیستم‌های چندعاملی تمرکز کنند.
با توجه به تعهد گوگل به توسعه این اکوسیستم، ابزارهای توسعه‌ای برای Python و Java در دسترس قرار گرفته است. همچنین، ابزارهایی برای دسترسی به داده‌ها در BigQuery ارائه شده که به توسعه‌دهندگان امکان می‌دهد خود agents مورد نیاز خود را با داده‌های سازمانی خود بسازند.
در نهایت، برای سازمان‌هایی که بر روی agents هوش مصنوعی سرمایه‌گذاری می‌کنند، همکاری و تعامل به یک عامل کلیدی تبدیل خواهد شد. سیستم‌های مبتنی بر پروتکل‌های مشترک، این قابلیت را دارند که به‌طور مؤثری در آینده سازگار و مقیاس‌پذیر باقی بمانند. پروتکل‌های MCP و A2A به‌زودی ریشه‌ای مهم در اپلیکیشن‌های هوش مصنوعی خواهند شد و به شرکت‌ها این امکان را خواهند داد تا با تمرکز بر روی انعطاف‌پذیری، بهترین استفاده را از agents خود ببرند.