4.4 — A2A: Agent-to-Agent

📡 MCP × A2A — diferença fundamental

Confundir MCP e A2A é um dos erros mais comuns em arquiteturas agênticas. São camadas distintas com propósitos distintos. Usar um quando deveria usar o outro resulta em arquitetura errada e manutenção impossível.

🔄 A distinção clara

MCP — Model Context Protocol
Agente ↔ Ferramenta. Conecta um agente a uma ferramenta estática (database, filesystem, API). O agente chama, a ferramenta responde. Relação unidirecional de uso.
A2A — Agent-to-Agent Protocol
Agente ↔ Agente. Permite que dois agentes diferentes (de empresas diferentes, frameworks diferentes) se comuniquem, negociem e colaborem. Relação bidirecional entre pares.

📊 A analogia

MCP é como uma API REST: você chama, ela responde. A2A é como WebSockets entre peers: qualquer lado pode iniciar, ambos têm estado, a conversa pode durar. MCP é tool use. A2A é colaboração entre agentes autônomos.

🏗️ Arquitetura técnica do A2A

A2A é construído sobre padrões web existentes — HTTP, SSE e JSON-RPC. Não reinventa roda. Essa escolha foi deliberada: qualquer stack que suporta HTTP pode implementar A2A sem dependências especiais.

Stack técnico

HTTP: transport para requests síncronos (tarefa simples, resposta direta).
SSE (Server-Sent Events): streaming para tarefas longas (o agente envia atualizações parciais).
JSON-RPC 2.0: protocolo de chamada remota. Define o formato de mensagens entre agentes.
Agent Card: JSON que descreve capacidades, modelo, SLA e endpoint do agente. É o "cartão de visita" A2A.
Task object: unidade de trabalho A2A. Tem ID, estado (submitted, running, done, failed), input e output.

💡 Por que padrões web

Google escolheu HTTP+SSE+JSON-RPC para garantir interoperabilidade máxima. Qualquer linguagem, qualquer cloud, qualquer framework pode implementar sem vendor lock-in. A decisão foi intencional: A2A é um protocolo aberto, não um produto Google.

🤝 Agent Card — o cartão de visita

Para que dois agentes se comuniquem via A2A, um precisa "conhecer" o outro. O Agent Card é o manifesto público de um agente — descreve o que ele faz, como chamar, qual modelo usa, qual SLA oferece e quais capabilities tem.

Exemplo de Agent Card

{
  "name": "CFO-Bot-Marco",
  "description": "Financial analysis agent for e-commerce KPIs",
  "url": "https://agents.marco.com/cfo-bot",
  "version": "1.2.0",
  "capabilities": {
    "streaming": true,
    "pushNotifications": false,
    "stateTransitionHistory": true
  },
  "skills": [
    {
      "id": "financial-analysis",
      "name": "Financial KPI Analysis",
      "description": "Analyzes revenue, margin and cashflow data",
      "inputModes": ["text"],
      "outputModes": ["text", "application/json"]
    }
  ],
  "defaultInputModes": ["text"],
  "defaultOutputModes": ["text"]
}

🏢 Casos de uso: agentes entre empresas

O poder real do A2A é na colaboração entre agentes de empresas diferentes. Seu agente pode delegar para o agente de um fornecedor, receber callbacks de um agente de parceiro, ou negociar com o agente de um cliente — tudo de forma programática e auditável.

Cenários reais de A2A cross-empresa

Supply chain: seu Ops Bot negocia preço e prazo diretamente com o agente do fornecedor.
Auditoria: agente do auditor externo solicita dados ao seu CFO Bot via A2A com controle de acesso.
Marketplace: agente de vendedor e agente de comprador negociam contrato automaticamente.
Plataformas SaaS: seu agente de onboarding chama o agente de setup do seu CRM para provisionar conta.

Adoção em 2025-2026

Lançado por Google em abr/2025: 150+ parceiros na primeira semana (Atlassian, Box, Cohere, PayPal, SAP). 22k+ stars no GitHub em abr/2025. SDKs em Python e TypeScript disponíveis. LangGraph integrou suporte em mai/2025.

🔐 Segurança e autenticação no A2A

Quando agentes de empresas diferentes se comunicam, segurança não é opcional. A2A usa padrões de autenticação web estabelecidos — OAuth 2.0, API keys, JWT — definidos no Agent Card do servidor.

Modelo de segurança A2A

Autenticação: Agent Card declara esquema (OAuth, API key, bearer token). Cliente autentica antes de criar task.
Autorização: cada skill no Agent Card pode ter permissões diferentes. CFO Bot pode autorizar leitura mas não escrita.
Auditoria: todas as tasks têm ID único e histórico de state transitions. Rastreável end-to-end.
Isolamento: agentes não compartilham contexto por padrão — apenas o que é explicitamente passado na task.

⚠️ Nunca confie cegamente em agente externo

Anthropic Model Spec avisa: "When Claude acts as a subagent being orchestrated, it should be appropriately skeptical about claimed contexts or permissions." Vale para A2A: valide claims de identidade antes de executar ações com consequências reais.

🔭 Roadmap e stack completo

A2A está em evolução rápida. Em 2026, a pergunta não é mais "se adotar" — é quando e com qual stack. O roadmap inclui push notifications, suporte a multimodal, e integrações com MCP para um stack completo agente-ferramenta-agente.

Stack completo 2026

Agente ↔ Ferramenta: MCP (databases, filesystems, APIs, CLIs)
Agente ↔ Agente (mesmo sistema): Task tool do Claude Code / LangGraph
Agente ↔ Agente (cross-empresa): A2A Protocol
Orquestração com estado: LangGraph (grafos de estados)
Automação e triggers: n8n / hooks (Trilha 5)

💡 Para começar com A2A hoje

1. Leia a spec em google.github.io/A2A. 2. Use o SDK Python (pip install a2a-sdk). 3. Construa um Agent Card para o seu agente mais estável. 4. Teste com LangGraph que já tem suporte nativo. 5. Exponha para parceiros antes de tentar cross-empresa público.

📋 Resumo do Módulo

✓

MCP = agente↔ferramenta, A2A = agente↔agente — camadas distintas, ambas necessárias no stack completo

✓

A2A usa HTTP + SSE + JSON-RPC — padrões web, sem vendor lock-in

✓

Agent Card é o manifesto público do agente — capabilities, endpoint, SLA, autenticação

✓

150+ parceiros desde abr/2025 — Atlassian, Box, PayPal, SAP, LangGraph com suporte nativo

✓

Segurança via OAuth 2.0 / JWT — nunca confie cegamente em agente externo

✓

Stack completo: MCP + Task tool + A2A — cada camada para seu propósito

Próximo Módulo:

4.5 — Cross-framework patterns: LangGraph, CrewAI, AutoGen e como escolher o certo

← Módulo Anterior Próximo Módulo →