#MCP / A2A / Tool Schema 专项强化题库（第十五批：Agent 协议与工具调用设计）

#一、高频问题速览

#二、逐题详细解答

#277. MCP 的核心架构（Host-Client-Server）和三类原语是什么？

#知识点

• MCP（Model Context Protocol）
• Host-Client-Server 架构
• Tools / Resources / Prompts
• JSON-RPC 2.0

#详细解答

MCP 的定位：

MCP（Model Context Protocol）是由 Anthropic 推动的开放标准协议，目标是标准化 LLM/Agent 与外部工具、数据源之间的交互，减少 N×M 的集成复杂度。

核心架构（Host-Client-Server）：

• Host：承载 AI 交互的应用程序（如 Claude Desktop、Cursor、IDE 插件）。Host 负责协调多个 Client。
• Client：每个 MCP Server 在 Host 内对应一个 Client，负责与 Server 建立连接、发现能力、转发请求。
• Server：暴露具体能力的服务端（如文件系统、数据库查询、GitHub API、代码执行器）。

Host 与 Client/Server 之间通过持久连接交互，传输层支持 STDIO、SSE、WebSocket、Streamable HTTP 等。消息格式基于 JSON-RPC 2.0。

三类原语：

1. Tools（工具）：模型可以调用的函数/动作，带有结构化参数定义（JSON Schema）。例如 search_web、execute_code、send_email。工具调用可能产生副作用。
2. Resources（资源）：只读的数据上下文，供模型参考但不产生副作用。例如文件内容、数据库 schema、API 文档。Resources 可以通过静态 URI 或模板化 URI 访问。
3. Prompts（提示模板）：预定义的提示模板，帮助模型更好地完成特定任务。例如 "请以 JSON 格式总结以下文档"。

工程意义：MCP 把"模型需要什么能力"和"能力怎么实现"解耦，让应用开发者只需对接 MCP Client，而工具提供者只需实现 MCP Server。

#278. A2A 协议与 MCP 协议的定位差异是什么？何时组合使用？

#知识点

• A2A（Agent-to-Agent）
• MCP（Model Context Protocol）
• 任务生命周期 vs 工具调用
• 协议互补性

#详细解答

定位差异：

MCP 适合的场景：

• 单个 Agent 需要调用具体工具（搜索、数据库、代码执行、邮件发送）。
• 需要集中化的工具治理、参数验证、审批与审计。

A2A 适合的场景：

• 多个 Agent 之间需要协作完成复杂任务（如 Planner Agent 委派给 Researcher Agent）。
• 需要长期运行、分步协商、状态流式更新的工作流。
• 需要跨系统的 Agent 发现与能力协商。

组合使用：

典型架构中，A2A 负责高层协调与任务分配，MCP 负责具体执行：

1. Planner Agent 通过 A2A 发现 Researcher Agent 的能力。
2. Planner 通过 A2A 提交任务。
3. Researcher Agent 内部通过 MCP 调用搜索引擎、数据库、代码执行器等工具完成子任务。
4. Researcher 通过 A2A 的 task lifecycle 向 Planner 汇报进度与结果。

#279. Function Calling 的 Tool Schema 设计有哪些关键原则？

#知识点

• JSON Schema
• 去歧义命名
• 枚举约束
• 示例与文档
• 版本管理

#详细解答

Function Calling 的核心是让 LLM 根据结构化 schema 生成可执行的工具调用。Schema 设计的好坏直接决定工具调用的准确率。

关键设计原则：

1. 严格的 JSON Schema 结构

• 根类型必须是 "type": "object"。
• 每个参数都要有 "type"、 "description"，复杂类型用嵌套对象。
• 用 "required" 明确必填字段，用 "enum" 限制取值范围。

2. 去歧义命名与描述

• 参数名要具体：user_id 比 user 好，start_date 比 date1 好。
• 描述要简洁但包含约束和示例："城市名或经纬度，例如 'Shanghai' 或 '31.23,121.47' "。

3. 枚举约束减少幻觉

• 对于有限选项（如温度单位 celsius/fahrenheit、排序方式 asc/desc），务必使用 enum。
• 这能显著降低模型生成非法参数的概率。

4. 提供调用示例与错误示例

• 在 schema 或系统提示中给出典型调用示例，帮助模型理解期望格式。
• 同时给出错误示例（如缺少必填字段、类型不匹配），让模型学会规避常见错误。

5. 版本化与向后兼容

• 工具 schema 应该带有版本号（如 v1、v2）。
• 添加字段是兼容变更，删除/修改已有字段语义是不兼容变更。
• 旧版本应保留兼容转换层，避免已部署的 Agent 突然失效。

6. 输出/错误 schema 也要结构化

• 不仅输入要结构化，工具返回也应包含 status、code、message、data 四元结构，方便上层 Agent 做程序化判断。

#280. MCP 中的工具审批（require_approval）和 OAuth 认证机制为什么重要？

#知识点

• 最小权限原则（Least Privilege）
• 人机在环（Human-in-the-loop）
• OAuth 2.1 / PKCE
• 审计链

#详细解答

工具审批（require_approval）的重要性：

MCP 规范支持为敏感工具（如发送邮件、转账、删除文件、修改数据库）设置 require_approval 标志。这意味着模型生成调用意图后，必须先获得人类用户或上层系统的显式批准，才能实际执行。

为什么重要：

1. 防止自主 Agent 的失控行为：Agent 可能因 prompt 注入、逻辑错误或恶意输入而调用危险工具。
2. 满足合规要求：金融、医疗等行业对"自动执行敏感操作"有严格的人机协同要求。
3. 建立信任：用户需要知道 Agent 打算做什么，并有权拒绝。

OAuth 认证机制的重要性：

MCP 规范推荐使用 OAuth 2.1 + PKCE 作为认证模式，而不是简单的 API key 或共享 secret。

相比 API key 的优势：

1. 可撤销：token 有过期时间，泄露后可被吊销，影响范围可控。
2. 权限范围可控：OAuth scope 能精确限制 Agent 能访问哪些资源、执行哪些操作。
3. 审计链完整：OAuth 流程能关联"human identity → agent identity → tool call"，满足企业审计需求。
4. 跨域安全：PKCE 防止 authorization code 拦截攻击，适合桌面/移动 Host 场景。

工程建议：在生产级 MCP 部署中，务必在网关层强制执行 OAuth，而不是依赖本地无认证的 Server。

#281. 多 agent 系统中如何避免 token/配额耗尽的连锁失败？

#知识点

• 速率限制（Rate Limiting）
• 指数退避（Exponential Backoff）
• 配额预留与配额池
• 缓存策略
• Retry Storm

#详细解答

问题描述：

在多 Agent 系统中，一个上层 Agent 可能同时触发多个下层 Agent 或工具调用，形成调用级联。如果没有限流机制，很容易出现：

• API 配额瞬间耗尽。
• 费用激增（runaway agent）。
• 下游服务被压垮，引发级联故障（Retry Storm）。

缓解策略：

1. 集中配额管理与预留

• 在网关或 Orchestrator 层维护统一的配额池（如 Redis）。
• 为高优先级任务预留额度，低优先级任务受限制。
• 实时监控每个 Agent/Task 的 token/调用消耗。

2. 网关层限流（429 + Retry-After）

• 当调用超过阈值时，网关返回 HTTP 429 并附带 Retry-After 头。
• Agent 端必须尊重这个响应，而不是盲目重试。

3. Agent 端指数退避与抖动（Jitter）

• 遇到 429 或 5xx 时，采用指数退避：wait = base * 2^attempt + random_jitter。
• 抖动能避免多个 Agent 在同一时刻重试，造成新的流量峰值。

4. 结果缓存

• 对于重复或相似的查询（如频繁检索同一份文档），在 Agent 层或 MCP Client 层引入缓存（如向量缓存、语义去重缓存）。
• 缓存命中能直接减少下游调用。

5. 任务分解与批处理

• 把一个大任务拆成多个子任务时，评估是否可以把某些子任务合并批处理，减少总调用次数。

#282. A2A 的 Agent Card 包含哪些信息？能力发现流程是怎样的？

#知识点

• Agent Card
• /.well-known/agent.json
• 能力发现（Capability Discovery）
• 认证方案声明

#详细解答

Agent Card 是什么：

Agent Card 是 A2A 协议中的能力声明文件，托管在 Agent 的 /.well-known/agent.json 路径下。其他 Agent 或系统可以通过标准 HTTP GET 请求读取这个文件，从而了解该 Agent 能做什么、需要什么认证、端点在哪里。

典型 Agent Card 内容：

{
  "agent_id": "researcher-v1",
  "name": "Researcher Agent",
  "description": "擅长网络搜索、文献综述与数据整理",
  "capabilities": ["web_research", "summarization", "data_extraction"],
  "auth": {
    "schemes": ["oauth2", "bearer_token"]
  },
  "endpoints": {
    "tasks": "https://agent.example.com/tasks",
    "status": "https://agent.example.com/status",
    "events": "https://agent.example.com/events"
  },
  "rate_limits": {
    "max_requests_per_minute": 60
  }
}

关键字段：

• capabilities：该 Agent 支持的任务类型列表。
• auth.schemes：支持的认证方式（OAuth、Bearer、API key、mTLS 等）。
• endpoints：任务提交、状态查询、事件订阅的 URL。
• rate_limits：可选的速率限制声明。

能力发现流程：

1. 发现阶段：委派方 Agent 向目标域名发送 GET /.well-known/agent.json。
2. 协商阶段：解析 Agent Card，确认目标 Agent 是否具备所需能力，以及委派方是否满足认证要求。
3. 认证阶段：按 Agent Card 声明的方式获取 access token。
4. 任务委派阶段：向 endpoints.tasks 提交任务，获得 task_id。
5. 状态跟踪阶段：通过 endpoints.status 或 SSE 事件流跟踪任务进展，直到 completed/failed。

#283. 中心化 Orchestrator vs Mesh/P2P 多 agent 架构如何选型？

#知识点

• Orchestrator-Worker 架构
• Mesh / P2P 协作
• 一致性 vs 弹性
• 审计链与治理
• 故障隔离

#详细解答

中心化 Orchestrator 架构：

• 结构：一个中心化的 Planner/Orchestrator 负责任务分解、路由选择、结果聚合和错误恢复；多个 Worker Agent 负责执行具体子任务。
• 优点：
  • 易于实现全局一致性、状态同步和审计追踪。
  • Orchestrator 可以集中控制权限、配额和审批流程。
  • 调试和故障排查更容易（所有决策在一个节点）。
• 缺点：
  • Orchestrator 是单点瓶颈，高并发时可能成为性能瓶颈。
  • 系统弹性受限于 Orchestrator 的可用性。

Mesh / P2P 架构：

• 结构：Agent 之间点对点直接通信，没有中心化协调者。任务通过广播、协商或共识机制分配。
• 优点：
  • 高弹性，单个 Agent 故障不会影响全局。
  • 更容易水平扩展。
• 缺点：
  • 冲突解决、状态一致性、全局审计非常复杂。
  • 需要复杂的发现、协商和共识机制。

选型建议：

• 企业级/金融/医疗：优先选中心化 Orchestrator，因为治理、审计、合规是首要需求。
• 高并发/弹性优先的互联网产品：可采用分层混合架构——顶层用轻量级 Orchestrator 做路由和监控，子域内用 Mesh 协作。
• 快速原型/内部工具：先用中心化 Orchestrator，业务跑通后再考虑解耦。

最佳实践：即使使用 Mesh，也建议在关键路径上保留一个"审计协调者"，用于记录任务来源链和最终状态，而不是完全去中心化。

#284. 如何为带副作用的工具调用设计幂等性和错误恢复机制？

#知识点

• 幂等性（Idempotency）
• Idempotency-Key
• Checkpoint 与断点续传
• 补偿事务（Compensation）
• Temporal / Workflow 模式

#详细解答

为什么幂等性至关重要：

Agent 在执行工具调用时，可能因网络超时、服务降级或自身重试策略而多次调用同一个工具。如果工具带有副作用（如扣款、发送邮件、创建订单），重复执行会导致灾难性后果。

幂等性设计原则：

1. 幂等键（Idempotency-Key）

• 每次工具调用时，Agent 生成一个全局唯一的 Idempotency-Key（如 uuid）并随请求发送。
• 工具服务端记录已处理的 Key，如果收到重复的 Key，直接返回上一次的结果，而不是重新执行。
• Key 应该关联到 task_id 和 agent_id，便于审计。

2. 工作流级 Checkpoint

• 使用 Temporal、Cadence 或自研工作流引擎，在每个步骤成功后持久化 checkpoint。
• 如果流程中断，可以从上一个 checkpoint 恢复，而不是从头重试所有步骤。
• 已完成且带有副作用的步骤不会被重复执行。

3. 错误分类与恢复策略

• Transient 错误（网络抖动、429 限流、超时）：应该重试，配合指数退避。
• Permanent 错误（参数校验失败、权限不足、业务规则冲突）：应该快速失败，记录错误，并触发人工介入或回退计划。

4. 补偿事务（Saga 模式）

• 对于多步骤的复杂事务，如果某一步永久失败，需要执行补偿操作来撤销已完成的副作用步骤。
• 例如：已创建订单 → 支付失败 → 执行补偿：取消订单、释放库存。

5. 状态机显式建模

• 把工具调用建模为状态机：pending → in_progress → succeeded / failed / compensated。
• 只有从 pending 状态才能进入 in_progress，防止并发下的重复执行。

#285. MCP/A2A 场景下的长任务（数小时）应该如何建模？

#知识点

• 异步任务生命周期
• Task 原语
• call-now / fetch-later 模式
• SSE（Server-Sent Events）
• 超时与撤销

#详细解答

为什么长任务需要特殊建模：

MCP 的标准工具调用是 request-response 语义，同步等待数小时不现实（HTTP 超时、连接断开、Agent 状态丢失）。A2A 和 MCP 扩展都提供了对长任务的支持。

MCP 中的长任务建模（SEP-1686 / Task 原语）：

MCP 扩展引入了 Task 原语，支持 call-now / fetch-later 模式：

1. Agent 发起工具调用请求，Server 立即返回一个 task_id，而不等待实际执行完成。
2. Agent 可以定期用 task_id 查询任务状态（polling），或通过 SSE 订阅状态更新。
3. 任务完成后，Agent 再 fetch 最终结果。

A2A 中的长任务建模：

A2A 把 Task 作为一级实体，任务天然带有状态机：

pending → working → completed / failed / canceled

• 委派方提交任务后，接收方返回 202 Accepted 和 task_id。
• 在工作过程中，接收方通过 SSE 或 HTTP 回调发送进度更新（working、partial_result）。
• 委派方可以发送取消请求，接收方应支持优雅终止。

工程最佳实践：

1. 显式超时与撤销策略：任务提交时应声明 timeout 和 cancellation_policy。
2. 权限续签：长时间任务中，access token 可能过期，需要设计 token 刷新或续签机制。
3. Checkpoint 持久化：执行端应定期保存进度，支持从断点恢复。
4. 结果保留期：声明任务结果的保留时间（TTL），过期后自动清理，避免存储无限增长。

#286. Tool Schema 的错误返回结构应该包含哪些字段？如何区分 transient 与 permanent 错误？

#知识点

• 结构化错误返回
• Transient vs Permanent 错误
• Retry-After
• 降级策略（Graceful Degradation）
• 错误示例与文档

#详细解答

推荐的错误返回结构：

工具返回应始终使用结构化格式，至少包含以下字段：

{
  "status": "error",
  "code": "RATE_LIMIT_EXCEEDED",
  "message": "API 调用次数超过每分钟 60 次的限制",
  "details": {
    "retry_after": 30,
    "limit": 60,
    "window": "1m"
  },
  "request_id": "req_abc123"
}

字段说明：

• status：success 或 error，方便上层快速判断。
• code：机器可读的错误码，如 INVALID_PARAMETER、RATE_LIMIT_EXCEEDED、PERMISSION_DENIED、INTERNAL_ERROR。
• message：人类可读的错误描述，供 Agent 理解或展示给用户。
• details：额外的结构化信息，如 retry_after、缺失字段列表、权限范围等。
• request_id：用于日志追溯和故障排查。

Transient 与 Permanent 错误的区分：

工程建议：

1. 工具层显式标注错误类型：在 code 或 details.error_type 中明确标注 "transient": true/false。
2. Agent 层根据类型选择策略：
   • Transient：重试最多 N 次，每次退避时间递增。
   • Permanent：立即停止当前路径，尝试替代工具或向用户汇报失败原因。
3. 降级策略（Graceful Degradation）：如果主工具永久失败，是否有备用工具？例如：主搜索引擎 403 时，切换到本地索引或简化查询。
4. 文档中必须包含错误示例：在 Tool Schema 文档中为每个工具提供至少一个错误返回示例，帮助 Agent 学会正确解析和处理。