AI Agent ทำงานแบบไหนกันนะ 🤷♂️
#ai มีระเบียบวิธีการทำงานสากลที่ปล่อยออกมาให้ใช้กัน
มีทั้ง MCP, A2A ข้อแตกต่างและรายละเอียดอยู่ในรูปเลยค้าบ
A2A คืออะไร (Agent2Agent Protocol)? A2A หรือ Agent2Agent Protocol (ของ Google) คือ “มาตรฐาน/กติกากลาง” ที่ทำให้ AI Agent หลายตัวสื่อสารกันได้อย่างเป็นระบบ เหมือนเรามีทีมงานหลายคนที่คุยกันด้วยฟอร์แมตเดียวกัน จึงส่งต่องาน แบ่งบทบาท และประสานงานกันได้ง่ายขึ้น ไม่ต้องเขียนโค้ดเชื่อมต่อแบบเฉพาะกิจใหม่ทุกครั้ง ภาพรวมการทำงานที่ผมเข้าใจแบบภาษาคนทำงาน: - มีเอเจนต์ตัวหนึ่งเป็นตัวตั้งต้น (เช่น ผู้จัดการงาน) รับโจทย์จากเรา - แล้วส่ง “งานย่อย” ไปให้เอเจนต์ที่ถนัด (เช่น เอเจนต์สายค้นข้อมูล, เอเจนต์สายสรุป, เอเจนต์สายทำรายงาน) - แต่ละเอเจนต์คุยกันด้วยโพรโทคอลเดียวกัน ทำให้รู้ว่าใครรับงานอะไร สถานะไปถึงไหน และส่งผลลัพธ์กลับมายังไง ตัวอย่างที่พบบ่อย: ถ้าเราบอกว่า “ช่วยทำรายงานสรุปคู่แข่ง” เอเจนต์หลักอาจส่งงานไปให้เอเจนต์ผู้เชี่ยวชาญหลายคน เช่น คนหนึ่งหาข้อมูลตลาด อีกคนหาข้อมูลราคา อีกคนทำสรุปเชิงกลยุทธ์ แล้วค่อยรวมเป็นรายงานเดียว แล้ว MCP คืออะไร ต่างจาก A2A ยังไง? MCP (Model Context Protocol) ของ Anthropic เป็นมาตรฐานเปิดที่โฟกัส “การเชื่อม LLM/Agent กับเครื่องมือและแอปภายนอก” เพื่อดึงบริบท (context) และสั่งงานเครื่องมือได้อย่างปลอดภัยและเป็นระบบ เช่น ต่อกับ Slack, GitHub, ฐานข้อมูล, ไฟล์เอกสาร ฯลฯ สรุปให้จำง่าย: - A2A = ทำให้ “เอเจนต์คุยกัน/ทำงานร่วมกัน” (agent ↔ agent) - MCP = ทำให้ “เอเจนต์คุยกับเครื่องมือ/แอป/ข้อมูล” (agent ↔ tools/apps) ทำไมสองอันนี้ถึงเสริมกัน? ในงานจริง เรามักอยากได้ทั้งสองอย่างพร้อมกัน: ให้เอเจนต์หลายตัวช่วยกันคิด (A2A) และให้แต่ละตัวเข้าถึงเครื่องมือที่ต้องใช้ (MCP) เช่น เอเจนต์สายโค้ดต่อ GitHub ผ่าน MCP, เอเจนต์สายคอมมูนิเคชันต่อ Slack ผ่าน MCP แล้วทั้งหมดประสานงานกันด้วย A2A ผลลัพธ์คือได้ระบบนิเวศของ AI Agent ที่ “คุยกันเป็นทีม” และ “ทำงานกับเครื่องมือจริง” ได้ลื่นขึ้น ถ้าคุณกำลังเริ่มต้น แนะนำมอง A2A เป็นเลเยอร์ของการประสานงาน ส่วน MCP เป็นเลเยอร์ของการเชื่อมต่อเครื่องมือ—พอแยกภาพแบบนี้จะเข้าใจสถาปัตยกรรมง่ายมาก และเลือกใช้ได้ตรงปัญหาครับ