What kind of work does AI Agent do? 🤷♂️
# aiThere are universal working methods regulations released for use.
There are MCP, A2A. The differences and details are in the picture.
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
