AG-UI协议：继MCP与A2A后的最新Agent协议

AI Agent交互协议仍在持续演进。

继MCP协议赋予Agent标准化的工具调用能力，Google的A2A协议探索Agent间互操作性之后，一个更现实的问题浮出水面：Agent与用户之间的前端交互界面，为何仍然各自为政？开发者每接入一个新Agent框架，都需重新构建UI层，效率低下且体验碎片化。于是，名为AG-UI的新协议应运而生。

该项目由copilotkit发起，目标清晰：打造一个开放、轻量级、基于事件的 Agent-用户交互（Agent-User Interaction） 标准化协议。简而言之，它定义了一套通用规范，告诉Agent后端如何向前端发送信息、接收用户输入并实现实时互动。其核心关注点在于将AI Agent连接到前端应用的标准化方式，这与MCP（专注工具调用）和A2A（专注Agent间通信）截然不同——AG-UI专注于人机界面。

关键设计原则

AG-UI的架构围绕以下核心原则展开：

• 事件驱动：Agent执行过程中，后端按AG-UI定义的16种标准事件类型之一发出事件，前端根据事件内容做出响应。相当于Agent告知“我做了什么，你看着办”，前端再决定如何展示或交互。
• 简单的输入机制：Agent后端可接收几种简单的AG-UI兼容输入作为参数，集成门槛极低，无需复杂数据结构。
• 灵活的中间件层：协议内置中间件，专门处理不同事件传输环境（如SSE、WebSockets、webhooks）的差异，并允许宽松的事件格式匹配，确保不同Agent和各类应用能顺畅通信。
• 参考实现：官方提供HTTP参考实现和默认连接器，开发团队可直接拿来修改并快速运行。

<iframe src="https://mp.weixin.qq.com/mp/readtemplate?t=pages/video_player_tmpl&action=mpvideo&auto=0&vid=wxv_3993495921836392457"></iframe>

基于AG-UI的Agent能做什么？

协议支持的交互功能相当全面：

• 实时流式聊天：对话流畅无延迟，Agent边思考边输出，用户可实时看到进展。
• 双向状态同步：聊天内外的状态保持一致，避免上下文混乱或丢失信息。
• 生成式UI和结构化消息：Agent不仅返回文本，还能动态驱动前端生成UI组件，并支持增量流式更新——相当于Agent能“绘制”界面给用户。
• 实时上下文丰富：交互过程中，Agent可动态获取用户或系统的补充信息，使对话更智能、更贴合当前场景。
• 前端工具调用：Agent能调用定义在前端里的工具或函数，实现灵活操作，例如直接在前端弹窗、填写表单。
• 人机协作：支持人类在Agent执行过程中随时介入、干预或协作，为用户提供随时“叫停”或“纠正”的开关。

目前，LangGraph、Mastra、CrewAI、AG2等框架已宣布兼容AG-UI，同时协议也在适配OpenAI Agent SDK、Google ADK、Vercel等主流Agent开发框架。生态正在快速扩展。

小结

坦白说，AG-UI的发起方和协议影响力暂时还不及MCP或A2A。但UI标准化本身方向正确，能进一步加速分工——Agent后端团队可专注逻辑，前端团队专注体验，通过统一语言高效沟通。退一步讲，即使不直接采纳，AG-UI的设计原则和参考实现也值得每个Agent开发团队参考。协议不在大小，有用即可。