20 分鐘看完 Google AI 課程 Day 2+3 精華:MCP、A2A、Skills 完整解析

3 分鐘閱讀時長

發布時間:

20 分鐘看完 Google AI 課程 Day 2+3 精華:MCP、A2A、Skills 完整解析

來源:Gary Chen 影片整理 — 20 分鐘看完 Google AI 課程 Day 2+3 精華。MCP, A2A, Skills 解析

影片截圖

Google 五天 AI 課程的 Day 2 和 Day 3 聚焦在 AI Agent 如何「真正連接世界」——不是停留在模型推理,而是讓 AI 接上外部工具、與其他 Agent 協作、並安全地上線生產環境。

本文根據 YouTube 創作者 Gary Chen 的精華整理影片,完整解析這三天課程的核心重點:MCP、A2A、Skills、四大地雷、四道防線,以及 Meta-Skill。


時間軸導航


0:00 開場

Google 五天 AI 課程的 Day 1 介紹了 AI Agent 的基本概念,Day 2 和 Day 3 則深入探討讓 Agent 真正能「做事」的三大關鍵技術:

  1. MCP(Model Context Protocol):讓 AI 連接外部工具的通用插座
  2. A2A(Agent-to-Agent Protocol):讓 AI Agent 之間互相分工合作的協議
  3. Skills:讓 AI 具備專業能力的技能模組

這三大技術解決的核心問題是:AI 不只是聊天機器人,而是能真正接上你的工作流程、自動執行任務的智能代理。


1:44 MCP 通用插座

什麼是 MCP?

MCP(Model Context Protocol) 是由 Anthropic 發起、現在成為業界標準的開放協議,專為了解決 AI 應用與外部系統之間的連接問題。

簡單比喻:MCP 就像是 AI 世界的「USB-C 通用插座」。

MCP 解決的問題

在 MCP 之前,每個 AI 應用要連接不同的外部服務(資料庫、檔案系統、API)都需要:

  • 為每個服務撰寫專屬的整合程式碼
  • 處理不同的認證機制
  • 維護各自的連接邏輯
  • 難以跨不同 AI 模型複用

MCP 的三個核心角色

角色說明
Host(主機)AI 應用程式(如 Claude Desktop、Cursor、Hermes Agent)
Client(客戶端)負責與 MCP Server 溝通的中介層
Server(伺服器)提供工具(Tools)、資源(Resources)、提示(Prompts)的後端服務

MCP 的三大能力

  1. Tools(工具):讓 AI 可以呼叫外部函數,如查詢資料庫、呼叫 API、執行程式
  2. Resources(資源):讓 AI 可以讀取外部資料,如檔案、資料庫內容
  3. Prompts(提示):讓 Server 可以定義結構化的提示模板

MCP 在 2026 年的現狀

到了 2026 年,MCP 已經被所有主流 AI 供應商採用:

  • Claude Desktop 內建 MCP 支援
  • Cursor、VS Code 等 IDE 整合 MCP
  • Google Cloud、AWS、Azure 都推出官方 MCP Server

MCP vs A2A:何時用哪個?

維度MCPA2A
連接對象AI ↔ 工具/資料AI Agent ↔ AI Agent
用途讓 AI 存取外部資源讓 AI 互相協作、委派任務
發起者AnthropicGoogle(50+ 公司聯合)

核心原則:MCP 讓 Agent 有手有腳(能做事),A2A 讓 Agent 有同事(能協作)。


6:00 A2A 找 AI 同事

什麼是 A2A?

A2A(Agent-to-Agent Protocol) 是由 Google 在 2025 年推出、2026 年 1 月發布 v1.0 的開放協議,專為了解決多個 AI Agent 之間的協作問題。

簡單比喻:A2A 就像是 AI 世界的「企業通訊軟體」,讓不同 Agent 可以發現彼此、溝通協作、委派任務。

A2A 解決的問題

當任務變得複雜時,單一 Agent 往往無法獨立完成。例如:

  • 分析財務報表 → 需要「資料分析 Agent」+「財務專家 Agent」+「報告撰寫 Agent」
  • 開發軟體 → 需要「需求分析 Agent」+「程式碼 Agent」+「測試 Agent」

在 A2A 之前,這些 Agent 之間沒有標準化的溝通方式,每個系統都要自己實現協作邏輯。

A2A 的四大核心概念

概念說明
Agent Card(代理卡片)Agent 的「名片」,宣告它能做什麼、支援什麼格式
Task(任務)Agent 之間委派的具體工作項目
Message(訊息)Agent 之間的溝通內容
Artifact(產出)任務完成的產出物(報告、程式碼、分析結果)

A2A 的工作流程

1. 發現(Discovery):Agent A 透過 Agent Card 找到合適的 Agent B
2. 委派(Delegation):Agent A 將任務委派給 Agent B
3. 執行(Execution):Agent B 執行任務,並回報進度
4. 交付(Delivery):Agent B 提交產出物(Artifact)
5. 整合(Integration):Agent A 整合結果,繼續後續任務

A2A 的生態系

A2A v1.0 發布時已有 50+ 技術夥伴支援,包括:

  • 企業軟體:Salesforce、SAP、ServiceNow、Workday
  • 開發工具:Atlassian、Box、MongoDB、Langchain
  • 顧問公司:Accenture、Deloitte、McKinsey、BCG

10:28 Skill 四大地雷

什麼是 Skills?

Skills 是讓 AI Agent 具備特定專業能力的模組化技能。Google 在 Cloud Next 2026 推出了官方的 Agent Skills Repository,為 AI Agent 提供 BigQuery、GKE、Gemini API 等產品的專業知識。

地雷一:技能描述過於模糊

問題:Skill 的觸發條件和步驟描述不清楚,導致 AI 無法正確判斷何時使用。

正確做法:

  • 使用明確的觸發條件(trigger conditions)
  • 步驟用編號列出,包含具體指令
  • 加入常見錯誤(pitfalls)和驗證步驟

地雷二:缺少邊界定義

問題:Skill 沒有定義「不該做什麼」,導致 AI 過度依賴或錯誤套用。

正確做法:

  • 明確列出 Skill 的適用範圍
  • 說明何時應該呼叫其他工具或 Skill
  • 定義失敗條件和回退策略

地雷三:資訊過時或未維護

問題:Skill 中的 API endpoint、工具版本、指令過時,但沒有人更新。

正確做法:

  • 定期檢查和更新 Skill 內容
  • 使用版本標記(version)
  • 執行 Skill 時發現問題,立即修正

地雷四:缺乏安全防護

問題:Skill 允許 AI 執行高風險操作(如刪除資料、修改設定),但沒有權限控制。

正確做法:

  • 對危險操作加入確認機制
  • 限制 AI 可以存取的工具和資源
  • 遵循最小權限原則(Principle of Least Privilege)

15:54 四道防線

Google 在白皮書中提出了 AI Agent 上線前的四道安全防線:

防線一:輸入過濾(Input Sanitization)

  • 過濾惡意提示(Prompt Injection)
  • 防止 AI 被操縱執行非預期操作
  • 使用規則過濾 + AI 檢測雙層防護

防線二:權限控制(Access Control)

  • AI Agent 只能存取必要的資源
  • 使用 Role-Based Access Control(RBAC)
  • 敏感操作需要人類確認(Human-in-the-loop)

防線三:輸出驗證(Output Validation)

  • 驗證 AI 的輸出是否合理、安全
  • 防止 AI 產生錯誤建議或惡意內容
  • 對程式碼執行靜態分析

防線四:監控日誌(Observability)

  • 記錄 AI Agent 的所有操作
  • 即時監控異常行為
  • 建立警報機制,發現問題立即停止

19:15 Meta-Skill

什麼是 Meta-Skill?

Meta-Skill 是「管理 Skill 的 Skill」——一種更高層級的抽象,讓 AI 能夠:

  • 自動選擇最適合的 Skill 來解決問題
  • 組合多個 Skill 完成複雜任務
  • 在沒有明確 Skill 時,動態產生新的工作流程

Meta-Skill 的核心能力

能力說明
Skill 發現根據任務類型,自動找到可用的 Skill
Skill 組合將多個 Skill 串連成完整的工作流程
Skill 學習從成功/失敗經驗中優化 Skill 選擇策略
Skill 生成遇到新任務時,動態產生臨時 Skill

Meta-Skill 的實際應用

例如,當用戶說「幫我分析這份財務報告並做簡報」時,Meta-Skill 會:

  1. 分析任務需求(分析 + 簡報)
  2. 選擇對應的 Skill(資料分析 Skill + PPT 製作 Skill)
  3. 協調兩個 Skill 的執行順序
  4. 整合產出物,完成最終交付

總結

技術核心問題一句話總結
MCPAI 如何連接外部工具AI 的 USB-C 通用插座
A2AAgent 如何互相協作AI 世界的企業通訊軟體
SkillsAI 如何具備專業能力AI 的專業技能模組
四道防線如何安全上線輸入過濾 → 權限控制 → 輸出驗證 → 監控日誌
Meta-Skill如何智能組合 Skill管理 Skill 的 Skill

這五個概念共同構成了 AI Agent 從「原型」走向「生產環境」的完整技術路徑。

影片來源:Gary Chen — 20 分鐘看完 Google AI 課程 Day 2+3 精華。MCP, A2A, Skills 解析 原文 Patreon:完整文章與提示詞模板