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

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:
- MCP(Model Context Protocol):讓 AI 連接外部工具的通用插座
- A2A(Agent-to-Agent Protocol):讓 AI Agent 之間互相分工合作的協議
- 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
- 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
- Resources(資源):讓 AI 可以讀取外部資料,如檔案、資料庫內容
- 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 | MCP | A2A |
|---|---|---|
| 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 | Anthropic | Google(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:
- 分析任務需求(分析 + 簡報)
- 選擇對應的 Skill(資料分析 Skill + PPT 製作 Skill)
- 協調兩個 Skill 的執行順序
- 整合產出物,完成最終交付
總結
| 技術 | 核心問題 | 一句話總結 |
|---|---|---|
| MCP | AI 如何連接外部工具 | AI 的 USB-C 通用插座 |
| A2A | Agent 如何互相協作 | AI 世界的企業通訊軟體 |
| Skills | AI 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