一文讲清 CLI、MCP、A2A、A2UI 和 AG-UI
最近一年，AI Agent 圈子里冒出了大量缩写：CLI、MCP、A2A、A2UI、AG-UI……很多人第一次看到时会有一种错觉：这些到底是啥？怎么突然冒出这么多新东西？
实际上，如果把它们放在同一条技术演进线上看，会发现这些东西并不复杂。它们解决的是同一个问题：如何让 Agent 与外部世界协作。只是协作对象不同，因此出现了不同层次的协议。
从 CLI 开始：人与程序的交互协议
最早的软件世界里，并没有 Agent。程序之间协作最简单的方式就是：git clone xxx、npm install、python main.py。这就是 CLI（Command Line Interface，命令行接口）。
CLI 本质上是一种约定：输入参数、执行命令、返回结果。例如：ffmpeg input.mp4 output.mp3。你不需要知道 ffmpeg 内部怎么实现，只需要遵守它的参数规则即可。所以，它解决的是：人如何调用程序。
MCP：Agent 调用工具的协议
当 LLM 出现后，问题发生了变化。以前是人调用工具（比如 git commit），现在变成 Agent 调用工具：Agent 需要获取浏览器内容→ 调用 Browser Tool。
问题来了：Agent 怎么知道工具有哪些？工具参数是什么？返回结果长什么样？如果每个工具都自己定义格式（比如 {"tool": "browser"} 或 {"action": "open_browser"}），Agent 根本无法通用。
于是 MCP 出现了。MCP（Model Context Protocol）可以理解为：无论是 Browser、GitHub、Notion、Figma 还是数据库，都通过统一协议暴露能力。例如：{"name": "search_docs", "inputSchema": {"type": "object", "properties": {"query": {"type": "string"}}}}。Agent 不需要提前适配每一个工具，只要支持 MCP（Agent → MCP Client → MCP Server → Tool）即可完成调用。
所以，MCP 解决的是：Agent 如何调用工具。
A2A：Agent 与 Agent 的协议
有了 MCP 之后，Agent 可以调用工具了。但很快又出现新问题。现实中的复杂任务往往不是一个 Agent 能完成的。例如：招聘助手 → 技术面试 Agent → 简历分析 Agent → 背景调查 Agent；或者：旅行规划 Agent → 机票 Agent、酒店 Agent、攻略 Agent。
这时候，Agent 不再只是调用工具，而是在调用另一个 Agent。于是 Google 提出了 A2A（Agent to Agent）。它关注的问题是：Agent 如何发现其他 Agent、如何发送任务、如何获取结果、如何持续跟踪任务状态。例如：Agent A 发送任务 → Agent B 执行完成 → 返回结果。
所以，A2A 解决的是：Agent 如何调用 Agent。
AG-UI：Agent 与前端的协议
很多人做 Agent 产品时都会发现一个问题：Agent 的输出并不是一次性完成的。例如：思考中... 调用搜索... 分析结果... 生成答案... 整个过程是流式的。如果后端只是返回 {"answer": "最终结果"}，前端体验会很差。
因此出现了 AG-UI（Agent User Interaction Protocol）。它关注的是：Agent 运行过程中产生的事件如何传递给前端。例如：{"type": "thinking"}、{"type": "tool_call"}、{"type": "message"}、{"type": "complete"}。前端收到后即可实时更新界面，比如显示“✓ 搜索完成 ✓ 数据分析完成 ✓ 正在生成报告”。
因此，AG-UI 解决的是：Agent 如何向界面发送运行事件。
A2UI：Agent 直接生成界面的协议
AG-UI 解决的是事件流问题，但没有解决另一个问题：Agent 如何生成更丰富的界面？例如用户问“北京未来七天天气”，理想情况不是返回一段文字“周一 30℃ 周二 29℃...”，而是直接返回天气卡片。再比如“查看销售数据”，更适合图表、表格、Dashboard，而不是纯文本。
于是出现了 A2UI（Agent to UI）。它强调：Agent 返回的不只是文字，而是结构化 UI。例如：{"component": "chart", "data": [...]} 或 {"component": "weather-card"}。前端根据协议直接渲染。
因此，A2UI 解决的是：Agent 如何生成界面。
五者之间到底是什么关系？
如果画成一张图，大概是这样：
┌──────────┐
│ User │
└────┬─────┘
│
▼
┌──────────┐
│ Agent │
└────┬─────┘
│
┌────┼────────────┐
▼ ▼ ▼
MCP A2A AG-UI
│ │ │
Tool Agent Frontend
│ │
▼ ▼
A2UI (UI Components)
换句话说：
| 协议 | 解决的问题 |
|---|---|
| CLI | 人如何调用程序 |
| MCP | Agent 如何调用工具 |
| A2A | Agent 如何调用 Agent |
| AG-UI | Agent 如何向界面发送运行事件 |
| A2UI | Agent 如何生成界面 |
最后
如果把过去几十年的软件演进浓缩成一句话：CLI 时代是 Human → Software；AI 时代是 Human → Agent → World。而 MCP、A2A、AG-UI、A2UI，本质上都是在补齐这条链路上的不同环节。它们不是互相竞争的关系，而是分别回答了几个问题：
- Agent 怎么用工具？（MCP）
- Agent 怎么找 Agent？（A2A）
- Agent 怎么通知前端？（AG-UI）
- Agent 怎么生成界面？（A2UI）
至于 CLI？它并没有过时。很多 MCP Server 的底层，依然是在调用各种 CLI 工具。只不过以前是人敲命令，现在变成 Agent 替你敲了。
