Protokol Agent2Agent (A2A) dari Google: Panduan dengan Contoh

Agen AI mengubah cara tugas diotomatisasi, keputusan dibuat, dan sistem perangkat lunak berkolaborasi. Namun seiring organisasi membangun lebih banyak agen otonom, kebutuhan akan komunikasi baku lintas vendor dan kerangka kerja menjadi penting. Di sinilah Agent2Agent (A2A) berperan.

A2A adalah protokol terbuka, netral vendor yang dikembangkan oleh Google untuk menstandarkan kolaborasi antar agen AI di berbagai sistem.

Dalam tutorial ini, saya akan memandu Anda memahami cara kerja A2A, prinsip desainnya, bagaimana protokol ini dapat memberdayakan alur kerja multi-agen di dunia nyata lintas domain, serta perbedaannya dengan MCP.

Apa Itu Agent 2 Agent (A2A)?

Agent2Agent (A2A) adalah protokol terbuka yang memungkinkan interoperabilitas antara agen yang tidak tembus pandang (black-box). Protokol ini memungkinkan agen AI untuk:

• Menemukan satu sama lain
• Bertukar tugas terstruktur
• Melakukan streaming respons
• Menangani percakapan multi-giliran
• Beroperasi lintas modalitas seperti teks, gambar, video, dan data.

Mari saya coba jelaskan gagasan utama A2A dengan menelusuri diagram di bawah ini:

Pada gambar, terdapat dua agen: Google Agent (berwarna biru) dan agen lain (berwarna hijau), kemungkinan dari layanan pihak ketiga. Keduanya mencoba memproses dua jenis dokumen atau tugas. Agen hijau berhasil pada keduanya, ditandai dengan tanda centang hijau, sementara Google Agent berhasil pada satu dan gagal pada yang lain.

Perbedaan ini menyoroti perlunya negosiasi dan berbagi informasi, komponen utama dari protokol A2A.

Prinsip desain Agent2Agent

A2A dirancang berdasarkan lima prinsip inti untuk menyelesaikan tugas bagi pengguna akhir tanpa berbagi memori, pemikiran, atau alat. Lima prinsip tersebut meliputi:

• Manfaatkan kapabilitas agenik: Agen berkolaborasi tanpa berbagi memori, alat, atau rencana eksekusi.
• Dibangun di atas standar terbuka: A2A menggunakan HTTP, JSON-RPC, dan SSE untuk memastikan interoperabilitas yang mudah dengan tumpukan teknologi yang ada.
• Aman secara default: Mengikuti skema autentikasi OpenAPI dan menyediakan keamanan tingkat perusahaan.
• Mendukung tugas jangka panjang: A2A dirancang untuk menangani tugas latar belakang, persetujuan human-in-the-loop, dan pembaruan streaming.
• Agnostik modalitas: Menangani gambar, audio, PDF, HTML, JSON, dan format terstruktur/tidak terstruktur lainnya.

Prinsip-prinsip desain ini menjadikan A2A sebagai tulang punggung ekosistem multi-agen yang dapat diskalakan dan siap untuk perusahaan.

Bagaimana Cara Kerja A2A?

Pada bagian ini, kita akan menyelami seluk-beluk protokol Agent2Agent dan memahami arsitektur serta siklus hidup komunikasi agen. Kita akan mengeksplor aktor utama yang terlibat, lapisan transport dan autentikasi, serta penemuan melalui Agent Card.

Aktor dan protokol

Protokol A2A mendefinisikan tiga aktor inti:

• Pengguna: Pengguna akhir yang memulai sebuah tugas.
• Client agent: Pihak peminta yang merumuskan dan mengirim tugas atas nama pengguna.
• Remote agent: Agen penerima yang menjalankan tugas dan mengirimkan hasil kembali.

Kembali ke contoh diagram di atas, agen biru adalah client agent, dan agen hijau adalah remote agent.

Agent card dan penemuan

Agen menerbitkan metadata dan kapabilitasnya melalui dokumen JSON standar yang disebut Agent Card, biasanya dihosting di /.well-known/agent.json. Kartu ini memuat:

• Nama, versi, dan URL hosting
• Deskripsi dan penyedia layanan
• Modalitas input/output dan jenis konten yang didukung
• Metode autentikasi 
• Daftar keterampilan agen beserta tag dan contohnya

Penemuan dapat ditangani melalui DNS, registri, marketplace, atau katalog privat.

Objek komunikasi inti

Inti komunikasi A2A adalah Task, yakni objek terstruktur yang merepresentasikan unit kerja atomik. Task memiliki status siklus hidup seperti submitted, working, input-required, atau completed.

Setiap Task mencakup:

• Messages: Digunakan untuk pertukaran percakapan antara Client dan remote agent
• Artifacts: Untuk hasil tetap (immutable) yang dibuat oleh remote agent.
• Parts: Blok data mandiri dalam messages atau artifacts seperti teks biasa, blob file, atau JSON.

Contoh Alur Kerja A2A

Mari pahami cara kerja A2A melalui contoh alur kerja berikut:

1. Pengguna memulai tugas: Pengguna mengirim permintaan ke Client Agent, misalnya, “Jadwalkan penggantian laptop.”
2. Client Agent menemukan Remote Agent: Client agent mencari agen lain yang mampu menggunakan Agent Card yang dihosting pada URL publik atau privat. Berkas JSON ini mencakup keterampilan, modalitas yang didukung, autentikasi, dan URL layanan.
3. Client Agent mengirim sebuah Task: Client agent mengirim permintaan task/send ke Remote Agent yang dipilih, menggunakan JSON-RPC 2.0 melalui HTTP. Payload berisi:
• ID Task
• ID Sesi (opsional)
• Sebuah Message dengan satu atau lebih Part (mis., teks, file, JSON)
4. Remote Agent merespons: Remote agent memproses tugas dan merespons dengan:
• Hasil langsung (via artifact)
• Pesan perantara (via message)
• Atau meminta info tambahan (mengatur status menjadi input-required)
5. Streaming dan pembaruan push (jika asinkron): Jika tugasnya berdurasi panjang, remote agent dapat melakukan streaming hasil parsial kembali menggunakan Server-Sent Events (SSE). Jika klien terputus, notifikasi push dapat dikirim ke webhook aman yang disediakan klien.
6. Transisi status task: Task berpindah melalui status: submitted → working → input-required → completed. Kapan pun, agen dapat mengirim pembaruan atau artifact baru untuk klien.
7. Artifacts dan messages: Sementara Messages digunakan untuk komunikasi atau klarifikasi (mis., “Harap unggah tanda terima Anda.”), Artifacts digunakan untuk menampilkan keluaran final seperti PDF laporan, ringkasan analisis, daftar JSON, dan sebagainya.
8. Client Agent melanjutkan atau menyelesaikan tugas: Jika dibutuhkan input, client agent mengumpulkannya dari pengguna dan mengirim task/send lanjutan. Setelah tugas selesai, klien dapat mengambil semua artifact menggunakan task/get.

Contoh A2A: Penyelesaian Tiket Helpdesk TI

Bayangkan sebuah sistem help desk TI perusahaan yang menggunakan agen AI untuk mengelola dan menyelesaikan tiket dukungan secara otonom. Dalam pengaturan ini, agen pengguna menerima permintaan seperti:

“My laptop isn’t turning on after the last software update.”Didukung oleh

Agen pengguna kemudian mengorkestrasi alur penyelesaian dengan berkolaborasi bersama beberapa remote agent melalui A2A.

Berikut cara agen berinteraksi melalui A2A pada skenario di atas:

• Client Agent mengirim tugas ke Hardware Diagnostic Agent untuk meminta pemeriksaan perangkat.
• Jika perangkat keras baik-baik saja, tugas ditingkatkan ke Software Rollback Agent, yang mengevaluasi pembaruan terbaru.
• Jika rollback gagal, Device Replacement Agent diikutsertakan untuk memulai penggantian perangkat keras.

Setiap agen beroperasi secara independen, mengekspos Agent Card dengan kapabilitasnya, dan berkomunikasi secara asinkron melalui Task terstruktur. Para agen dapat:

• Melakukan streaming log atau diagnostik sebagai artifact
• Menjeda alur jika diperlukan input pengguna
• Mengirim pembaruan push saat mereka menyelesaikan bagiannya

Ini adalah kasus penggunaan A2A murni, karena:

• Tidak ada alat terstruktur seperti API atau mesin OCR yang terlibat
• Seluruh koordinasi terjadi di antara agen buram yang berkolaborasi
• Agen bertindak sebagai rekan sejawat dengan logika pengambilan keputusan masing-masing dan penanganan modalitas native

A2A vs MCP: Kapan Menggunakan yang Mana?

A2A dan MCP menyelesaikan tantangan yang berbeda namun saling melengkapi dalam sistem agenik. Sementara A2A berfokus pada memungkinkan agen berkolaborasi sebagai rekan otonom, model context protocol (MCP) ditujukan untuk menghubungkan agen dengan alat terstruktur dan sumber daya eksternal.

Mengapa kita memerlukan A2A dan MCP?

Protokol menciptakan standar untuk interoperabilitas. Dalam dunia agenik, dua jenis interoperabilitas sangat penting:

• Interoperabilitas alat (MCP): Agen memanggil fungsi, API, atau alat terstruktur.
• Interoperabilitas agen (A2A): Agen berkolaborasi dalam bahasa alami atau modalitas campuran.

Contoh: Alur kerja persetujuan pinjaman

Bayangkan sistem multi-agen yang mengotomatiskan persetujuan pinjaman untuk sebuah lembaga keuangan.

Berikut cara A2A dan MCP bekerja bersama dalam skenario ini:

Langkah 1: Prapemrosesan aplikasi melalui alat dan API (MCP)

Agen LoanProcessor menerima aplikasi pinjaman dari pengguna. Ia menggunakan MCP untuk:

• Memanggil API skor kredit
• Lalu, mengambil riwayat transaksi bank dari sumber data yang aman
• Terakhir, memvalidasi dokumen yang diunggah menggunakan OCR

Langkah 2: Koordinasi multi-agen untuk pengambilan keputusan akhir (A2A)

Berdasarkan data terstruktur dari langkah 1, agen menggunakan A2A untuk:

• Berkolaborasi dengan RiskAssessmentAgent untuk mengevaluasi risiko peminjam

• Kemudian berkonsultasi dengan ComplianceAgent untuk memastikan pinjaman memenuhi persyaratan hukum dan regulasi

• Jika disetujui, tugas diserahkan ke DisbursementAgent untuk menjadwalkan transfer dana.

Kesimpulan

Agent2Agent (A2A) adalah mata rantai yang hilang dalam sistem multi-agen skala besar. Dengan batasan agen yang jelas, komunikasi berbasis tugas terstruktur, serta dukungan bawaan untuk streaming dan push, A2A memungkinkan ekosistem agen yang modular, dapat ditemukan, dan skalabel.

A2A dirancang untuk kebutuhan dunia nyata perusahaan dan bersifat aman, asinkron, fleksibel terhadap modalitas, serta agnostik vendor. Baik Anda menggunakan Google's ADK, LangGraph, CrewAI, atau kerangka kerja Anda sendiri, A2A membantu agen Anda berkomunikasi dengan agen lain.

Untuk mempelajari lebih lanjut tentang agen AI, saya merekomendasikan blog berikut:

• CrewAI: Panduan dengan Contoh Sistem Multi Agen AI
• Agentic AI: Cara Kerja, Manfaat, Perbandingan dengan AI Tradisional