Настройка A2A-протокола: интеграция AI-агентов без боли

Корпорация с пятью подразделениями, каждое использует свой AI-агент на разных фреймворках. Финансовый агент на Python/LlamaIndex, юридический на Node.js/LangChain, логистический на Java/Semantic Kernel. Запустить единый портал для делегирования задач между ними — без A2A это превращается в поддержку N*M интеграций. Мы столкнулись с этой задачей на одном из проектов и выбрали новый протокол A2A от Google. В этой статье разберём, как мы настраивали A2A-сервер и клиент, и почему это решение сработало.

Главное преимущество A2A — стандартный Agent Card, который описывает возможности агента в JSON. Это как OpenAPI, но для агентов. За счёт этого обнаружение и делегирование задач становятся тривиальными. Мы настроили A2A под ключ за 2 дня, и готовы поделиться опытом. Если у вас похожая задача — пишите, оценим ваш проект бесплатно.

Какие проблемы решает A2A?

Основная боль — разнородность агентов. Каждая команда выбирает свой стек, и интеграция через кастомные API требует синхронизации контрактов, документации и обработки ошибок. A2A стандартизирует этот процесс:

• Agent Card — единое описание возможностей (как OpenAPI).
• Единый транспорт — JSON-RPC 2.0, не зависящий от языка.
• Стриминг и пуш-уведомления — для длительных задач.

Без A2A интеграция нового агента в экосистему занимает недели, с A2A — 1 день. По нашим данным, A2A ускоряет интеграцию в 3 раза по сравнению с кастомными REST API. На нашей практике затраты на разработку снизились на 60–70%, а инвестиции окупаются за 2–3 месяца.

Как A2A отличается от MCP?

MCP (Model Context Protocol) — протокол доступа к инструментам, а A2A — протокол общения между агентами. Они дополняют друг друга: MCP предоставляет контекст, A2A обеспечивает координацию. В одном проекте можно использовать оба.

Какие ключевые концепции A2A нужно знать?

Agent Card — JSON-документ с возможностями агента, публикуемый на /.well-known/agent.json. Task — единица работы со статусами (submitted, working, completed, failed). Artifact — результат задачи (текст, файл, JSON). Push Notifications — уведомления об изменении статуса через webhook.

Как настроить A2A-сервер?

1. Опишите Agent Card — JSON с именем, описанием, версией, навыками.
2. Реализуйте обработчики задач — для каждого навыка напишите функцию, принимающую Task и возвращающую Task с артефактами.
3. Подключите стриминг — если агент поддерживает частичные результаты.
4. Запустите сервер — используйте FastAPI с A2ARouter.

Пример Agent Card

// GET /.well-known/agent.json
{
  "name": "Financial Analysis Agent",
  "description": "Агент финансового анализа корпоративных данных",
  "url": "https://fin-agent.company.com",
  "version": "1.0.0",
  "capabilities": {
    "streaming": true,
    "pushNotifications": true,
    "stateTransitionHistory": true
  },
  "authentication": {
    "schemes": ["Bearer"]
  },
  "skills": [
    {
      "id": "financial_analysis",
      "name": "Financial Analysis",
      "description": "Анализ финансовых данных, P&L, расчёт KPI",
      "inputModes": ["text"],
      "outputModes": ["text", "application/json"],
      "examples": [
        "Проанализируй выручку за Q1 текущего vs Q1 предыдущего",
        "Рассчитай EBITDA по подразделениям"
      ]
    },
    {
      "id": "forecast",
      "name": "Revenue Forecast",
      "description": "Прогнозирование выручки на основе исторических данных",
      "inputModes": ["text", "application/json"],
      "outputModes": ["text", "application/json"]
    }
  ]
}

A2A-сервер на Python

# pip install a2a-sdk
from a2a.server.fastapi import A2AServer, A2ARouter
from a2a.types import AgentCard, AgentSkill, Task, TaskStatus, Artifact, TextArtifact
from fastapi import FastAPI
import uuid

# Agent Card
agent_card = AgentCard(
    name="Financial Analysis Agent",
    description="Агент финансового анализа",
    url="https://fin-agent.company.com",
    version="1.0.0",
    skills=[
        AgentSkill(
            id="financial_analysis",
            name="Financial Analysis",
            description="Анализ P&L, расчёт KPI, выявление аномалий",
        )
    ],
)

app = FastAPI()
a2a_router = A2ARouter(agent_card=agent_card)

@a2a_router.on_task("financial_analysis")
async def handle_financial_task(task: Task) -> Task:
    """Обработчик задач финансового анализа"""
    user_input = task.input.message.parts[0].text
    result = await financial_agent.analyze(user_input)
    task.artifacts = [
        TextArtifact(
            name="analysis_result",
            parts=[{"type": "text", "text": result}],
        )
    ]
    task.status = TaskStatus(state="completed")
    return task

@a2a_router.on_task("financial_analysis", streaming=True)
async def handle_streaming_task(task: Task):
    """Стриминговый обработчик"""
    user_input = task.input.message.parts[0].text
    async for chunk in financial_agent.stream_analyze(user_input):
        yield TaskStatus(state="working"), TextArtifact(
            name="partial_result",
            parts=[{"type": "text", "text": chunk}],
        )

app.include_router(a2a_router)

A2A-клиент: делегирование задач

from a2a.client import A2AClient

# Обнаружение агента
client = await A2AClient.from_url("https://fin-agent.company.com")
agent_card = client.agent_card

print(f"Агент: {agent_card.name}")
print(f"Навыки: {[s.name for s in agent_card.skills]}")

# Отправка задачи
task = await client.send_task(
    skill_id="financial_analysis",
    message="Проанализируй отклонение выручки от плана за март текущего года",
)

# Ожидание результата
completed_task = await client.wait_for_completion(task.id)
print(completed_task.artifacts[0].parts[0]["text"])

# Стриминг
async for status, artifact in client.stream_task(
    skill_id="financial_analysis",
    message="Создай прогноз выручки на Q2 текущего года",
):
    if artifact:
        print(artifact.parts[0]["text"], end="", flush=True)

Интеграция A2A с LangGraph

from langgraph.graph import StateGraph, END
from a2a.client import A2AClient
from typing import Optional, TypedDict

class OrchestratorState(TypedDict):
    task: str
    financial_result: Optional[str]
    legal_result: Optional[str]
    final_report: Optional[str]

# Нода, делегирующая задачу внешнему A2A-агенту
async def delegate_to_financial_agent(state: OrchestratorState):
    client = await A2AClient.from_url("https://fin-agent.company.com")
    task = await client.send_task(
        skill_id="financial_analysis",
        message=state["task"],
    )
    completed = await client.wait_for_completion(task.id, timeout=120)
    return {"financial_result": completed.artifacts[0].parts[0]["text"]}

async def delegate_to_legal_agent(state: OrchestratorState):
    client = await A2AClient.from_url("https://legal-agent.legalteam.com")
    task = await client.send_task(
        skill_id="contract_review",
        message=state["task"],
    )
    completed = await client.wait_for_completion(task.id, timeout=180)
    return {"legal_result": completed.artifacts[0].parts[0]["text"]}

# Оркестратор объединяет результаты от двух внешних агентов
graph = StateGraph(OrchestratorState)
graph.add_node("financial", delegate_to_financial_agent)
graph.add_node("legal", delegate_to_legal_agent)
graph.add_node("synthesize", synthesize_results)
# ...

Практический кейс: корпоративный маркетплейс агентов

Из нашей практики: холдинг с несколькими подразделениями, каждое разработало специализированных агентов (финансы, юристы, HR, логистика) на разных фреймворках. A2A стал интеграционным слоем: оркестратор корпоративного портала делегирует задачи агентам через стандартный протокол, не зная о внутренней реализации. Схема:

• Portal Agent (LangGraph) → Financial Agent (Python/LlamaIndex) через A2A
• Portal Agent → Legal Agent (Node.js/LangChain) через A2A
• Portal Agent → HR Agent (Java/Semantic Kernel) через A2A

Результаты:

• Интеграция нового агента в экосистему: 1 день (публикация Agent Card + реализация A2A endpoint)
• Смена внутренней реализации агента прозрачна для оркестратора
• Каждая команда владеет своим агентом, межкомандное сотрудничество упрощено
• Экономия времени при интеграции нового агента составляет до 70% по сравнению с кастомным API

Спецификация A2A описывает эти принципы. Наш опыт — 50+ AI-проектов, 5 лет на рынке. Мы гарантируем, что интеграция пройдёт без сбоев. Чтобы обсудить ваш проект, напишите нам — мы проведём бесплатный аудит ваших агентов и предложим оптимальное решение.

Что входит в настройку A2A?

1. Аудит текущих агентов и описание Agent Card
2. Разработка A2A-сервера с FastAPI
3. Настройка A2A-клиента в оркестраторе
4. Тестирование сценариев делегирования
5. Документация и обучение команды
6. Поддержка после внедрения

Сроки

• Настройка A2A-сервера с агентом: 2–3 дня
• A2A-клиент в оркестраторе: 1–2 дня
• Полноценный маркетплейс с несколькими агентами: 2–3 недели

Свяжитесь с нами для консультации — поможем выбрать оптимальный протокол и настроить межагентное взаимодействие под ваш стек. Закажите настройку A2A: напишите нам, и мы подготовим предложение для вашего проекта.

Практический разбор LLM: fine-tuning, RAG, агенты, деплой

Модель GPT‑4 или Claude 3.5 Sonnet через публичное API — не решение, а просто инструмент. Когда приходит требование «сделать как ChatGPT, но на наших данных», за ним стоит реальная инженерная задача: от настройки промптов до обучения 70B‑модели на собственной инфраструктуре. Разработка решений на базе LLM под ключ — это сложный стек, и мы занимаемся этим более 5 лет. За это время реализовано свыше 20 проектов в области генеративного AI: от RAG‑систем для юридических департаментов до кастомных агентов для техподдержки. Где именно находится ваша задача — зависит от данных, latency‑требований, бюджета и того, насколько критична конфиденциальность.

Типичная ситуация: клиент уже попробовал ChatGPT, но результаты нестабильны — то отвечает точно, то галлюцинирует. Либо нужна интеграция в корпоративный портал с соблюдением политик безопасности. Разберём каждый слой стека в деталях — от RAG до production‑деплоя.

Почему RAG‑системы ломаются и как это исправить?

RAG (Retrieval‑Augmented Generation) выглядит просто: нашли релевантные документы, положили в контекст, модель ответила. На практике сбоит в нескольких местах.

Chunking без перекрытия. Классическая ошибка: chunk_size=512, overlap=0. Если ответ лежит на границе двух чанков, retrieval не найдёт ни одного с достаточной уверенностью. Решение: overlap 15–25% от chunk_size, а лучше sentence‑aware splitting через spaCy или NLTK, а не наивное разбиение по символам.

Плохой embedder. Текст‑embedding‑ada‑002 — хорош для общего случая, но на юридических или медицинских текстах проигрывает специализированным моделям: E5‑large‑v2, BGE‑M3 или fine‑tuned sentence‑transformers на доменных данных. Разница в Recall@5 может составлять 15–25%.

Отсутствие re‑ranking. Векторный поиск оптимизирован по скорости, не по релевантности. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) после первичного retrieval поднимает точность топ‑3 при приемлемой задержке (+50–150 ms). Это часто важнее улучшения embedding‑модели.

Гибридный поиск. Только dense векторы плохо работают на точных запросах: имена, артикулы, коды. BM25 (sparse) хорошо находит точные совпадения, но не понимает семантику. Гибрид через RRF (Reciprocal Rank Fusion) — оптимальный компромисс. Qdrant, Weaviate и pgvector 0.7+ поддерживают гибридный поиск нативно.

Когда стоит fine‑tune, а не промпт‑инжиниринг?

Промпт‑инжиниринг решает ~70% задач адаптации LLM под домен. Оставшиеся 30% требуют дообучения. Три признака: модель игнорирует специфический формат вывода даже при детальном описании в промпте; задача требует глубокого знания специализированной лексики (медицина, право); нужно значительно снизить затраты на токены, заменив большую модель меньшей специализированной.

LoRA и QLoRA — стандарт для SFT. LoRA добавляет trainable low‑rank матрицы к attention‑слоям. Типичная конфигурация для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — обучаемых параметров ~0.8%, обучение на одной A100 40GB. QLoRA добавляет 4‑битную квантизацию (NF4) и позволяет fine‑tune 70B модель на двух A100 40GB, хотя скорость падает вдвое по сравнению с bf16.

DPO вместо RLHF. Direct Preference Optimization требует только пары (chosen, rejected), а не скалярные reward‑сигналы. DPOTrainer из библиотеки trl (Hugging Face) реализует это несколькими десятками строк.

Типичная ошибка. Датасет из 500 примеров, 5 эпох, validation loss 0.8 — кажется норм. Но на тесте модель деградировала на общих инструкциях. Причина: catastrophic forgetting. Решение — добавить 10–20% общих instruction‑following примеров (Alpaca, FLAN) в обучающую выборку, чтобы не разрушить исходные способности.

Как выбрать базовую модель: 8B или 70B?

Для большинства задач fine‑tuning 8B модели достаточно. 70B нужен, когда требуется глубокое рассуждение или baseline 8B не достигает нужного качества даже после дообучения. Стоимость инференса Llama‑3 8B через vLLM на A100 — около $0.001/1K токенов, что в 15 раз дешевле GPT‑4.

Что даёт PagedAttention в production?

vLLM — первый выбор для serving open‑source моделей. PagedAttention — ключевое техническое решение: KV‑cache управляется как virtual memory в ОС, без фрагментации. Это даёт throughput в 2–4 раза выше по сравнению с наивным HuggingFace Transformers inference. Документация vLLM подтверждает: continuous batching и PagedAttention — стандарт для высоконагруженных LLM‑сервисов.

Типичные числа на A100 80GB для Llama‑3 8B (bf16): 400–600 req/s, P50 latency 200–400ms, P99 latency 600–900ms при concurrency 64. Для 70B на двух A100 с tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизация AWQ или GPTQ снижает потребление памяти в 2 раза при потере качества в пределах 1–3%.

Мультиагентные системы

Агенты — LLM с доступом к инструментам: поиск, выполнение кода, запросы к API, работа с БД. Основные паттерны:

• ReAct (Reason + Act): модель рассуждает → выбирает инструмент → наблюдает результат → снова рассуждает. LangChain и LlamaIndex реализуют из коробки.
• Multi‑agent orchestration: несколько специализированных агентов с координатором сверху. Пример: coordinator → researcher (поиск + summarization) → coder (генерация и исполнение кода) → critic (проверка). Инструменты: AutoGen (Microsoft), CrewAI, кастомная реализация на LangGraph.

В продакшене агентные системы недетерминированы. Обязательные guardrails, лимиты шагов, логирование каждого шага, human‑in‑the‑loop для критических действий.

Как мы работаем: этапы, сроки, результат

Что входит в работу

Мы передаём:

• Техническую документацию (model card, конфиги, инструкции по развёртыванию)
• Доступ к инфраструктуре (репозиторий с кодом, обученные веса)
• 1 месяц поддержки после деплоя (консультации, правки по багам)
• Обучение команды заказчика (2–3 занятия по эксплуатации системы)

Сроки: базовый RAG‑прототип — 1–2 недели. Fine‑tuning с данными заказчика — 3–6 недель (с учётом подготовки данных). Production‑система с мониторингом и переобучением — 2–4 месяца. Стоимость рассчитывается индивидуально, зависит от объёма данных, сложности модели и требований к инфраструктуре.

Хотите оценить свой проект? Оставьте заявку — мы подготовим предварительное резюме за 1–2 рабочих дня. Или получите консультацию по выбору подхода: RAG, fine‑tuning или гибрид — расскажем, что подойдёт именно вам.