Налаштування A2A-протоколу: безболісна інтеграція AI-агентів

Корпорація з п'ятьма підрозділами, кожен використовує свій AI-агент на різних фреймворках. Фінансовий агент на Python/LlamaIndex, юридичний на Node.js/LangChain, логістичний на Java/Semantic Kernel. Запустити єдиний портал для делегування завдань між ними — без A2A це перетворюється на підтримку N*M інтеграцій. Ми зіткнулися з цим завданням на одному з проєктів і обрали новий протокол A2A від Google. У цій статті розберемо, як ми налаштовували A2A-сервер та клієнт, і чому це рішення спрацювало.

Головна перевага A2A — стандартний Agent Card, який описує можливості агента в JSON. Це як OpenAPI, але для агентів. Завдяки цьому виявлення та делегування завдань стають тривіальними. Ми налаштували A2A під ключ за 2 дні і готові поділитися досвідом. Якщо у вас схоже завдання — пишіть, оцінимо ваш проєкт безплатно.

Які проблеми вирішує A2A?

Основний біль — різнорідність агентів. Кожна команда обирає свій стек, а інтеграція через кастомні API вимагає синхронізації контрактів, документації та обробки помилок. A2A стандартизує цей процес:

• Agent Card — єдиний опис можливостей (як OpenAPI).
• Єдиний транспорт — JSON-RPC 2.0, не залежний від мови.
• Стрімінг і пуш-повідомлення — для тривалих завдань.

Без A2A інтеграція нового агента в екосистему займає тижні, з A2A — 1 день. За нашими даними, A2A прискорює інтеграцію в 3 рази порівняно з кастомними REST API. На нашій практиці витрати на розробку знизилися на 60–70%, а інвестиції окупаються за 2–3 місяці.

Як A2A відрізняється від MCP?

MCP (Model Context Protocol) — протокол доступу до інструментів, а A2A — протокол спілкування між агентами. Вони доповнюють один одного: MCP надає контекст, A2A забезпечує координацію. В одному проєкті можна використовувати обидва.

Які ключові концепції A2A потрібно знати?

Agent Card — JSON-документ з можливостями агента, що публікується на /.well-known/agent.json. Task — одиниця роботи зі статусами (submitted, working, completed, failed). Artifact — результат завдання (текст, файл, JSON). Push Notifications — сповіщення про зміну статусу через webhook.

Як налаштувати A2A-сервер?

1. Опишіть Agent Card — JSON з ім'ям, описом, версією, навичками.
2. Реалізуйте обробники завдань — для кожної навички напишіть функцію, що приймає Task і повертає Task з артефактами.
3. Підключіть стрімінг — якщо агент підтримує часткові результати.
4. Запустіть сервер — використовуйте FastAPI з A2ARouter.

Приклад Agent Card

// GET /.well-known/agent.json
{
  "name": "Financial Analysis Agent",
  "description": "Агент фінансового аналізу корпоративних даних",
  "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": "Аналіз фінансових даних, P&L, розрахунок KPI",
      "inputModes": ["text"],
      "outputModes": ["text", "application/json"],
      "examples": [
        "Проаналізуй виручку за Q1 поточного vs Q1 попереднього",
        "Розрахуй EBITDA за підрозділами"
      ]
    },
    {
      "id": "forecast",
      "name": "Revenue Forecast",
      "description": "Прогнозування виручки на основі історичних даних",
      "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 фінансового аналізу",
    url="https://fin-agent.company.com",
    version="1.0.0",
    skills=[
        AgentSkill(
            id="financial_analysis",
            name="Financial Analysis",
            description="Аналіз P&L, розрахунок KPI, виявлення аномалій",
        )
    ],
)

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

@a2a_router.on_task("financial_analysis")
async def handle_financial_task(task: Task) -> Task:
    """Обробник завдань фінансового аналізу"""
    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):
    """Стрімінговий обробник"""
    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-клієнт: делегування завдань

from a2a.client import A2AClient

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

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

# Відправка завдання
task = await client.send_task(
    skill_id="financial_analysis",
    message="Проаналізуй відхилення виручки від плану за березень поточного року",
)

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

# Стрімінг
async for status, artifact in client.stream_task(
    skill_id="financial_analysis",
    message="Створи прогноз виручки на Q2 поточного року",
):
    if artifact:
        print(artifact.parts[0]["text"], end="", flush=True)

Інтеграція A2A з 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, що делегує завдання зовнішньому 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 об'єднує результати від двох зовнішніх агентів
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)
# ...

Практичний кейс: корпоративний маркетплейс агентів

З нашої практики: холдинг з кількома підрозділами, кожен розробив спеціалізованих агентів (фінанси, юристи, HR, логістика) на різних фреймворках. A2A став інтеграційним шаром: оркестратор корпоративного порталу делегує завдання агентам через стандартний протокол, не знаючи про внутрішню реалізацію. 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

Результати:

• Інтеграція нового агента в екосистему: 1 день (публікація Agent Card + реалізація A2A endpoint)
• Зміна внутрішньої реалізації агента прозора для оркестратора
• Кожна команда володіє своїм агентом, міжкомандна співпраця спрощена
• Економія часу при інтеграції нового агента становить до 70% порівняно з кастомним API

Специфікація A2A описує ці принципи. Наш досвід — 50+ AI-проєктів, 5 років на ринку. Ми гарантуємо, що інтеграція пройде без збоїв. Щоб обговорити ваш проєкт, напишіть нам — ми проведемо безплатний аудит ваших агентів та запропонуємо оптимальне рішення.

Що входить у налаштування A2A?

1. Аудит поточних агентів та опис Agent Card
2. Розробка A2A-сервера з FastAPI
3. Налаштування A2A-клієнта в оркестраторі
4. Тестування сценаріїв делегування
5. Документація та навчання команди
6. Підтримка після впровадження

Строки

• Налаштування A2A-сервера з агентом: 2–3 дні
• A2A-клієнт в оркестраторі: 1–2 дні
• Повноцінний маркетплейс з кількома агентами: 2–3 тижні

Зв'яжіться з нами для консультації — допоможемо обрати оптимальний протокол та налаштувати міжагентну взаємодію під ваш стек. Замовте налаштування A2A: напишіть нам, і ми підготуємо пропозицію для вашого проєкту.

Практичний розбір LLM: fine-tuning, RAG, агенти, деплой

Модель GPT‑4 або Claude 3.5 Sonnet через публічне API — не рішення, а просто інструмент. Коли приходить вимога «зробити як ChatGPT, але на наших даних», за нею стоїть реальна інженерна задача: від налаштування промптів до навчання 70B‑моделі на власній інфраструктурі. LLM розробка під ключ — це складний стек, і ми займаємося цим понад 5 років. За цей час реалізовано понад 20 проєктів у галузі генеративного AI: від RAG‑систем для юридичних департаментів до кастомних агентів для техпідтримки. Де саме знаходиться ваша задача — залежить від даних, latency‑вимог, бюджету та того, наскільки критична конфіденційність.

Типова ситуація: клієнт уже спробував ChatGPT, але результати нестабільні — то відповідає точно, то галюцинує. Або потрібна інтеграція в корпоративний портал з дотриманням політик безпеки. Розберемо кожен шар стеку в деталях — від RAG до production‑деплою.

Чому RAG‑системи ламаються і як це виправити?

RAG (Retrieval‑Augmented Generation) виглядає просто: знайшли релевантні документи, поклали в контекст, модель відповіла. На практиці збоїть у кількох місцях.

Chunking без перекриття. Класична помилка: chunk_size=512, overlap=0. Якщо відповідь лежить на межі двох чанків, retrieval не знайде жодного з достатньою впевненістю. Рішення: overlap 15–25% від chunk_size, а краще sentence‑aware splitting через spaCy або NLTK, а не наївне розбиття за символами.

Поганий embedder. Текст‑embedding‑ada‑002 — хороший для загального випадку, але на юридичних або медичних текстах програє спеціалізованим моделям: E5‑large‑v2, BGE‑M3 або fine‑tuned sentence‑transformers на доменних даних. Різниця в Recall@5 може становити 15–25%.

Відсутність re‑ranking. Векторний пошук оптимізований за швидкістю, не за релевантністю. Cross‑encoder re‑ranker (ms‑marco‑MiniLM‑L‑6‑v2, bge‑reranker‑large) після первинного retrieval піднімає точність топ‑3 при прийнятній затримці (+50–150 ms). Це часто важливіше за покращення embedding‑моделі.

Гібридний пошук. Тільки dense вектори погано працюють на точних запитах: імена, артикули, коди. BM25 (sparse) добре знаходить точні збіги, але не розуміє семантику. Гібрид через RRF (Reciprocal Rank Fusion) — оптимальний компроміс. Qdrant, Weaviate та pgvector 0.7+ підтримують гібридний пошук нативно.

Коли варто fine‑tune, а не промпт‑інжиніринг?

Промпт‑інжиніринг вирішує ~70% завдань адаптації LLM під домен. Решта 30% вимагають донавчання. Три ознаки: модель ігнорує специфічний формат виведення навіть при детальному описі в промпті; задача вимагає глибокого знання спеціалізованої лексики (медицина, право); потрібно значно знизити витрати на токени, замінивши велику модель меншою спеціалізованою.

LoRA та QLoRA — стандарт для SFT. LoRA додає trainable low‑rank матриці до attention‑шарів. Типова конфігурація для Llama‑3 8B: r=64, lora_alpha=128, target_modules=["q_proj","v_proj","k_proj","o_proj"] — параметрів, що навчаються, ~0.8%, навчання на одній A100 40GB. QLoRA додає 4‑бітну квантизацію (NF4) і дозволяє fine‑tune 70B модель на двох A100 40GB, хоча швидкість падає вдвічі порівняно з bf16.

DPO замість RLHF. Direct Preference Optimization вимагає лише пари (chosen, rejected), а не скалярні reward‑сигнали. DPOTrainer з бібліотеки trl (Hugging Face) реалізує це кількома десятками рядків.

Типова помилка. Датасет з 500 прикладів, 5 епох, validation loss 0.8 — здається норм. Але на тесті модель деградувала на загальних інструкціях. Причина: catastrophic forgetting. Рішення — додати 10–20% загальних instruction‑following прикладів (Alpaca, FLAN) у навчальну вибірку, щоб не зруйнувати вихідні здібності.

Як обрати базову модель: 8B чи 70B?

Для більшості задач fine‑tuning 8B моделі достатньо. 70B потрібен, коли потрібне глибоке міркування або baseline 8B не досягає потрібної якості навіть після донавчання. Вартість інференсу Llama‑3 8B через vLLM на A100 значно нижча, ніж у GPT‑4, що робить його економічно вигідним.

Що дає PagedAttention в production?

vLLM — перший вибір для serving open‑source моделей. PagedAttention — ключове технічне рішення: KV‑cache керується як virtual memory в ОС, без фрагментації. Це дає throughput у 2–4 рази вище порівняно з наївним HuggingFace Transformers inference. Документація vLLM підтверджує: continuous batching та PagedAttention — стандарт для високонавантажених LLM‑сервісів.

Типові 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 двох A100 з tensor parallelism: 80–120 req/s, P99 latency 1.5–2.5s. Квантизація AWQ або GPTQ знижує споживання пам'яті в 2 рази при втраті якості в межах 1–3%.

Мультиагентні системи

Агенти — LLM з доступом до інструментів: пошук, виконання коду, запити до API, робота з БД. Основні патерни:

• ReAct (Reason + Act): модель розмірковує → обирає інструмент → спостерігає результат → знову розмірковує. LangChain та LlamaIndex реалізують з коробки.
• Multi‑agent orchestration: кілька спеціалізованих агентів з координатором зверху. Приклад: coordinator → researcher (пошук + summarization) → coder (генерація та виконання коду) → critic (перевірка). Інструменти: AutoGen (Microsoft), CrewAI, кастомна реалізація на LangGraph.

В продакшені агентні системи недетерміновані. Обов'язкові guardrails, ліміти кроків, логування кожного кроку, human‑in‑the‑loop для критичних дій.

Як ми гарантуємо якість LLM рішення?

Ми використовуємо RAGAS для автоматичної оцінки відповідей: faithfulness, answer relevancy, context precision. Система трекінгу експериментів на базі MLflow фіксує всі метрики, датасети та конфіги. Це дозволяє порівнювати різні гіпотези та доводити покращення з цифрами. Гарантію стабільної роботи забезпечує continuous integration з тестами на специфічних сценаріях (prompt injection, edge‑cases).

Як почати LLM розробку: наступні кроки

Ми передаємо:

• Технічну документацію (model card, конфіги, інструкції з розгортання)
• Доступ до інфраструктури (репозиторій з кодом, навчені ваги)
• 1 місяць підтримки після деплою (консультації, виправлення багів)
• Навчання команди замовника (2–3 заняття з експлуатації системи)

Терміни: базовий RAG‑прототип — 1–2 тижні. Fine‑tuning з даними замовника — 3–6 тижнів (з урахуванням підготовки даних). Production‑система з моніторингом та перенавчанням — 2–4 місяці.

Вартість розраховується індивідуально і залежить від обсягу даних, складності моделі та вимог до інфраструктури. Хочете оцінити свій проєкт? Зв'яжіться з нами — ми підготуємо попереднє резюме за 1–2 робочі дні. Або замовте консультацію фахівця з вибору підходу: RAG, fine‑tuning або гібрид — розповімо, що підійде саме вам.