KI-Agenten automatisieren und verbessern immer mehr komplexe Arbeitsabläufe, und parallel dazu entstehen wichtige Standards für die Interoperabilität. Googles Agent2Agent-Protokoll (A2A) und Anthropics Model Context Protocol (MCP) sind zwei prominente Initiativen, die einander ergänzen, aber auf unterschiedliche Aspekte der KI-Integration zielen. Hier sehen wir uns beide genauer an: ihr Design, den Verlauf ihrer Verbreitung und die strategischen Folgen.
Technische Architekturen
Agent2Agent (A2A): Googles Agent2Agent-Protokoll (A2A) ist ein offener Standard auf Anwendungsebene für die Kommunikation und Zusammenarbeit mehrerer Agenten. Damit können unabhängige KI-Agenten (egal von welchem Anbieter oder aus welchem Framework) auf standardisierte Weise miteinander kommunizieren, Aufgaben koordinieren und Kontext teilen. A2A definiert ein Modell aus Client-Agent und Remote-Agent: Der Client-Agent formuliert im Auftrag eines Nutzers Aufgaben, der Remote-Agent bearbeitet sie, indem er Informationen liefert oder Aktionen ausführt. Die Kommunikation dreht sich um Tasks, also Arbeitseinheiten mit definiertem Lebenszyklus und Ergebnissen („Artifacts“ genannt), und um den Austausch von Nachrichten. Jeder Agent macht seine Fähigkeiten über eine Agent Card (eine JSON-Datei mit Metadaten) bekannt. Fähigkeiten lassen sich so dynamisch ermitteln, und ein Client-Agent findet den am besten geeigneten Remote-Agenten für einen bestimmten Auftrag. Nachrichten zwischen Agenten transportieren Kontext, Ergebnisse oder Anweisungen. Sie bestehen aus Parts (zum Beispiel Text, Daten oder Dateiinhalten), womit auch reichhaltige multimodale Interaktionen möglich sind. Bemerkenswert ist, dass A2A auf vertrauten Webstandards aufbaut (HTTP, Server-Sent Events, JSON-RPC), was die Integration in bestehende Systeme leicht macht. Das Protokoll ist von Haus aus auf Sicherheit ausgelegt, mit Authentifizierung auf Enterprise-Niveau (angelehnt an die Auth-Schemata von OpenAPI), und es unterstützt lang laufende Prozesse mit Statusmeldungen in Echtzeit (Agenten können eine Aufgabe bei Bedarf stunden- oder tagelang „offen“ halten). A2A ist außerdem an keine bestimmte Modalität gebunden: Neben Text kann es auch Audio oder Video streamen. Agenten können so anhand der Benutzeroberfläche oder der Fähigkeiten ihres Gegenübers das beste Format für den Informationsaustausch aushandeln (ein Agent kann zum Beispiel bei Bedarf ein Diagramm oder ein Formular anfordern). Im Wesentlichen liefert A2A eine gemeinsame Sprache und ein gemeinsames Protokoll, mit dem heterogene Agenten zusammenarbeiten, ohne Speicher oder interne Tools direkt zu teilen: Sie reichen Nachrichten und Artifacts über eine sichere, standardisierte Schnittstelle weiter.
Model Context Protocol (MCP): Anthropics Model Context Protocol verfolgt einen anderen, aber ergänzenden Ansatz. MCP ist ein offener Standard, der KI-Modelle und Assistenten einheitlich mit externen Datenquellen und Tools verbindet. MCP, oft als „USB-C für KI-Anwendungen“ beschrieben, definiert eine Plug-and-Play-Schnittstelle, über die Sprachmodelle Kontext bekommen. Die Architektur folgt dem Client-Server-Prinzip: Eine KI-Anwendung (ein LLM-gestützter Assistent, ein Agent, eine IDE und so weiter) fungiert als MCP-Client und verbindet sich mit einem oder mehreren MCP-Servern. Jeder MCP-Server ist ein schlanker Connector, der eine bestimmte Datenquelle oder einen bestimmten Dienst (zum Beispiel eine Datenbank, ein Dateisystem, eine API) über den MCP-Standard zugänglich macht. Die Server bieten Tools oder Daten an, die das Modell nutzen kann, und der MCP-Client fragt sie auf standardisierte Weise ab. Ein KI-Agent kann so Informationen abrufen oder Aktionen auf externen Systemen sicher ausführen, ohne dass es für jedes Tool eigenen Integrationscode braucht. MCP-Interaktionen laufen in beide Richtungen und in Echtzeit: Ein Assistent kann (über den Server) ein Tool aufrufen und die Ergebnisse in seine Antworten einbauen, und die Server können die Authentifizierung übernehmen (zum Beispiel OAuth für entfernte APIs) und Zugriffsregeln durchsetzen. Zu den zentralen Konzepten von MCP gehören Tools (vom Modell aufgerufene Operationen, etwa die Suche in einer Wissensdatenbank oder das Schreiben in eine Datei), Resources (von der Anwendung bereitgestellte Daten, etwa bestimmte Dateien oder JSON-Payloads, die das Modell erhält) und Prompts (vordefinierte Prompt-Vorlagen oder Befehle). Weil MCP standardisiert, wie diese beschrieben und aufgerufen werden, können Tools dynamisch gefunden und genutzt werden: Ein KI-Agent erfährt zur Laufzeit, welche Tools verfügbar sind, und ruft sie bei Bedarf auf, statt für jedes einzelne vorab programmiert zu sein. Das Protokoll unterstützt lokale Connectors (die als Unterprozesse für lokale Daten laufen) und entfernte Connectors (Zugriff über HTTP und Server-Sent Events). MCP legt besonderen Wert auf Sicherheit und Flexibilität: Unternehmen können interne Daten über MCP-Server unter ihrer eigenen Kontrolle zugänglich machen (die Daten bleiben in der bestehenden Infrastruktur), und dem Modell stehen nur freigegebene Tools zur Verfügung. Zusammengefasst versorgt MCP KI-Agenten über eine einheitliche, offene Schnittstelle mit dem Kontext und den Fähigkeiten, die sie brauchen (aus Datenbanken, Dateien, APIs und so weiter), sodass eine einzige Standardintegration Dutzende maßgeschneiderter Plugins ersetzen kann.
Integration und Ergänzung: A2A und MCP setzen auf unterschiedlichen Ebenen des KI-Agenten-Stacks an. Bei A2A geht es um die Interaktion zwischen Agenten, bei MCP um die Integration von Agenten mit Systemen und Tools. Beide sind darauf ausgelegt, einander zu ergänzen. Google positioniert A2A sogar ausdrücklich als „ein offenes Protokoll, das Anthropics MCP ergänzt“. In der Praxis könnte ein Unternehmen A2A nutzen, um mehrere Agenten zu orchestrieren (womöglich mit unterschiedlichen Spezialgebieten oder von verschiedenen Anbietern), die gemeinsam an einer komplexen Aufgabe arbeiten, und MCP, damit diese Agenten bei Bedarf sicher auf externe Tools und Datenquellen zugreifen können. Beide Protokolle sind Open Source und an kein Framework gebunden, lassen sich also zusammen einsetzen: Ein mit A2A gebauter Agent in Google Cloud kann zum Beispiel über einen MCP-Connector Unternehmensdaten holen, um einen Teil einer Aufgabe zu erledigen. Das zeigt sich auch bei den Werkzeugen: Googles eigenes Agent Development Kit (ADK) unterstützt MCP für die Anbindung von Agenten an Daten und daneben A2A für die Zusammenarbeit von Agenten.
Trends bei der Verbreitung
Verbreitung von Agent2Agent (A2A): A2A ist sehr neu (gestartet im April 2025), hat aber von Anfang an viel Aufmerksamkeit in der Branche bekommen. Google stellte A2A mit der Unterstützung von über 50 Partnerunternehmen vor und veröffentlichte den Spezifikationsentwurf und Beispielimplementierungen sofort als Open Source. Diese breite Koalition zum Start deutet auf einen abgestimmten Vorstoß über Enterprise-Softwareplattformen hinweg hin. Weil A2A offen und an keine Programmiersprache gebunden ist, zeigten Entwickler schnell Interesse: Das öffentliche A2A-Repository sammelte innerhalb weniger Tage über 5.000 Stars auf GitHub, ein Zeichen für Begeisterung und Neugier in der Entwickler-Community. Googles eigenes Ökosystem integriert A2A bereits: A2A fließt zum Beispiel in die Plattform Vertex AI von Google Cloud und in das ADK zum Bau von Multi-Agenten-Systemen ein. Weil das Protokoll so neu ist, steckt die frühe Nutzung großteils noch in Proof-of-Concept- und Erkundungsphasen. Dass aber Framework-Anbieter für Agenten wie LangChain zu den Partnern zählen, spricht dafür, dass A2A bald in beliebten Bibliotheken für die Agentenentwicklung landen könnte, was mehr Entwickler erreichen würde. Enterprise-Softwarepartner (Salesforce, ServiceNow und andere) dürften A2A-Kompatibilität in ihre KI-Angebote einbauen, was die Nutzung in Unternehmensumgebungen rasch ausweiten würde. Kurz gesagt: Konkrete Deployments beginnen gerade erst, aber starker Rückhalt aus der Enterprise-Welt und das sofortige Interesse der Community stützen die Verbreitung von A2A. Hält der Schwung an, könnte es zur Standard-“Lingua franca“ für die Kommunikation zwischen Agenten werden.
Verbreitung des Model Context Protocol (MCP): Seit seiner Veröffentlichung (als Open Source Ende 2024) hat sich MCP bei Entwicklern und bei einigen vorausblickenden Unternehmen schnell verbreitet. Seine Open-Source-Repositories sind sehr aktiv: Das zentrale MCP-Server-Repository (mit den Referenz-Connectors) hat 34k+ Stars auf GitHub und Dutzende von der Community beigesteuerte Server, ein Zeichen für breites Engagement von Entwicklern in kurzer Zeit. Eine lebendige Community hat MCP-Integrationen für viele Systeme gebaut: Anfang 2025 gibt es Connectors für Google Drive, Slack, GitHub, Datenbanken wie Postgres, Websuch-APIs und mehr. Diese wachsende Bibliothek fertiger Integrationen bestätigt den Nutzen von MCP: Statt dass jede KI-App für jedes Tool eigenen Code schreibt, können Entwickler Connectors aus der Community über MCP wiederverwenden. Mehrere Produkte für Entwickler haben MCP übernommen. IDEs und Coding-Assistenten wie Cursor und Zed nutzen MCP, um KI-Copiloten mit Coding-Kontext in Echtzeit zu versorgen (Repositories, Tickets, Dokumentation). KI-Entwicklungsplattformen wie Replit und Sourcegraph arbeiten mit MCP, um ihre KI-Funktionen auszubauen, sodass während der Generierung passender Code oder passende Daten nahtlos abgerufen werden können. Auch einige Unternehmen haben begonnen, MCP einzusetzen: Das Fintech-Unternehmen Block (Square) und Apollo gehören zu den frühen Anwendern, die MCP in ihre Systeme integriert haben, um interne Daten mit KI-Assistenten zu verbinden. Der Schwung von MCP fiel auch den großen Technologiekonzernen auf: Microsoft arbeitete an einem C#-SDK für MCP mit (veröffentlicht im März 2025), damit .NET-Anwendungen MCP einfach nutzen können, und OpenAI ergänzte sein eigenes Agents SDK um die Unterstützung für MCP-Server, womit die Agenten von OpenAI mit dem Tool-Ökosystem von MCP zusammenarbeiten können. Diese anbieterübergreifende Übernahme (Anthropic, Google, Microsoft, OpenAI und andere) innerhalb weniger Monate nach dem Start zeigt, dass MCP zum De-facto-Standard für die Tool-Integration wird. Insgesamt geht die Verbreitung von MCP von den Entwicklern aus: Sie lief über Open-Source-Projekte, Entwickler-Blogs und Tutorials sowie die schnelle Integration in KI-Produkte, und das Ergebnis ist eine rasch wachsende Nutzerbasis, sowohl im Open-Source-Umfeld als auch im kommerziellen.
Partnerschaften und Unterstützung aus der Enterprise-Welt
Partner von Agent2Agent (A2A): Vom ersten Tag an steht hinter A2A eine beeindruckende Liste von Enterprise-Technologieanbietern und Systemintegratoren. Google gab Beiträge von „mehr als 50 Technologiepartnern“ bekannt, darunter Atlassian, Box, Cohere, Intuit, LangChain, MongoDB, PayPal, Salesforce, SAP, ServiceNow, UKG, Workday und viele andere. Diese Partner reichen von SaaS-Anbietern (Atlassian, Box, Workday) über KI- und Datenplattformen (Cohere für KI-Modelle, MongoDB für Datenbanken) und Finanztechnologie (PayPal, Intuit) bis zu den Riesen der Enterprise-Software (Salesforce, SAP). Ihre Beteiligung legt nahe, dass diese Unternehmen ihre eigenen Agenten oder Anwendungen A2A-kompatibel machen wollen. Ein CRM-Agent von Salesforce oder ein IT-Helpdesk-Agent von ServiceNow könnte zum Beispiel über A2A direkt mit anderen Agenten in der Umgebung eines Kunden kommunizieren. Neben den Softwareanbietern unterstützen auch führende Beratungs- und IT-Dienstleistungsfirmen A2A, etwa Accenture, BCG, Capgemini, Deloitte, KPMG, McKinsey, PwC, Tata Consultancy Services (TCS), Infosys, Wipro und andere. Das zeigt breites Vertrauen in A2A bei den Firmen, die in Unternehmen die Umsetzung übernehmen. Sie planen vermutlich, für ihre Kunden Lösungen mit A2A zu bauen (zum Beispiel, um in einem Großunternehmen Agenten über Oracle, SAP und Eigenentwicklungen hinweg zu integrieren). Solche öffentlichen Zusagen mehrerer Fortune-500-Unternehmen und Beratungen signalisieren, dass A2A als branchenweite Anstrengung für KI-Interoperabilität gilt. Viele dieser Partner haben sich unterstützend geäußert: Sie loben A2A dafür, dass es zwischen Unternehmensanwendungen „Silos aufbricht“ und skalierbare, plattformübergreifende KI-Workflows möglich macht. Diese Koalition verschafft A2A eine starke Position im Enterprise-Umfeld, und die Kunden dieser Partner finden A2A-Optionen womöglich bald in ihrer Software. Auffällig ist auch, dass Oracle und JetBrains unter den Partnerlogos auftauchen, obwohl sie im Text nicht genannt werden, was das Enterprise-Netz noch weiter spannt. Zusammengefasst sind die wichtigsten Partner von A2A vor allem Anbieter von Enterprise-Software und Integratoren, passend zur Strategie, sich über Enterprise-Kanäle und Standardisierungsgremien durchzusetzen (für die Verwaltung der Beiträge zum Protokoll gibt es sogar ein Governance-Gremium).
Unterstützer des Model Context Protocol (MCP): Die Partnerschaften von MCP sind informeller und stärker auf Entwickler ausgerichtet, aber mehrere Unternehmen sind als frühe Anwender oder Mitwirkende aufgetreten. Anthropics Ankündigung hob Block, Inc. (das Fintech-Unternehmen hinter Square) und Apollo als frühe Anwender hervor, die MCP integrieren, um ihre Datenspeicher mit KI-Assistenten zu verbinden. Bei Block sprach sich der CTO für den offenen Ansatz von MCP aus, um „KI mit realen Anwendungen zu verbinden“, und zwar transparent und gemeinschaftlich. Eine Reihe von Firmen, die Werkzeuge für Entwickler bauen, arbeitet mit MCP: Zed (Code-Editor), Replit (Online-Entwicklungsumgebung), Codeium (KI-Coding-Assistent) und Sourcegraph nutzen MCP, um die KI-Fähigkeiten ihrer Plattformen auszubauen. Eine IDE wie Zed kann über MCP zum Beispiel passende Code-Schnipsel, GitHub-Issues oder Dokumentation holen, auf die sich der KI-Assistent beziehen kann, was die Coding-Vorschläge verbessert. Diese Engagements zeigen, dass MCP bei Entwicklerwerkzeugen und im KI-Startup-Ökosystem Fuß fasst, wo Flexibilität und die Integration verschiedener Datenquellen an erster Stelle stehen. Auch die Unterstützung durch große Technologiekonzerne wächst: Microsoft ist keine offizielle „Partnerschaft“ im Sinne einer Pressemitteilung eingegangen, aber dass ein Microsoft-Team ein C#-SDK für MCP beigesteuert und auf NuGet veröffentlicht hat, kommt einer Empfehlung von MCP für .NET-Entwickler in Unternehmen gleich. Ähnlich ist es bei OpenAI: Dass das Agents SDK mit MCP kompatibel ist, bedeutet, dass OpenAI von seinen Nutzern erwartet, MCP-Connectors für die Tool-Nutzung einzusetzen, eine bemerkenswerte Anerkennung des Standards. MCP hat vielleicht kein formelles Konsortium wie A2A, aber ein von der Community getragenes Partnerschaftsmodell: Tausende Entwickler und Unternehmen tragen auf GitHub Connectors, SDKs und Anwendungsfälle bei. Anthropic arbeitet mit Partnern an weiteren fertigen MCP-Servern für verbreitete Unternehmenssysteme (veröffentlicht wurden Connectors für Google Drive, Slack, GitHub, GitLab, PostgreSQL und andere, oft in Zusammenarbeit mit den Entwicklern dieser Plattformen). Im Grunde zählt zu den „Enterprise-Partnern“ von MCP jede Organisation, die eine MCP-Integration baut oder nutzt. Bisher sind das eher vorausblickende Technologiefirmen (Fintech, Coding-Tools) als die etablierten Anbieter von Enterprise-Software. Die breite Übernahme (auch durch Konkurrenten im KI-Bereich) spricht aber für branchenweite Unterstützung. Selbst Google kann als Unterstützer gelten: Googles ADK unterstützt MCP ausdrücklich neben A2A, und die Dokumentation von Google Cloud empfiehlt MCP, um Agenten mit Daten zu verbinden. Diese ergänzende Haltung zeigt, dass die Offenheit von MCP zu Coopetition geführt hat: Mehrere KI-Anbieter einigen sich auf MCP als gemeinsamen Standard für Tools.
Rückmeldungen aus der Community
Begeisterung für offene Standards: Entwickler haben auf MCP und A2A insgesamt positiv reagiert, weil beide Schwachstellen im Arbeitsablauf mit KI-Agenten angehen. MCP ist schon etwas länger verfügbar und wird in Entwicklerkreisen oft als überfälliger Standard gelobt, der verhindert, dass für jede App die „Plugin“-Integration neu erfunden wird. Es wurde als „universeller Connector“ beschrieben, der die Fragmentierung verringert, weil jeder LLM-Agent über eine gemeinsame Schnittstelle auf Tools zugreifen kann. Der Vergleich „wie ein USB-C-Anschluss für KI“ wird häufig zitiert und kommt bei Entwicklern gut an, die einen einzigen, standardisierten Weg schätzen, um beliebige Datenquellen anzuschließen. Die Begeisterung sieht man auf GitHub: Viele Entwickler begannen, MCP-Server (Connectors) für alles Mögliche zu bauen, von der Websuche bis zu Datenbanken, und so entstand in kurzer Zeit ein reiches Ökosystem. Entwickler schätzen außerdem, dass MCP an kein Modell gebunden ist und von der Community getragen wird. In sozialen Medien und Blogs gilt MCP als „hackerfreundlich“: Es kam aus der KI-Community (vorangetrieben von Anthropic und Open-Source-Mitwirkenden) und entwickelte sich schnell mit häufigen Updates weiter, was unabhängige Entwickler anspricht. Viele beeindruckte zum Beispiel, wie schnell innerhalb weniger Monate SDKs für Python, TypeScript, Java, Kotlin und C# erschienen, denn das zeigt eine reaktionsschnelle Community, die in mehreren Programmiersprachen arbeitet. Das hohe Tempo heißt auch, dass Entwickler sofort experimentieren und beitragen können, was ein Gefühl gemeinsamer Verantwortung gefördert hat.
Auch A2A wurde von Entwicklern großteils positiv aufgenommen, besonders von denen, die an Multi-Agenten-Systemen arbeiten. Viele nannten A2A schnell die fehlende „Interoperabilitätssprache“ für Agenten. Dass es Open Source ist und nicht am Framework eines einzelnen Anbieters hängt, gibt Entwicklern die Sicherheit, es ohne Lock-in übernehmen zu können. Maintainer von Agenten-Frameworks (etwa aus der LangChain-Community) zeigten Interesse an einer A2A-Unterstützung, damit in diesen Frameworks gebaute Agenten mit anderen Agenten sprechen können. In Foren haben manche A2A und MCP als „Cousins“ bezeichnet (MCP für Tools, A2A für die Kommunikation zwischen Agenten), und sie freuen sich darauf, beide gemeinsam für komplexere Agenten-Ökosysteme einzusetzen. Der Start von A2A löste auf Plattformen wie Hacker News und Reddit ausführliche Diskussionen aus. Viele Entwickler reizt die Idee, dass Agenten über die Konstrukte von A2A Aufgaben und UI-Formate aushandeln (die „Agent Card“ und die Nachrichtenteile wurden als neuartige Funktionen für dynamisches Auffinden und reichhaltige Interaktion hervorgehoben).
Skepsis und Vorbehalte: Bei aller Begeisterung haben Entwickler auch einige Bedenken vorgebracht. Eine häufige Sorge gilt der Vielzahl an Standards: Mit MCP, A2A und anderen (etwa dem von Cisco angeführten AGNTCY), die alle etwa zur gleichen Zeit auftauchen, befürchten manche Entwickler einen „Standardkrieg“ oder Fragmentierung statt Annäherung. Mit einem gewissen humorvollen Zynismus werden diese Agenten-Protokolle mit früheren Integrationsansätzen in Unternehmen verglichen. Auf Hacker News verglichen manche A2A zum Beispiel mit dem „Wiederentdecken von SOA und WSDL, nur für LLMs“. Die Warnung dahinter: Große Interoperabilitäts-Frameworks hatten wir schon einmal (bei Webservices), und sie wurden übermäßig komplex. Andere hielten dagegen, dass moderne KI-Agenten dynamisches Auffinden auf eine Weise nutzen können, die früherer Software nicht möglich war, und dass ein offenes Protokoll deshalb dort Erfolg haben könnte, wo ältere Ansätze gescheitert sind. Ein weiteres Diskussionsthema sind Sicherheit und Vertrauen. Entwickler erkennen an, dass MCP und A2A vielversprechend sind, aber gerade Entwickler in Unternehmen haben gefragt: Wie stellen wir sicher, dass ein abtrünniger Agent oder ein abtrünniges Tool diese mächtigen Interoperabilitätskanäle nicht missbraucht? Der Bedarf an solider Authentifizierung, Auditing und Rechtevergabe wurde oft genannt. Dass Google bei A2A so stark auf Sicherheit und Governance pocht, ist wohl eine Antwort auf diese Bedenken. Manche Open-Source-Entwickler waren anfangs skeptisch wegen der starken Beteiligung großer Unternehmen an A2A (ein HN-Kommentator scherzte, die lange Liste großer Konzernberatungen lasse es aus Sicht eines reinen Programmierers „schlimmer wirken“). Hier zeigt sich ein kultureller Unterschied: Die Erzählung von MCP (Graswurzel, Open-Source-Stimmung) kommt bei unabhängigen Entwicklern sehr gut an, während der Rückhalt für A2A durch Enterprise-Firmen bei Unternehmensanwendern Glaubwürdigkeit schafft, bei unabhängigen Entwicklern aber leises Misstrauen weckt. Trotzdem sehen viele Entwickler, dass beide Protokolle nötig sind. In der Community überwiegt die Ansicht, dass Standardisierung (auch über mehrere einander ergänzende Standards) besser ist als Ad-hoc-Lösungen und dass MCP und A2A beide wichtige Lücken schließen. Entwickler experimentieren bereits mit der Kombination und berichten, dass der Einsatz von MCP-Connectors in A2A-Aufgabenabläufen machbar und leistungsfähig ist (ein Agent kann zum Beispiel mitten im Gespräch mit einem anderen Agenten ein MCP-Tool aufrufen). Dieses praktische Ausprobieren durch die Community wird letztlich die Best Practices bestimmen. Zusammengefasst sehen Entwickler in MCP ein spannendes, sich schnell entwickelndes Toolset, mit dem man sofort spielen kann, und in A2A einen willkommenen Versuch, Ordnung und Interoperabilität in den wachsenden Zoo der Agenten zu bringen, verbunden mit vorsichtigem Optimismus, dass diese Standards ohne übermäßige Komplexität reifen.
Strategische Perspektiven und die Stimmung unter Entwicklern
In der KI-Community haben Meinungsführer und Analysten über die Motive und Strategien hinter diesen Protokollen debattiert. Einen besonders aufschlussreichen Kommentar lieferte Sam Charrington (Moderator des TWIML-AI-Podcasts), der kurz nach dem Erscheinen von A2A eine vielfach geteilte Analyse auf LinkedIn veröffentlichte. Seine These: „A2A ist politisch und nicht technologisch motiviert.“ Das heißt, es entstand weniger wegen fehlender Technologie (denn MCP gibt es ja) als aus strategischen Überlegungen. Charrington wies darauf hin, dass viele große Enterprise-Softwarefirmen, die an A2A beteiligt sind (etwa Salesforce, SAP, Oracle, Workday), „niemandes ‘Tool’ sein wollen“ in einem von MCP dominierten Ökosystem. Anders gesagt: Würden alle nur MCP verwenden, könnte ein KI-Orchestrator (vielleicht Anthropics Claude oder die Systeme von OpenAI) direkt auf die Daten und Workflows dieser Firmen als Tools zugreifen, was ihre Kontrolle oder ihre Differenzierung schmälern könnte. Mit ihrer Unterstützung für A2A sichern sich diese Firmen ein Paradigma, in dem jede ihren eigenen Agenten hat, der auf Augenhöhe mitarbeitet, statt bloß ein Backend-Plugin zu sein. Aus dieser Sicht ist A2A ein Verteidigungszug der Enterprise-Welt: eine Möglichkeit, Handlungsspielraum und Kontrolle im KI-Zeitalter in den Händen der etablierten Plattformanbieter zu halten. Charrington räumt ein, dass „MCP unter einzelnen Entwicklern starken Schwung hat“ (die schnelle Entwicklerszene liebt es), merkt aber an, dass Unternehmen damit „offene Fragen bei Sicherheit, Lieferkette und Governance“ haben. A2A, das in Enterprise-Plattformen eingebunden ist, könnte diese Fragen angehen, indem es strukturiertere Berechtigungen, Audit-Logs und eine Abstimmung mit den IT-Richtlinien von Unternehmen bietet. Seine abschließende Frage fasste die Lage zusammen: Wird die Zukunft „einen schnellen, von Entwicklern geliebten Standard oder ein flexibles Protokoll auf höherer Ebene, gestützt von Enterprise-Giganten“ begünstigen? Viele in der Community vermuten, dass beide in ihren jeweiligen Stärkebereichen nebeneinander bestehen und wahrscheinlich sogar zusammenarbeiten werden (wie es ihr Design vorsieht).
Auch andere Kommentare bestärken diese Zweiteilung. Ein Medium-Artikel von NoAI Labs vom April 2025 beschrieb MCP als „von Entwicklern geführt“ und auf weniger Fragmentierung bei der Integration ausgerichtet, A2A dagegen als „von Unternehmen getrieben“ und auf plattformübergreifende Workflow-Automatisierung ausgerichtet. Vordenker haben darauf hingewiesen, dass die enge Partnerschaft zwischen Google und Anthropic (Google ist ja ein großer Investor von Anthropic) der Grund sein könnte, warum die beiden Protokolle einander ergänzen und nicht direkt konkurrieren: eine strategische Abstimmung, um beide Seiten abzudecken. Es gibt auch Berichte darüber, welche Rolle diese Standards in der KI-Strategie der Unternehmen spielen. Google macht sich mit seinem Einsatz für A2A attraktiver für Firmen, die Multi-Agenten-Systeme mit strenger Governance wollen. Anthropic vergrößert mit MCP als Open Source seinen Einfluss unter Entwicklern und sorgt dafür, dass sich sein KI-Modell Claude leicht in viele Tools und Workflows integrieren lässt (womit es die proprietären Plugin-Ökosysteme der Konkurrenz unterläuft).
Auf aktuellen Technologiekonferenzen und in Webinaren geht es häufig um A2A/MCP. Auf der Google Cloud Next ’25 zeigten Demos ein Szenario aus der Personalsuche, in dem mehrere A2A-Agenten (für Sourcing, Bewerbungsgespräche und Terminplanung) zusammenarbeiteten, was ohne ein Protokoll wie A2A nicht machbar wäre. Das Team von Anthropic wiederum zeigt, wie ein KI-Agent mit MCP über verschiedene Tools hinweg den Kontext behält, etwa beim Schreiben von Code in einer IDE, während er über MCP Daten aus einer Datenbank und einem Dokumentations-Wiki holt. Das soll die Produktivitätsgewinne durch den Standard deutlich machen.
Insgesamt deuten die Kommentare auf einen Konsens hin, dass Standards für die Kommunikation zwischen KI-Agenten und für die Nutzung von Tools zur rechten Zeit kommen und notwendig sind. MCP und A2A werden oft gemeinsam als einander ergänzende Säulen eines entstehenden „KI-Agenten-Stacks“ genannt. Strategisch hat die rasche Verbreitung von MCP größere Akteure zu einer Reaktion gezwungen (Google entschied sich, es über A2A zu befürworten und zu erweitern, statt es zu bekämpfen, während andere wie Cisco Alternativen vorschlagen). Politisch spiegelt das ein Tauziehen zwischen offener, von der Community getragener Innovation und dem Wunsch von Unternehmen nach Kontrolle und Risikobegrenzung. Trotzdem ist die vorherrschende Erzählung (Stand April 2025) optimistisch: Weil sie unterschiedliche Ebenen ansprechen (Tool-Kontext gegenüber Orchestrierung von Agenten) und unterschiedliche Zielgruppen bedienen (Entwickler gegenüber Unternehmen), könnten MCP und A2A beide gedeihen und sich sogar gegenseitig stärken, statt dass einer auf Kosten des anderen gewinnt.
MCP vs. A2A: schneller Standard gegen Enterprise-Lösung
Die strategischen Unterschiede lassen sich klar benennen: Anthropics MCP ist zu einem von Entwicklern geführten Standard geworden, der sich schnell weiterentwickelt. Es wurde offen und schrittweise veröffentlicht und zog rasch eine Community an, die es in verschiedenen Sprachen implementierte und unzählige Tools integrierte. Durch diese Verbreitung von unten wurde MCP bei Startups, unabhängigen Entwicklern und sogar anderen KI-Labors zum De-facto-Standard für die Tool-Integration. Seine Stärke sind Beweglichkeit und breite Unterstützung von der Basis, was Innovation in halsbrecherischem Tempo antreibt. Es hat aber auch Schwierigkeiten bei formeller Governance und beim Vertrauen von Unternehmen, weil Themen wie Sicherheitsrichtlinien noch im offenen Forum ausgearbeitet werden. Googles A2A steht dagegen für einen von Unternehmen getragenen, risikobewussten Ansatz. Es wurde in Abstimmung mit Dutzenden großen Firmen entwickelt, damit es die Anforderungen von Unternehmen an Sicherheit, Compliance und Zuverlässigkeit erfüllt. A2A geht bedächtiger vor: Es startete mit einem Spezifikationsentwurf und dem Versprechen einer produktionsreifen Version später im Jahr 2025, ein vorsichtiger, auf Stabilität bedachter Rollout. Seine Governance ist strukturiert (Google und Partner überwachen den Standard), um Vertrauen für den Einsatz in Unternehmen zu schaffen. Unternehmen werden A2A also eher für geschäftskritische Workflows einsetzen, bei denen „Vertrauenswürdigkeit“ und Support entscheidend sind. Die Kehrseite: A2A entwickelt sich womöglich langsamer und gemessener weiter, und es kommt etwas später ins Spiel, angestoßen durch Einfluss von oben statt durch organische Verbreitung.
Praktisch gesehen hat das hohe Tempo von MCP bereits ein reiches Ökosystem an Integrationen hervorgebracht und MCP viel Aufmerksamkeit bei den Entwicklern eingebracht, die die nächste Generation von KI-Apps bauen. Die methodische, auf Partnerschaften gestützte Strategie von A2A soll es zum Standard in den Vorstandsetagen machen: zu dem Protokoll, mit dem sich CIOs wohlfühlen, wenn sie KI-Agenten über ihr Enterprise-Softwareportfolio hinweg verbinden (vor allem jene von Anbietern, die A2A unterstützen). Es sagt einiges, dass in Community-Diskussionen das eine oft als „cooler junger Hacker“ und das andere als „Anzugträger aus dem Konzern“ bezeichnet wird. Oder wie es ein Beobachter knapp ausdrückte: „MCP ist der coole junge Hacker, A2A der Anzugträger aus dem Konzern. Der eine ist schnell, der andere bekommt das Okay aus dem Vorstand.“ Beide können prägen, wie KI-Systeme zusammenarbeiten. Wahrscheinlich läuft es, wie aktuelle Kommentare nahelegen, auf ein duales Ökosystem hinaus: MCP treibt weiter die schnelle Innovation an und wird in entwicklerlastigen Umfeldern angenommen, A2A liefert eine verbindende, governancefreundliche Ebene, die Unternehmen übernehmen, und die Interoperabilität zwischen beiden sorgt dafür, dass Nutzer das Beste aus beiden Welten bekommen.
Aus dem Englischen übersetzt: zum Originalbeitrag