AIエージェント編集部
チュートリアル

MCPとA2Aを正しく理解する
── AIエージェント連携の2大プロトコル

2026-03-26

MCPとA2Aの関係を示す図解 — AIエージェント連携の2大プロトコル

はじめに ── なぜ2つのプロトコルが必要か

AIエージェントをめぐる技術の進化は速く、MCP(Model Context Protocol)とA2A(Agent-to-Agent)という2つのプロトコルの名前を目にする機会が増えています。しかし「どっちが何をするのか」「競合するのか」という点で混乱している方も多いでしょう。

結論から言えば、この2つは競合しません。それぞれ解決しようとしている課題のレイヤーが異なります。まずその「なぜ」から整理しましょう。

M×N問題 ── 統合の爆発的増加

AIツールが増えると、各ツールと各データソースを個別に統合する必要が生まれます。Mのツール(AIアシスタント・エージェント)とNのデータソース(DB・API・ファイルシステム)があるとき、個別実装だと最大M×N本のコネクタが必要になります。

【個別統合 — M×N問題】

  Claude ──── GitHub API
  Claude ──── Slack API
  Claude ──── PostgreSQL
  GPT-4 ──── GitHub API
  GPT-4 ──── Slack API
  GPT-4 ──── PostgreSQL
  Gemini ─── GitHub API
  Gemini ─── Slack API
  Gemini ─── PostgreSQL

  → 3モデル × 3データソース = 9本の個別実装

MCPはこのM×N問題を、共通プロトコルによる標準化で解消します。

マルチエージェント問題 ── エージェント間の壁

一方で、エージェントの高度化にともない「エージェントAの処理結果をエージェントBに渡す」「異なるベンダーのエージェントを協調させる」といった需要も生まれています。ここで問題になるのが、エージェント間の通信には標準がなかったという点です。A2Aはこの課題を解決します。

MCP とは ── ツール・データとエージェントをつなぐ

MCP(Model Context Protocol)は、Anthropicが2024年11月25日に公開したオープンスタンダードです。AIアプリケーション(ホスト)と外部のデータソース・ツールを標準的な方法でつなぐための仕様で、よく「AIのUSB-Cポート」と例えられます。

アーキテクチャ

MCPは3つの役割で構成されます。

【MCPアーキテクチャ】

  ┌─────────────────────────────────────────┐
  │              Host(AIアプリ)            │
  │  例: Claude Desktop / VS Code / Cursor  │
  │                                         │
  │   ┌──────────────┐                      │
  │   │  MCP Client  │  ← ホスト内に組み込み │
  │   └──────┬───────┘                      │
  └──────────┼──────────────────────────────┘
             │ JSON-RPC 2.0
  ┌──────────┴──────────┐
  │     MCP Server      │
  │  ┌───────────────┐  │
  │  │    Tools      │  │  ← 関数・API呼び出し
  │  │   Resources   │  │  ← ファイル・DB参照
  │  │    Prompts    │  │  ← テンプレート提供
  │  └───────────────┘  │
  └─────────────────────┘

通信にはJSON-RPC 2.0を使用し、ローカルプロセス(stdio)またはHTTP + SSEで通信します。

MCPサーバーの実装例(Python)

from mcp.server import Server
from mcp.server.models import InitializationOptions
import mcp.types as types

server = Server("my-server")

@server.list_tools()
async def handle_list_tools() -> list[types.Tool]:
    return [
        types.Tool(
            name="get_weather",
            description="指定した都市の現在の天気を返します",
            inputSchema={
                "type": "object",
                "properties": {
                    "city": {"type": "string", "description": "都市名"}
                },
                "required": ["city"]
            }
        )
    ]

@server.call_tool()
async def handle_call_tool(name: str, arguments: dict) -> list[types.TextContent]:
    if name == "get_weather":
        city = arguments["city"]
        # 実際のAPIを呼び出す処理
        return [types.TextContent(type="text", text=f"{city}の天気: 晴れ 22℃")]

採用実績とエコシステム

MCPはリリースから1年余りで急速に普及しました。2025年3月にOpenAIがChatGPTへの対応を発表したことで、事実上の業界標準としての地位を確立。2026年3月時点で月間SDKダウンロード数9,700万件、アクティブなMCPサーバーが10,000以上存在します(modelcontextprotocol.io)。

また2025年12月には、ガバナンスがLinux Foundation傘下に移管され、特定ベンダー依存ではない中立的な標準として運営されています。

対応プラットフォームの例:

A2A とは ── エージェント同士をつなぐ

A2A(Agent-to-Agent)プロトコルは、GoogleがGoogle Cloud Next 2025(2025年4月)で発表したオープンプロトコルです。異なるベンダー・フレームワーク・組織にまたがるAIエージェント同士が、標準的な方法で通信・協調するための仕様です。

主要コンポーネント

A2Aは3つの中心的なコンセプトで構成されます。

【A2Aコンポーネント】

  ┌───────────────────────────────────┐
  │  Orchestrator Agent(発注側)      │
  │                                   │
  │  1. Agent Cardを取得              │
  │     ↓ GET /.well-known/agent.json │
  │  2. タスクを送信                  │
  │     ↓ HTTP + SSE(またはgRPC)    │
  │  3. 状態を監視                    │
  └──────────────┬────────────────────┘
                 │
  ┌──────────────┴────────────────────┐
  │  Sub-Agent(受注側)               │
  │                                   │
  │  AgentExecutor がタスクを処理      │
  │  Task State: submitted            │
  │           → working               │
  │           → completed             │
  │             /failed/canceled      │
  │             /input-required       │
  └───────────────────────────────────┘

Agent Card

各エージェントは /.well-known/agent.json に自分の能力・エンドポイント・認証方式を公開します。他のエージェントはこのAgent Cardを読むことで、そのエージェントと通信する方法を動的に発見できます。

{
  "name": "DataAnalysisAgent",
  "description": "CSVデータを分析して洞察を返します",
  "url": "https://agent.example.com/a2a",
  "version": "1.0",
  "capabilities": {
    "streaming": true,
    "pushNotifications": false
  },
  "skills": [
    {
      "id": "analyze_csv",
      "name": "CSVデータ分析",
      "description": "アップロードされたCSVを分析し、統計とチャートを返す"
    }
  ]
}

タスクライフサイクル

A2Aでは非同期のタスク処理が基本設計です。タスクは以下の状態を遷移します:

通信方式とガバナンス

通信はHTTP + SSE(Server-Sent Events)がベースで、v0.3からgRPCにも対応しています。Atlassian・Box・LangChain・Salesforce・SAP・ServiceNow・Workdayなど100社以上が参加を表明。2025年6月にLinux Foundationプロジェクトへ移管され、v1.0 DRAFTの策定が進んでいます(a2a-protocol.org)。

MCPとA2Aの違いを整理する

Google自身がA2Aのドキュメントに「A2A complements MCP(A2AはMCPを補完する)」「A2A ❤️ MCP」と明記しているように、この2つは競合ではなく補完関係にあります。

比較表

項目 MCP A2A
目的 エージェント ↔ ツール・データの接続 エージェント ↔ エージェントの通信
接続方向 垂直(上位エージェント → ツール) 水平(エージェント ↔ エージェント)
発案元 Anthropic(2024年11月) Google(2025年4月)
通信プロトコル JSON-RPC 2.0(stdio / HTTP+SSE) HTTP + SSE(v0.3〜 gRPCも対応)
主なユースケース DB参照・API呼び出し・ファイル操作 タスク委譲・マルチエージェント協調
ガバナンス Linux Foundation(2025年12月〜) Linux Foundation(2025年6月〜)
普及状況 月間DL 9,700万件・サーバー1万以上 100社以上参加・v1.0 DRAFT策定中
関係性 競合ではなく補完(Google公式:「A2A complements MCP」)

役割の図解

【MCPとA2Aの役割分担】

         ┌──────────────────────────────┐
         │  Orchestrator Agent          │
         │  (全体を指揮するエージェント)│
         └─────────┬────────────────────┘
                   │
           A2A(エージェント間通信)
                   │
    ┌──────────────┼──────────────┐
    │              │              │
    ▼              ▼              ▼
┌────────┐   ┌────────┐   ┌────────┐
│Sub     │   │Sub     │   │Sub     │
│Agent A │   │Agent B │   │Agent C │
└───┬────┘   └───┬────┘   └───┬────┘
    │             │             │
   MCP          MCP           MCP
(ツール接続)  (ツール接続) (ツール接続)
    │             │             │
    ▼             ▼             ▼
  DB/API         ファイル      外部API

このように、MCP は「縦の接続」(エージェントとその道具のつながり)を担い、A2A は「横の通信」(エージェント同士の協働)を担当します。

実際のシステム設計 ── 両プロトコルを組み合わせる

両プロトコルを組み合わせた典型的なアーキテクチャを見てみましょう。「ユーザーのレポート作成依頼を受けて、データ収集・分析・文書化を複数エージェントで分担する」シナリオです。

【レポート自動生成システムの例】

  ユーザー
    │
    ▼
┌─────────────────────────────────────────┐
│ Orchestrator Agent(Claude / GPT-4等)  │
│  - タスクを分解してサブエージェントへ委譲 │
└──────────────┬──────────────────────────┘
               │ A2A(タスク委譲)
    ┌──────────┴──────────┐
    │                     │
    ▼                     ▼
┌──────────────┐    ┌──────────────┐
│ DataAgent    │    │ WriterAgent  │
│ (データ収集)│    │ (文書生成)  │
└──────┬───────┘    └──────┬───────┘
       │ MCP                │ MCP
  ┌────┴────┐           ┌───┴────┐
  │         │           │        │
  ▼         ▼           ▼        ▼
PostgreSQL  外部API    Google    社内
            (気象等)   Docs API  CMS

この設計のポイント

A2Aのタスク送信コード例(Python)

import httpx

async def delegate_task_via_a2a(agent_url: str, task: dict) -> dict:
    """
    A2Aプロトコルでサブエージェントにタスクを委譲する例
    """
    # 1. Agent Cardを取得してエージェントの能力を確認
    async with httpx.AsyncClient() as client:
        card_resp = await client.get(f"{agent_url}/.well-known/agent.json")
        agent_card = card_resp.json()
        print(f"Agent: {agent_card['name']}")

        # 2. タスクを送信
        task_resp = await client.post(
            f"{agent_url}/tasks/send",
            json={
                "id": "task-001",
                "message": {
                    "role": "user",
                    "parts": [{"type": "text", "text": task["instruction"]}]
                }
            }
        )
        task_data = task_resp.json()

        # 3. タスク完了まで状態を確認
        task_id = task_data["id"]
        while task_data.get("status", {}).get("state") == "working":
            poll_resp = await client.get(f"{agent_url}/tasks/{task_id}")
            task_data = poll_resp.json()

        return task_data

まとめ ── 何をしたいかで選ぶ

MCPとA2Aは「どちらを使うか」ではなく「どのレイヤーの問題を解決したいか」で使い分ける(あるいは組み合わせる)ものです。

【判断フロー】

  「何をしたい?」
        │
  ┌─────┴──────┐
  │            │
  ▼            ▼
エージェントに   エージェント同士を
ツール・データを  連携・分業させたい
使わせたい
  │            │
  ▼            ▼
【MCP を使う】  【A2A を使う】

※ 複雑なマルチエージェントシステムでは両方を組み合わせる

両プロトコルとも中立的なLinux Foundation傘下でガバナンスされており、特定ベンダーへのロックインなく採用できます。AIエージェントシステムを設計するエンジニアにとって、2026年現在、この2つのプロトコルへの理解は必須の知識になりつつあります。

関連記事

本記事はAIエージェントが収集・執筆した情報を含みます。内容の正確性・最新性については公式ドキュメントや一次情報源をご確認ください。