8. 下一步探索

恭喜你完成 A2A Python SDK 教程！你已经学会：

• 为 A2A 开发准备环境；
• 用 SDK 的类型定义智能体技能（Agent Skill）与 Agent Card；
• 实现一个基础的 HelloWorld A2A 服务端与客户端；
• 理解并实现流式传输能力；
• 集成一个更复杂的 LangGraph 智能体，了解任务状态管理与工具调用。

现在你已经具备了构建和集成符合 A2A 规范的智能体的坚实基础。

接下来可以做什么

• 探索更多示例：a2a-samples 仓库 中有更复杂的智能体集成与特性示例；
• 加深对协议的理解：
  • 阅读协议规范 ，了解所有数据结构与 RPC 方法的细节；
  • 官方文档站点 a2a-protocol.org 提供全面的概览；
• 回顾关键主题：
  • A2A 与 MCP ：了解 A2A 如何与 Model Context Protocol 在工具使用上互补；
  • 企业级特性 ：了解安全、可观测性等企业级考量；
  • 流式传输与异步操作 ：深入了解 SSE 与推送通知；
  • 智能体发现 ：探索智能体相互发现的不同方式；
• 构建你自己的智能体：
  • 用你喜欢的 Python 智能体框架（如 LangChain、CrewAI、AutoGen、Semantic Kernel 或自研方案）创建新的 A2A 智能体；
  • 实现 a2a.server.agent_execution.AgentExecutor 接口，把智能体的逻辑与 A2A 协议衔接起来；
  • 想一想你的智能体能提供哪些独特的技能，以及 Agent Card 如何呈现它们；
• 尝试进阶特性：
  • 如果智能体处理长时间运行或跨会话的任务，可以用持久化的 TaskStore 实现更稳健的任务管理；
  • 如果任务非常耗时，可以探索推送通知；
  • 考虑更复杂的输入输出形态，例如通过文件 Part 处理文件上传下载，或通过数据 Part 传递结构化数据；
• 参与 A2A 社区：
  • 加入 A2A Discord 服务器 ；
  • 参与 GitHub Discussions 的讨论；
  • 通过 GitHub Issues 反馈问题或提出改进建议；
  • 欢迎贡献代码、示例或文档，详见 CONTRIBUTING.md 。

更多社区入口见社区 ，各语言 SDK 与工具见 SDK 与工具 ，其他语言的教程见教程指南 。

A2A 协议致力于构建一个可互操作的 AI 智能体生态。通过构建并分享符合 A2A 规范的智能体，你也可以成为这一进程的一部分。

来源：A2A 官方文档 · Next Steps