AI Agent 怎麼接進企業系統？看懂 MCP 與 A2A 兩個關鍵協定

這是 SAP NOW AI Tour 系列的第二篇。第一篇談方法論（為什麼轉型會失敗），這篇換上工程師的眼睛，談技術骨架：當大家都在喊 Agentic AI，到底 AI Agent 是怎麼接進一家企業既有的系統？這一整天聽下來，金融、製造、雲端三方不約而同指向同兩個字母組合——MCP 與 A2A。

一、先看演進：從 Traditional AI 到 Agentic AI

AI 在企業裡的應用方式，大致經過三個階段：

1. Traditional AI：單一模型、單一任務（聊天機器人、文件摘要）。
2. AI chatBot：AI 嵌入應用，輔助人員完成工作。
3. Agentic AI：AI 自主規劃、推理、行動，並跨系統協作。

到了第三階段，問題就來了：一個 Agent 要做事，得能呼叫工具、讀寫資料；而真實的企業流程往往要好幾個 Agent 接力。於是兩個關鍵挑戰浮現——Agent 如何連接工具？如何與其他 Agent 合作？

二、兩個開放協定：MCP 與 A2A

這兩個挑戰，分別由兩個開放協定來解。它們不是競爭關係，而是互補——一個管「垂直」，一個管「水平」。

維度	MCP（Model Context Protocol）	A2A（Agent-to-Agent）
連接對象	Agent ↔ 工具／資料源	Agent ↔ Agent（雙向協作）
整合方向	垂直整合（取用工具）	水平協作（分工委派）
典型用法	Agent 透過 MCP 存取 ERP 資料庫 / API	一個 Agent 透過 A2A 把任務委派給另一個 Agent

一句話記憶：MCP 讓 Agent 往下接系統，A2A 讓 Agent 之間互相傳接棒。

三、實際跨系統流程長怎樣

會場舉了一個很好懂的端到端流程，看完就知道兩個協定是交替使用的：

• 採購 Agent 用 MCP 查庫存
• → 物流 Agent 用 A2A 被委派去安排出貨
• → 財務 Agent 用 MCP 更新帳務
• → 完成一條自動化流程

每個 Agent 用 MCP 往下接自己負責的系統，再用 A2A 把棒子交給下一個 Agent。這就是 Agentic AI「跨系統協作」的具體長相。

四、資料層：串接，而不是搬遷

講到 Agent 接資料，現場有個觀眾問了一個很實際的問題：「用 AI 是不是一定要把所有資料都搬上雲？」畢竟資安、上雲成本、地端的第三方系統，都是真實顧慮。

答案是「不用」。現在的資料雲走的是「串接」而不是「搬遷」——透過連接器（Data Provisioning Agent 這類機制）直接接上地端資料，資料可以留在原地，上層再用 AI 做分析與呈現。對於有資安顧慮、又想用 AI 的企業，這條路很關鍵。一個實際的搭法是：既有系統（ERP／設備系統）→ 連接器 → 雲端的資料模型層（如 Datasphere）+ 報表層（如 SAP Analytics Cloud），最前面再接一層自然語言（Joule），就能「用一句話問、自動跑出分析圖表」。

五、官方參考架構：把內外 Agent 安全地串起來

最後一張技術總圖，把上面這些拼成了一個完整的互通架構（這是雲端與 ERP 兩大廠的聯合參考架構）：

• 企業內部的 Agent（Orchestrator + 各種 Custom／Low-Code／Pro-Code Agent）透過 A2A 跟外部雲端的 Agent 協作；
• 透過 MCP 接到 ERP、資料雲等既有系統；
• 身份與信任由統一的 Identity Service 治理（authenticate / trust）。

值得一提的是，雲端廠在大會上一口氣發布了多項與 ERP 深化整合的東西，包括官方的 MCP Server（讓 AI Agent 透過整合套件安全存取 ERP 商業數據）、支援 ABAP 開發者的 AI IDE，以及基於雲端模型平台的 Agentic AI 方案。換句話說，MCP 已經不是概念，而是有官方實作可以開始試的東西。

結語：協定先行，骨架才穩

如果你也在規劃企業內的 AI Agent，這篇的重點只有一個：先把「Agent 怎麼接系統、怎麼互相協作」這層協定想清楚，再談上面要跑什麼應用。MCP 負責垂直、A2A 負責水平，資料層走串接不搬遷，身份治理統一——這就是下一代企業 AI 自動化的骨架。下一篇換個角度，看真實的傳產與金融公司，是怎麼把這套東西落到地上的。

常見問題 FAQ

MCP 和 A2A 有什麼差別？

MCP 是讓單一 Agent 垂直連接工具與資料源（例如存取 ERP 資料庫）；A2A 是讓多個 Agent 之間水平協作、互相委派任務。實際流程裡兩者交替使用。

用 AI Agent 一定要把資料搬上雲嗎？

不一定。可以用連接器「串接」地端資料，讓資料留在原地，再由雲端的分析層處理，兼顧資安與成本。

什麼是 Agentic AI？

相對於單一任務的傳統 AI 與輔助型的 chatBot，Agentic AI 能自主規劃、推理、行動，並跨多個系統協作完成任務。

MCP 現在可以實際使用了嗎？

可以。雲端與 ERP 大廠已推出官方的 MCP Server，讓 AI Agent 透過整合套件安全存取 ERP 商業數據，並有支援開發者的相關工具。