Coding Agent、Computer Use 与 A2A ​

这三个是 2025 年后最常被问的「新范式」，但经常被混为一谈。一句话分清： Coding Agent = 改代码；Computer Use = 操作图形界面；A2A = Agent 之间说话。

一、三者定位 ​

二、Coding Agent：本质是「带工具的循环」 ​

读需求 → 找文件 → 改代码 → 跑测试 → 看报错 → 再改（循环）→ 提交

读需求 → 找文件 → 改代码 → 跑测试 → 看报错 → 再改（循环）→ 提交

它之所以能工作，靠的是闭环反馈：有测试、有编译器、有 lint —— 这些是可靠的「对错信号」，比纯聊天可靠得多。

工程上的四个关键设计 ​

为什么它比聊天式生成靠谱 ​

三、Computer Use：视觉闭环 ​

截图 → 模型识别界面元素 → 输出动作（click/type/scroll）→ 执行 → 再截图

截图 → 模型识别界面元素 → 输出动作（click/type/scroll）→ 执行 → 再截图

难点不在动作，在「看懂 + 纠错」：

风险明显更高 ​

• 不可逆操作（删文件、转账、发帖）—— 必须有人确认；
• 凭据泄露 —— 屏幕上可能显示密码、验证码；
• 提示注入 —— 网页内容里藏指令，模型可能照做。

所以 Computer Use 目前主要用在：受控的重复性操作（填表、批量导出）、测试与自动化，而不是开放式的日常操作。

四、A2A：Agent 之间怎么协作 ​

单 Agent 干不了的事，拆给多个 Agent —— 但不是「让模型互相发消息」那么简单，需要协议：

客户端 Agent  →（任务委派）→  远程 Agent
              ←（状态/结果）←

客户端 Agent  →（任务委派）→  远程 Agent
              ←（状态/结果）←

协议要解决的四个问题 ​

与 MCP 的区别（高频混淆点） ​

一句记忆法：MCP 是「给 Agent 装手」，A2A 是「让 Agent 找人」。

五、多 Agent 编排的三种形态 ​

实践建议：先用 Supervisor。去中心化的多 Agent 看起来酷，但出了问题很难定位是哪个 Agent 的锅。

六、落地时的四个坑 ​

1. 上下文在 Agent 之间丢失：交接时必须显式传「目标 + 已知事实 + 约束」，不能假设对方知道前文；
2. 无限互调：A 让 B 做，B 又转回 A —— 要设最大跳数与循环检测；
3. 成本爆炸：每次交接都是一次完整上下文，链路一长费用指数上升；
4. 责任不清：出错了要能追到具体 Agent 与具体步骤 → trace 必须贯穿。

七、速查 ​