Hvorfor disse to protokoller vandt standardkrigen

Hvorfor disse to protokoller vandt standardkrigen

Protokollandskabet så kaotisk ud i begyndelsen af 2025. Anthropics MCP var ved at vinde indpas til værktøjsadgang. Googles A2A lovede agentkoordination. Mindre aktører skubbede på ACP (Agent Communication Protocol) og ANP (Agent Network Protocol). ArXiv-undersøgelsen fra maj 2025 talte fire store konkurrerende standarder [5].

Gennembruddet kom, da udviklere indså, at disse ikke var konkurrerende protokoller—de var komplementære lag. Som ISG-analytiker David Menninger udtrykte det: "MCP først til deling af kontekst; derefter A2A til dynamisk interaktion mellem agenter" [1].

MCP, open-sourcet af Anthropic i november 2024 og doneret til Linux Foundation i december 2025, håndterer "agent-til-værktøj"-laget. Det standardiserer, hvordan AI-agenter får adgang til API'er, databaser, filsystemer og eksterne tjenester gennem en ren JSON-RPC 2.0-interface [1][3].

A2A, lanceret af Google i april 2025 og doneret til åben styring i juni 2025, administrerer "agent-til-agent"-laget. Det håndterer opdagelse, koordination, opgavedelegering og orkestrering på tværs af leverandører [4][7].

Arbejdsdelingen er elegant: MCP forbinder agenter til verden, A2A forbinder agenter til hinanden.

MCP: Dit grundlag for værktøjsadgang

Start med MCP. Alle større platforme understøtter nu MCP-servere, og med over 10.000 servere i omløb bygger du ikke infrastruktur—du tilslutter dig den [1].

MCP's arkitektur er bevidst simpel: klient-server JSON-RPC 2.0 over HTTP/SSE (Server-Sent Events). Agenter fungerer som klienter, værktøjer eksponerer MCP-servere. Protokollen håndterer tre kerneprimitive: ressourcer (dataadgang), værktøjer (funktionskald) og prompts (kontekstskabeloner) [3][8].

Den virkelige kraft opstår i virksomhedsimplementeringer. Hos Tyson Foods forbinder MCP-servere AI-agenter til lagersystemer, forsyningskæde-API'er og produktionsdatabaser. Adobe bruger MCP til at orkestrere kreative arbejdsgange på tværs af flere AI-modeller og designværktøjer [1].

Implementeringstip: Byg ikke brugerdefinerede MCP-servere, medmindre du absolut er nødt til det. Økosystemet er modent nok til, at de fleste virksomhedsbehov er dækket af eksisterende servere. Fokuser din ingeniørindsats på forretningslogikken, ikke på rørlægningen.

Sikkerhed sker på MCP-laget gennem Agent Cards—standardiserede identitets- og kapacitetserklæringer, der følger med hver anmodning. Tænk på dem som JWT-tokens for AI-agenter, der bærer autentificering, autorisation og revisionsspor [1].

A2A: Orkestrering af agent-sværme i stor skala

Når dine agenter pålideligt kan få adgang til værktøjer gennem MCP, håndterer A2A koordinationskompleksiteten. Det er her, multi-agent-systemer graduerer fra demoer til produktion.

A2A løser tre svære problemer: agentopdagelse (hvordan finder agenter hinanden?), opgavedelegering (hvordan opdeler du komplekst arbejde i agent-størrelser?) og orkestrering på tværs af leverandører (hvordan samarbejder Anthropic-, OpenAI- og Google-agenter?) [4][7].

Protokollen er designet til at være statsløs og bruger HTTP som transportlag med standardiserede beskedformater til forhandling, opgavetildeling og resultatsammenlægning. I modsætning til tidligere agentkommunikationsforsøg forsøger A2A ikke at være et beskedsystem—det er en koordinationsprotokol [2][7].

Eksempel fra den virkelige verden: Et nordisk logistikfirma bruger A2A til at orkestrere efterspørgselsprognoser. En agent henter salgsdata (via MCP), en anden kører ML-modeller (via MCP), en tredje genererer rapporter (via MCP), og A2A koordinerer overdragelserne, fejlhåndtering og retry-logik.

Den vigtige indsigt: A2A handler ikke om, at agenter konstant taler med hinanden. Det handler om, at agenter ved, hvornår og hvordan de skal delegere arbejde. De fleste agentinteraktioner er korte koordinationsmeddelelser, ikke udvidede samtaler.

Den faseopdelte implementeringsplan, der faktisk virker

ArXiv-undersøgelsen fra maj 2025 foreslog en fire-faset adoptionssti: MCP → ACP → A2A → ANP [5]. I praksis springer succesfulde implementeringer mellemtrinene over og går direkte til MCP + A2A.

Fase 1: MCP-grundlag (Uge 1-4) Start med en enkelt agent, der får adgang til 2-3 kritiske værktøjer gennem MCP-servere. Fokuser på pålidelighed, fejlhåndtering og overvågning. Skaler ikke, før dette virker perfekt.

Fase 2: Multi-værktøjsintegration (Uge 5-8) Tilføj flere MCP-servere. Byg din Agent Card-sikkerhedsmodel. Etabler logning og revisionsspor. Denne fase ødelægger de fleste implementeringer—invester i observabilitet.

Fase 3: A2A-koordination (Uge 9-12) Introducer en anden agent. Brug A2A til simpel opgavedelegering. Start med synkrone overdragelser, før du forsøger parallel udførelse.

Fase 4: Produktionsorkestrering (Uge 13+) Skaler til flere agenter, komplekse arbejdsgange og scenarier på tværs af leverandører. Det er her, den virkelige forretningsværdi opstår, men kun hvis fase 1-3 er stenhårde.

Kritisk indsigt fra nordiske implementeringer: Teams, der forsøger at implementere MCP og A2A samtidig, fejler. Protokollerne er komplementære, men implementeringskompleksiteten er multiplikativ.

Sikkerhed og styring: Agent Cards og tillidsgrænser

Virksomheds-AI-orkestrering fejler uden ordentlige sikkerhedsmodeller. MCP + A2A-stakken adresserer dette gennem Agent Cards—standardiserede identitetsdokumenter, der bærer autentificering, kapaciteter og revisionskontekst [1].

Agent Cards løser "confused deputy"-problemet i multi-agent-systemer. Når Agent A beder Agent B om at udføre en opgave via A2A, ved Agent B præcis, hvad Agent A er autoriseret til at anmode om, hvilke data den kan få adgang til, og hvordan interaktionen skal logges for compliance.

Tillidsgrænser betyder noget. I praksis kører de fleste virksomheder MCP-servere inden for deres sikkerhedsperimeter og bruger A2A til koordination på tværs af tillidszoner. Interne agenter kommunikerer frit via A2A, men eksterne agentinteraktioner kræver eksplicitte godkendelsesarbejdsgange.

Det statsløse design af begge protokoller hjælper med sikkerhedsrevision. Hver agentinteraktion er en diskret HTTP-anmodning med fuld kontekst i Agent Card. Ingen skjult tilstand, ingen vedvarende forbindelser, der kan lække data på tværs af sikkerhedsgrænser.

Nordisk perspektiv: GDPR-compliance er betydeligt lettere med MCP + A2A, fordi dataherkomst er eksplicit. Du kan spore præcis, hvilken agent der fik adgang til hvilke data, hvornår og til hvilket formål.

Almindelige orkestreringsfalder og hvordan man undgår dem

To års produktionsimplementeringer har afsløret forudsigelige fejltilstande. Her er, hvad der går i stykker, og hvordan man forhindrer det.

Falde 1: Cirkulære afhængigheder Agent A delegerer til Agent B, som delegerer tilbage til Agent A. A2A-protokollen forhindrer ikke dette—din orkestreringslogik skal. Løsning: eksplicitte opgavehierarkier og delegeringsdybdegrænser.

Falde 2: MCP-serveroverbelastning Populære MCP-servere bliver flaskehalse, når flere agenter hamrer på dem samtidig. Løsning: forbindelsespooling, hastighedsbegrænsning og circuit breakers på MCP-klientniveau.

Falde 3: Fejlpropageringskaskader En fejlende agent bringer hele arbejdsgangen ned. Løsning: skotmønstre i A2A-koordination med yndig degradering, når agenter bliver utilgængelige.

Falde 4: Agent Card-oppustning Teams pakker for meget kontekst ind i Agent Cards, hvilket skaber ydeevne- og sikkerhedsproblemer. Løsning: minimale kort med just-in-time-privilegieeskalering, når det er nødvendigt.

Den farligste falde: at behandle agenter som microservices. Agenter er probabilistiske, ikke deterministiske. Dine orkestreringsmønstre skal tage højde for usikkerhed, ikke eliminere den.

Hvad ændrer sig, når AI bygger softwaren

MCP + A2A-stakken repræsenterer noget dybere end protokolstandardisering. Det er infrastrukturlaget for en verden, hvor AI-systemer komponerer sig selv dynamisk i stedet for at blive forprogrammeret af mennesker.

Traditionel softwareorkestrering antager, at du kender arbejdsgangen på forhånd. Kubernetes orkestrerer containere, men containerne og deres relationer er defineret på implementeringstidspunktet. MCP + A2A muliggør runtime-komposition—agenter opdager kapaciteter, forhandler opgavefordeling og tilpasser sig ændrede krav uden menneskelig indgriben.

Dette skifter byggerens rolle fra "programmering af arbejdsgange" til "design af begrænsninger." Du fortæller ikke agenter præcis, hvad de skal gøre; du giver dem værktøjer (via MCP), koordinationsmekanismer (via A2A) og grænser (via Agent Cards). Det faktiske arbejde opstår fra agentinteraktioner.

De nordiske virksomheder, vi arbejder med, ser allerede dette skift. Deres AI-systemer håndterer forsyningskædeforstyrrelser, kundeserviceeskaleringer og finansiel rapportering med minimal menneskelig overvågning. Ikke fordi systemerne er perfekt programmeret, men fordi de kan omprogrammere sig selv inden for sikre grænser.

Post-kode-æraen handler ikke om at eliminere programmører—det handler om at løfte dem fra instruktionsskrivere til systemdesignere. Kode bliver gratis, når AI kan generere den. Dømmekraft om, hvilke systemer der skal bygges, hvordan de skal opføre sig, og hvilke begrænsninger de skal respektere—det er der, menneskelig ekspertise forbliver uerstattelig.

Kilder

1. https://www.digitalapplied.com/blog/ai-agent-protocol-ecosystem-map-2026-mcp-a2a-acp-ucp
2. https://dev.to/pockit_tools/mcp-vs-a2a-the-complete-guide-to-ai-agent-protocols-in-2026-30li
3. https://auth0.com/blog/mcp-vs-a2a/
4. https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
5. https://arxiv.org/html/2505.02279v1
6. https://philippdubach.com/posts/mcp-vs-a2a-in-2026-how-the-ai-protocol-war-ends/
7. https://atlan.com/know/google-a2a-protocol/
8. https://zylos.ai/research/2026-02-15-agent-to-agent-communication-protocols/