MCP, A2A如何讓企業連上AI Agent的世界?
2026-11-19
黃正傑
49
當 AI Agent 從「回答問題」走向「連接系統、協作執行」,企業整合也正從傳統固定串接,邁向更彈性、智慧化的運作模式。本篇談論MCP、A2A 的技術演進,解碼 AI 如何從「系統互通、工具調用」進一步走向「Agent 協作」。隨著連接技術發展,企業將有機會整合內外部知識、作業流程與自動化設備,而產業專業知識與軟硬體整合能力,也將成為軟體業與新創企業的重要競爭優勢。
📰 Signal
當 AI 開始大量使用工具
AI Agent 正在從「會回答問題」,快速走向「會使用工具、完成工作」。
2026 年 9 月,Linux Foundation 公布一項數據:ChatGPT 使用者 的MCP 工具呼叫量,在短短七個月內成長至 98 倍。
這透露出一個重要訊號:AI 不再只是透過對話提供建議,而是開始頻繁連接外部工具與系統,執行實際任務。
這種變化也進入企業軟體。SAP 將 MCP 與 A2A 納入企業 AI 參考架構,讓 Agent 不只能使用 ERP 等系統能力,
也能與其他專業 Agent 協作。鼎新則建立Agent Space平台,串接ERP, MES以及外部系統,讓Agent可以相互協作。
以往,這種異質系統串接,往往需要大量客製開發;一旦業務流程改變,又可能得重新調整程式與介面。
當 AI 開始自己尋找工具、組合服務,甚至與其他 Agent 合作,企業還需要沿用過去固定的整合方式嗎?
MCP 與 A2A 的快速發展,正為這個長期難題帶來新的可能。
AI Agent 的下一個關鍵,已經不只是會不會做事,而是如何連接各種工具的能力。
🔍Decode
從系統互通,到 Agent 彈性協作
企業數位化發展幾十年來,一直在解決同一個問題:不同系統如何彼此連接?
早期透過檔案、資料庫交換資料,後來隨著 ERP、CRM、MES 等系統普及,API、EAI 等技術逐漸成為企業整合的重要工具。
然而,傳統整合通常需要工程師事先定義系統間的連接方式與作業流程,不僅開發成本高、耗費人力,
當企業增加新系統或業務流程改變時,往往還需要重新修改程式。
系統雖然連上了,整合方式卻不一定有彈性。
AI Agent 的出現,正為企業整合帶來新的可能。
MCP (Model Context Protocol)的技術在 AI 應用與外部系統之間建立標準化介面。
透過 MCP Server,企業系統可以向 Agent 提供可使用的工具、資料及其操作方式。
例如 ERP 可以提供「查詢庫存」「取得訂單狀態」等介面,Agent 便能依照任務選擇使用。
進一步,A2A (Agent-to-Agent)讓不同 Agent 能夠描述自己的專業能力、接收與交付任務,並交換工作進度與結果。
不只是讓兩個 AI 互相聊天,而是讓不同 Agent 能像企業中的不同部門一樣,彼此分工、協調與完成工作。
企業不只整合系統,而是讓Agent間得以協作,實現企業的數位分身運作環境。

圖、企業系統整合的三階段演進
總結來看,企業整合的演進,可以看到三個重要變化:
- System-to-System: 透過 File、API、EAI 等技術,讓系統彼此互通。
- Agent-to-Tool(MCP): 讓 Agent 發現並使用不同系統的工具與資料。
- Agent-to-Agent(A2A): 讓不同專業 Agent 分工協作,共同完成任務。
這三種方式並非互相取代,而是逐漸形成新的整合架構。例如採購 Agent 可以透過 A2A 請庫存 Agent 協助,
再由庫存 Agent 透過 MCP 查詢 ERP。
更重要的是,Agent具有自然語言認知的能力,可以理解人類的語言命令,轉譯為應該要連結何種工具。
以此,企業不只是把更多系統「接在一起」,而是讓 AI 能依照工作需求,動態地組合不同的工具以串接各種企業資源。
企業的營運頓時活了起來!!
🌏Impact
從系統整合走向彈性智慧自動化
MCP 與 A2A 讓企業從固定串接,走向依任務需求彈性組合系統、知識與 Agent 能力。以下是3個可能方向:
① 企業流程|跨系統智慧自動化:
例如供應商交期延遲時,採購 Agent 可透過 MCP 查詢 ERP 庫存與 MES 排程,
再透過 A2A 協調生產、物流 Agent,分析影響並提出替代方案,減少人工查詢與跨部門協調時間。
② 知識整合|串聯內外部資訊輔助決策:
Agent 可整合企業內部的營運數據、SOP 與歷史經驗,以及外部市場行情、
法規與供應鏈資訊,進行交叉分析。例如結合採購紀錄與市場價格變化,協助評估供應風險與採購策略,提升決策效率。
③ 工廠現場|IT/OT 智慧協作:
在製造現場,Agent 可透過既有設備平台與標準介面,串聯 MES、自動倉儲、AMR 與機器手臂等異質系統,
協調物料搬運與生產任務;實際設備控制仍由既有安全機制把關。
MCP 與 A2A ,讓企業從單點自動化,走向知識、流程與設備整合的端到端智慧協作。
🧩Opportunity
當連接變容易,誰能掌握新的軟體商機?
隨著 AI Agent 連接工具與系統的門檻降低,軟體產業的競爭也可能開始改變。
過去軟體業競爭優勢在於功能與系統整合;隨著 MCP、A2A 普及,未來更值得關注的是「誰掌握難以取代的專業能力」。
可以從三個方向觀察產業機會:
① 企業軟體|誰擁有最深的產業知識?
ERP、CRM、MES 業者累積大量企業流程、營運資料與產業經驗。
誰能將這些知識轉化為 AI 可使用的 Knowledge、Skill 與專業 Agent,誰就更有機會創造新的服務價值。
② AI 新創|誰真正解決產業痛點?
當串接門檻降低,單純提供 AI 工具可能更容易被取代。反而是深入供應鏈管理、品質分析、設備維護等專業領域,
能持續創造客戶效益的新創企業,更值得關注。
③ 軟硬整合|誰掌握實體世界的控制能力?
工業自動化與設備業者擁有現場經驗、設備控制技術與安全規則。能夠將 AI 與 OT 設備整合,提供從分析、決策到安全執行的解決方案,
將形成另一種競爭門檻。
未來評估軟體企業,不只看 AI 功能有多少,更要看它掌握多少產業知識、客戶流程與難以複製的專業能力。
當連接逐漸標準化,真正的護城河將是專業知識、產業深度與實際落地能力!!
📈 Outlook
從企業系統整合,走向 AI 協作生態系
隨著 MCP 與 A2A 發展,企業整合將有機會跨越組織邊界,形成跨平台、跨企業的 Agent 協作網路。
未來的工作模式可能轉變為:企業提出需求 → Agent 尋找專業能力 → 跨企業協作 → 完成工作與交易
這意味著企業軟體可能從應用程式整合,進一步走向代理生態系(Agent Ecosystem),甚至催生新的代理經濟(Agent Economy)。
當 Agent 開始代表企業尋找供應商、比較方案與促成交易,競爭關鍵將不只是誰擁有最多功能與客戶,
而是誰的專業能力更容易被 Agent 發現、信任與選擇。
未來企業的競爭力,不只在於擁有多少數位能力,更在於能否成為 AI 協作生態系中不可或缺的一環。
💡AI Insight
當連接不再是門檻,專業能力就是競爭力
企業數位化的演進,整合的重點正不斷改變:
File/Database:交換資料 → API/EAI:連接系統 → MCP:讓 AI 使用工具 → A2A:讓 AI 彼此協作
這透露出一個重要的產業訊號:
當系統連接逐漸標準化,企業真正難以複製的,不再只是軟體功能與整合技術,而是長期累積的產業知識、專業技能與實務經驗。
未來,企業不只要思考如何導入 AI,更要思考如何將自己的專業知識、工作流程與軟硬體能力,
轉化成其他 Agent 能夠理解、信任與使用的服務。
讓 AI 連得上,是技術進步;讓專業能力被 AI 使用、協作並創造價值,才是下一階段的企業競爭力。
📚 AI Dictionary

▶ 下一集預告
AI 解碼 EP07|當 AI 愈來愈會工作,算力中心準備好了嗎?
MCP 與 A2A 讓 Agent 能夠連接工具、跨系統協作,但當成千上萬個 Agent 開始持續執行任務,下一個挑戰也隨之出現:
這麼龐大的 AI 運算需求,算力中心如何支撐?
過去資料中心主要提供運算、儲存與網路服務;如今 AI 需要大量 GPU、高速記憶體與資料傳輸能力,電力、液冷散熱,甚至 CPO 光互連,都逐漸成為重要的技術焦點。
EP07|AI 算力革命:從資料中心到 AI 工廠,誰掌握下一波算力商機?
下一集,我們從「Agent 如何連接與協作」,走向「AI 智慧如何大規模生產」,解碼 AI Factory 的技術演進,以及伺服器、電力、散熱與光通訊帶來的新產業機會。
MCP 與 A2A 解決「如何連接與協作」;AI Factory 則要回答「如何以更高效率、更低成本,持續供應 AI 智慧」。