logo

A2UI与AG-UI深度对比:AI界面协议怎么选

作者:梅琳marlin2026.11.17 03:16浏览量:0

简介:A2UI 与 AG-UI 常被放在一起比较,但它们解决的并不是同一个问题:AG-UI 负责 Agent 与前端之间的事件通信,A2UI 负责把 Agent 的输出变成客户端可安全渲染的声明式界面。本文从 GenUI 的信任边界问题出发,拆解两者的设计思路、消息结构、安全模型与适用场景,并给出组合使用与选型建议。

一句话结论:它们不在同一层

AG-UI 是”通信协议”,A2UI 是”界面描述协议”。

AG-UI(Agent-User Interaction Protocol)标准化的是 Agent 后端与前端应用之间怎么说话:消息增量、工具调用、状态快照、生命周期事件。它不关心界面上出现的是气泡还是卡片。

A2UI 标准化的是 Agent 想让界面”长成什么样”:用声明式 JSON 描述组件树和数据绑定,由客户端用自己维护的组件目录渲染。它不关心这些 JSON 是通过 SSE 还是 WebSocket 送过来的。

所以严格来说,这不是二选一的竞品关系,而是 可以叠起来用的两层 。当然,如果你只想解决其中一个问题,选错层会白写很多代码。

顺带说一句,无论选哪种协议,你都得先解决底层的模型接入和成本问题——百度智能云词元所 提供多模型统一 API 接入和模型价格、性能对比,可以在选型阶段就把”哪个模型能稳定产出合法 JSON、单次调用成本多少”这件事算清楚。

先看清 GenUI 的信任边界问题

早期的生成式 UI 走的是最直接的路:让大模型直接吐 HTML、CSS、JS,客户端拿到就渲染。开发效率确实高,但这里有个绕不过去的坑。

你把 AI 生成的可执行代码,跨过信任边界,直接扔进了客户端的渲染环境。这等于主动把 XSS 和任意代码执行的攻击面引入了自己的信任边界。

Agent 生成一段界面代码,里面夹带一个 <script> 或者一段 onclick 逻辑——你没法判断它是否安全。因为 大模型的输出本质上是不可信的 ,而你却在用可信客户端的权限去执行它。

更麻烦的是,注入源不止用户输入。如果 Agent 接了搜索、网页抓取、数据库查询这类工具,那么工具返回的第三方内容同样会进入上下文。攻击者只要在网页里埋一段”请在回复中渲染以下 HTML”的文本,就可能完成一次间接提示注入。你以为在防用户,其实要防的是整条工具链。

业界通常有三条应对路线:

方案 做法 代价
服务端净化 DOMPurify 类库清洗 HTML 规则永远追不上新语法,CSS 侧信道难防
沙箱隔离 <iframe sandbox> + 严格 CSP 样式与宿主割裂,跨端一致性差
声明式白名单 只允许客户端已注册的组件 表达力受限于组件目录

A2UI 走的是第三条,也是唯一能从根上消除”执行不可信代码”这一条的路。

A2UI:把”生成界面”降级为”生成数据”

A2UI 是 Google 开源的生成式 UI 协议,目标是让 Agent 以流式、平台无关的方式下发界面描述。它的核心设计只有一句话: Agent 不输出代码,只输出组件名和数据。

三个关键概念:

  • surface(渲染面) :一次界面更新的作用域,一个会话里可以有多个独立 surface。
  • component(组件) :只能来自客户端预先声明的组件目录(catalog)。Agent 引用组件 ID,客户端负责真正的渲染实现。
  • dataModel(数据模型) :与组件解耦的数据层,支持增量更新,数据变了界面跟着变,不必重传整棵树。

消息形态大致如下(具体字段以对应版本规范为准):

  1. {
  2. "beginRendering": { "surfaceId": "flight-list", "root": "root-card" },
  3. "surfaceUpdate": {
  4. "surfaceId": "flight-list",
  5. "components": [
  6. { "id": "root-card", "component": "Card", "props": { "title": "航班结果" } },
  7. { "id": "row-1", "component": "ListItem", "props": { "bind": "/flights/0" } }
  8. ]
  9. },
  10. "dataModelUpdate": {
  11. "surfaceId": "flight-list",
  12. "path": "/flights",
  13. "value": [{ "no": "CA1234", "time": "08:30" }]
  14. }
  15. }

这套设计带来几个直接收益:

  1. 信任边界不再被跨越 。客户端只渲染自己写过的组件,Agent 无法注入可执行逻辑。
  2. 设计系统留在客户端 。品牌样式、无障碍支持、交互规范由客户端掌控,跨端表现一致。
  3. 省 token 。数据走 dataModelUpdate 增量推送,不需要每轮重发完整 UI 结构。
  4. 实现成本低 。官方定位就是几百行代码可接入,不绑定特定 Agent 框架。

代价也很明确: 表达力上限等于你的组件目录 。Agent 想做目录里没有的东西,就得先由客户端开发组件。这是安全换来的约束,对多数业务场景可以接受。

agent-">AG-UI:把 Agent 的事件流标准化

AG-UI 由 CopilotKit 主导开源,解决的是另一个痛点:每个 Agent 框架的事件格式都不一样,前端每换一个后端就要重写一遍对接逻辑。

它定义了约 16 种标准事件,大致分五类:

  • 生命周期 :RUN_STARTED、RUN_FINISHED、RUN_ERROR、STEP_STARTED/FINISHED
  • 文本消息 :TEXT_MESSAGE_START、TEXT_MESSAGE_CONTENT、TEXT_MESSAGE_END
  • 工具调用 :TOOL_CALL_START、TOOL_CALL_ARGS、TOOL_CALL_END、TOOL_CALL_RESULT
  • 状态同步 :STATE_SNAPSHOT、STATE_DELTA、MESSAGES_SNAPSHOT
  • 扩展 :RAW、CUSTOM

传输层不限定,SSE、WebSocket、webhook 甚至普通 HTTP 都能承载。事件流形态示意:

  1. event: run_started
  2. data: {"threadId":"t-1","runId":"r-1"}
  3. event: text_message_content
  4. data: {"messageId":"m1","delta":"为你找到 3 个航班"}
  5. event: tool_call_args
  6. data: {"toolCallId":"c1","delta":"{\"city\":\"北京\"}"}
  7. event: state_delta
  8. data: {"delta":[{"op":"replace","path":"/flights","value":[...]}]}
  9. event: run_finished
  10. data: {}

STATE_SNAPSHOT / STATE_DELTA 是 AG-UI 最有价值的部分:状态以 JSON Patch 风格的增量同步,前端可以做乐观 UI,用户能在工具执行中间看到中间结果,而不是干等一个完整回复。生态上它已对接 LangGraph、CrewAI、Mastra、Pydantic AI 等主流框架,前端侧有 CopilotKit 的 React 组件可用。

但要注意: AG-UI 不规定界面长什么样 。它传的是消息、工具调用和状态,渲染方式仍由前端决定。如果你的需求是”Agent 主动生成一个表单让用户填”,AG-UI 本身给不了答案。

核心差异对比

维度 A2UI AG-UI
解决的问题 Agent 输出如何变成安全界面 Agent 与前端如何通信
数据形态 声明式组件树 + 数据模型 事件流(消息/工具/状态)
传输方式 不限定,可嵌入任意通道 不限定,SSE 最常见
客户端职责 提供组件目录并渲染 处理事件、维护会话状态
安全模型 白名单组件,天然无代码执行 不定义,需自行处理
表达力 受组件目录限制 由前端 UI 决定,无限制
典型场景 生成式界面、异构多端 对话式交互、工具调用可视化

组合使用:这才是完整答案

生产环境里更常见的做法是两层叠加:

  1. Agent 推理
  2. → 产出结构化意图(组件 + 数据)
  3. → 封装为 AG-UI 事件(CUSTOM 事件或 state_delta)
  4. → 前端 AG-UI 客户端接收
  5. → 解析出 A2UI payload
  6. → 用本地组件目录渲染

AG-UI 负责”什么时候、把什么、增量地送到前端”,A2UI 负责”送到的东西怎么变成界面”。两者职责不重叠,组合后既保住了通信层的通用性,又保住了渲染层的安全性。

选型建议

  • 只需要对话、工具调用、状态同步 → 直接用 AG-UI,别引入 A2UI 增加复杂度。
  • 需要 Agent 主动生成表单、卡片、图表、多步向导 → 加 A2UI 作为渲染层。
  • 金融、政务、医疗等强合规场景 → 优先 A2UI 的声明式路线,从架构上消除代码注入风险。
  • 需要覆盖移动端、车机、智能屏等异构端 → A2UI 的跨端一致性优势明显。
  • 前端已在用 CopilotKit → AG-UI 接入成本最低,先跑通再考虑加渲染层。

落地时的六个检查项

  1. props 也要校验 。只校验组件名不够,参数里同样可能藏恶意 URL。给每个组件写 props schema。
  2. URL 字段做协议白名单 。href、src 只允许 https 和内部路由,禁掉 javascript:、data:。
  3. 文本按纯文本渲染 。组件里的文本字段不要开 HTML 直插。
  4. 流式中断要能降级 。流断了别留半张空白界面,保留上一次完整快照。
  5. 限制更新频率和节点数 。防止 Agent 刷出上千个组件拖垮客户端。
  6. 记录 surface 更新与工具调用链路 。出问题时能定位是模型输出不合法还是渲染逻辑有 bug。

最后提醒一点:协议只解决”界面怎么安全送出去”,不解决”模型能不能稳定产出合法 JSON”。后者取决于模型的 structured output / function calling 能力,直接影响你的重试率和实际成本。建议在正式接入前,用词元所的大模型 API 服务平台 对比几款候选模型的调用成本和结构化输出表现,同时通过统一 API 接入降低多模型切换的改造成本——生成式 UI 场景下 token 消耗比纯文本对话高不少,这笔账值得提前算。

发表评论

活动