design-a2a-agent-card
정보
이 스킬은 상호 운용성을 위해 에이전트의 기능, 스킬, 인증 요구사항을 정의하는 A2A 에이전트 카드 매니페스트(.well-known/agent.json)를 생성합니다. A2A 프로토콜용으로 발견 가능한 에이전트를 구축할 때 사용하며, 다중 에이전트 오케스트레이션 및 레지스트리 통합을 가능하게 합니다. 이는 구현 전에 에이전트 기능에 대한 공개 계약을 설정합니다.
빠른 설치
Claude Code
추천npx skills add pjt222/agent-almanac -a claude-code/plugin add https://github.com/pjt222/agent-almanacgit clone https://github.com/pjt222/agent-almanac.git ~/.claude/skills/design-a2a-agent-cardClaude Code에서 이 명령을 복사하여 붙여넣어 스킬을 설치하세요
문서
設 A2A Agent Card
建合標之 A2A Agent Card,告代理之身、技、認證、能,供他代理發現。
用時
- 建代理宜由他 A2A 合規代理發現
- 為多代理編排曝能
- 將既有代理遷至 A2A(Agent-to-Agent)協議
- 於實裝前定代理之公契
- 與消費 Agent Card 之代理冊合
入
- 必要:代理名與述
- 必要:代理所行之技單(名、述、入出之 schema)
- 必要:代理宿之基 URL
- 可選:認證法(
none、oauth2、oidc、api-key) - 可選:
text/plain外之內容型(如image/png、application/json) - 可選:能旗(流、推通知、狀態變史)
- 可選:供應組織名與 URL
法
第一步:定代理身與述
1.1. 擇代理身字段:
{
"name": "data-analysis-agent",
"description": "Performs statistical analysis, data visualization, and report generation on tabular datasets.",
"url": "https://agent.example.com",
"provider": {
"organization": "Example Corp",
"url": "https://example.com"
},
"version": "1.0.0"
}
1.2. 書明可行之述,答:
- 此代理覆何域?
- 可理何任?
- 其限為何?
1.3. 設規範 URL,Agent Card 於 /.well-known/agent.json 服。
得: 全身塊,含名、述、URL、供應、版。
敗則: 若代理服多域,思宜為一代理多技,或多代理聚範。A2A 偏範清之聚焦代理。
第二步:列技之入出 schema
2.1. 定代理可行諸技:
{
"skills": [
{
"id": "analyze-dataset",
"name": "Analyze Dataset",
"description": "Run descriptive statistics, correlation analysis, or hypothesis tests on a CSV dataset.",
"tags": ["statistics", "data-analysis", "csv"],
"examples": [
"Analyze the correlation between columns A and B in my dataset",
"Run a t-test comparing group 1 and group 2"
],
"inputModes": ["text/plain", "application/json"],
"outputModes": ["text/plain", "application/json", "image/png"]
},
{
"id": "generate-chart",
"name": "Generate Chart",
"description": "Create bar, line, scatter, or histogram charts from tabular data.",
"tags": ["visualization", "charts"],
"examples": [
"Create a scatter plot of height vs weight",
"Generate a histogram of the age column"
],
"inputModes": ["text/plain", "application/json"],
"outputModes": ["image/png", "image/svg+xml"]
}
]
}
2.2. 每技宜供:
- id:唯一識(kebab-case)
- name:人可讀之顯名
- description:一二句述技之所為
- tags:供發現之關鍵詞
- examples:觸此技之自然語任例
- inputModes:技受之 MIME 型
- outputModes:技可生之 MIME 型
2.3. 確技界清無疊。各任宜映唯一技。
得: 技陣,每項有 id、name、description、tags、examples 及 I/O 型。
敗則: 若技顯疊,合為一更廣技附多例。若技過廣,分為聚焦子技。
第三步:配認證
3.1. 依部署境定認證方案:
無認證(本地/信網):
{
"authentication": {
"schemes": []
}
}
OAuth 2.0(產宜):
{
"authentication": {
"schemes": ["oauth2"],
"credentials": {
"oauth2": {
"authorizationUrl": "https://auth.example.com/authorize",
"tokenUrl": "https://auth.example.com/token",
"scopes": {
"agent:invoke": "Invoke agent skills",
"agent:read": "Read task status"
}
}
}
}
}
API Key(簡共秘):
{
"authentication": {
"schemes": ["apiKey"],
"credentials": {
"apiKey": {
"headerName": "X-API-Key"
}
}
}
}
3.2. 擇合部署境最低可行認證:
- 本地開發:
none - 內服:
apiKey - 公向代理:
oauth2或oidc
3.3. 將令牌/鑰發程記於 Agent Card 之 provider 段或外文檔。
得: 認證塊合部署安要。
敗則: 若無 OAuth 2.0 設施,由 API key 認證始,謀遷。勿以 none 認證部公代理。
第四步:陳能
4.1. 宣代理所支之協議特:
{
"capabilities": {
"streaming": true,
"pushNotifications": false,
"stateTransitionHistory": true
}
}
4.2. 依實裝備度設各能旗:
- streaming:若代理支經
tasks/sendSubscribe之 SSE 流,則true。啟實時進度更供久任。 - pushNotifications:若代理可於任變時送 webhook 回調,則
true。代理宜存並呼 webhook URL。 - stateTransitionHistory:若代理維任全狀變史(submitted、working、completed 等),則
true。審計有用。
4.3. 實裝全支乃設 true。告未支之能破互操。
得: 能塊含布爾旗合實實裝。
敗則: 若不定某能將實裝,設 false。能可後版加。移能為破壞之變。
第五步:驗並發布 Agent Card
5.1. 集全 Agent Card:
{
"name": "data-analysis-agent",
"description": "Performs statistical analysis and visualization on tabular datasets.",
"url": "https://agent.example.com",
"version": "1.0.0",
"provider": {
"organization": "Example Corp",
"url": "https://example.com"
},
"authentication": {
"schemes": ["oauth2"],
"credentials": { ... }
},
"capabilities": {
"streaming": true,
"pushNotifications": false,
"stateTransitionHistory": true
},
"skills": [ ... ],
"defaultInputModes": ["text/plain"],
"defaultOutputModes": ["text/plain"]
}
5.2. 驗 Agent Card:
- 以 JSON 解並驗無法錯
- 驗諸必字段存(name、description、url、skills)
- 驗各技有 id、name、description 及至少一入/出型
- 驗 URL 可達且於
/.well-known/agent.json服卡
5.3. 發布 Agent Card:
- 於
https://<agent-url>/.well-known/agent.json服 - 設
Content-Type: application/json - 若需跨源發現,啟 CORS 頭
- 於相關代理目錄或冊注冊
5.4. 以取卡測發現:
curl -s https://agent.example.com/.well-known/agent.json | python3 -m json.tool
得: 有效 JSON Agent Card 於 well-known URL 服,諸 A2A 客可解。
敗則: 若 JSON 驗敗,以 linter 尋法錯。若 URL 不達,察 DNS、SSL 證書、web 伺配。若需 CORS,加 Access-Control-Allow-Origin 頭。
驗
- Agent Card 為有效 JSON 無法錯
- 諸必字段皆存:name、description、url、skills
- 各技有 id、name、description、inputModes、outputModes
- 認證方案合部署安要
- 能旗準反實裝態
- Agent Card 於
/.well-known/agent.json以正 Content-Type 服 - A2A 客成取並解卡
- 技之 examples 實際且觸正確之技
陷
- 過諾能:無實裝而設
streaming: true或pushNotifications: true致客用時敗。宜保守。 - 技述含糊:「行數據事」之述阻準技匹。對入、出、域宜具體。
- 缺 CORS 頭:瀏覽器 A2A 客無正 CORS 配不能取 Agent Card。
- 技疊:若二技可理同任,客代理不能定呼何者。確界清。
- 忘默模:若
defaultInputModes與defaultOutputModes略,客或不知送何內容型。 - 版停:技或能變時宜更 Agent Card 版。客或緩舊版。
- 實前發布:Agent Card 為契。發布未實之技致運時敗。
Related Skills
implement-a2a-server- 實 Agent Card 後之服test-a2a-interop- 驗 Agent Card 合規與互操build-custom-mcp-server- MCP 伺為 A2A 之替/補configure-mcp-server- MCP 配模式可施 A2A 設
GitHub 저장소
연관 스킬
content-collections
메타이 스킬은 콘텐츠 콜렉션(Content Collections)을 위한 프로덕션 검증된 설정을 제공합니다. 콘텐츠 콜렉션은 Markdown/MDX 파일을 Zod 검증이 포함된 타입 안전한 데이터 콜렉션으로 변환해주는 TypeScript 최우선 도구입니다. 블로그, 문서 사이트 또는 콘텐츠 중심의 Vite + React 애플리케이션을 구축할 때 타입 안전성과 자동 콘텐츠 검증을 보장하기 위해 사용하세요. Vite 플러그인 구성과 MDX 컴파일부터 배포 최적화 및 스키마 검증에 이르기까지 모든 것을 다룹니다.
polymarket
메타이 스킬은 개발자들이 Polymarket 예측 시장 플랫폼을 활용한 애플리케이션을 구축할 수 있도록 지원하며, 거래 및 시장 데이터를 위한 API 통합 기능을 포함합니다. 또한 WebSocket을 통한 실시간 데이터 스트리밍을 제공하여 실시간 거래와 시장 활동을 모니터링할 수 있습니다. 이를 통해 거래 전략을 구현하거나 실시간 시장 업데이트를 처리하는 도구를 생성하는 데 활용할 수 있습니다.
creating-opencode-plugins
메타이 스킬은 개발자들이 명령어, 파일, LSP 작업 등 25개 이상의 이벤트 유형에 연결되는 OpenCode 플러그인을 만들 수 있도록 돕습니다. JavaScript/TypeScript 모듈을 위한 플러그인 구조, 이벤트 API 명세, 구현 패턴을 제공합니다. OpenCode AI 어시스턴트의 라이프사이클을 사용자 정의 이벤트 기반 로직으로 가로채거나, 모니터링하거나, 확장해야 할 때 사용하세요.
sglang
메타SGLang은 RadixAttention 프리픽스 캐싱을 활용하여 JSON, 정규식, 에이전트 워크플로우를 위한 고속 구조화 생성에 특화된 고성능 LLM 서빙 프레임워크입니다. 특히 반복되는 프리픽스가 있는 작업에서 상당히 빠른 추론 속도를 제공하여 복잡한 구조화 출력 및 다중 턴 대화에 이상적입니다. 제약 디코딩이 필요하거나 광범위한 프리픽스 공유가 있는 애플리케이션을 구축할 때는 vLLM과 같은 대안보다 SGLang을 선택하십시오.
