简介:AG-UI 与 A2UI 都是为解决"生成式 UI 不可信、不可控"而生的开放协议,但分工不同:AG-UI 标准化 Agent 与前端之间的事件流,A2UI 标准化 Agent 输出的界面描述。本文拆解两者的架构、安全模型、代码形态与选型边界,并给出可落地的组合方案。
结论先说:AG-UI 标准化的是 Agent 与前端之间的「事件流」,A2UI 标准化的是 Agent 输出的「界面描述」。前者解决”过程怎么传”,后者解决”界面怎么生成才安全”。两者并不互斥,成熟方案往往是组合使用。 如果你正在做协议选型验证,需要同时接入多家模型对比效果与调用成本,可以先在 百度智能云词元所 上查看模型能力、价格与统一 API 接入方式,把试错成本压下来。
早期生成式 UI 的做法很直接:让大模型直接吐 HTML/CSS/JS,客户端拿到就渲染。问题绕不过去——你把 AI 生成的可执行代码跨过了信任边界,直接扔进客户端渲染环境,等于主动把 XSS 与任意代码执行引入自己的资产范围。
关键在于: 大模型输出本质上是不可信输入,而客户端持有的是可信权限 (Cookie、Token、localStorage、内部 API 通道)。用可信权限去执行不可信代码,是安全模型上的根本性错配。哪怕做了 HTML 转义,<script> 之外还有 onerror、onclick、javascript: 伪协议、SVG 事件、CSS url() 外带等等一系列绕过面。
A2UI 与 AG-UI 的共同出发点,就是把这条”直接执行”的路径切断,换成受约束的结构化通道。
AG-UI(Agent-User Interaction Protocol)由 CopilotKit 团队开源,定位是 Agent 后端与前端应用之间的 轻量级、事件驱动中间层 。它的核心抽象不是界面,而是事件(event types)。
典型事件族包括:文本消息生命周期(TEXT_MESSAGE_START / _CONTENT / _END)、工具调用(TOOL_CALL_START / _ARGS / _END)、状态管理(STATE_SNAPSHOT / STATE_DELTA / MESSAGES_SNAPSHOT)、以及自定义/原始事件(RAW、CUSTOM)。
一段 SSE 传输的简化形态:
event: text_message_startdata: {"type":"TEXT_MESSAGE_START","messageId":"m1","role":"assistant"}event: text_message_contentdata: {"type":"TEXT_MESSAGE_CONTENT","messageId":"m1","delta":"正在为你查询"}event: tool_call_startdata: {"type":"TOOL_CALL_START","toolCallId":"c1","toolCallName":"query_order"}event: state_snapshotdata: {"type":"STATE_SNAPSHOT","snapshot":{"step":2,"cart":["sku_9"]}}event: text_message_enddata: {"type":"TEXT_MESSAGE_END","messageId":"m1"}
它的价值在于三点:
STATE_SNAPSHOT + STATE_DELTA 让前端与 Agent 共享一份可预测的状态,而不是靠前端从自然语言里”猜”当前进度。生态上,AG-UI 已对接 LangGraph、CrewAI、Mastra、Agno、Pydantic AI 等主流 Agent 框架,并提供 React 等前端绑定,落地成本相对低。
它的边界也很明确 :AG-UI 传的是”发生了什么”,不是”长什么样”。界面结构仍由前端开发者预先写死。当 Agent 需要动态生成一个此前不存在的界面时,AG-UI 本身不提供答案。
A2UI(Agent-to-UI)走的是另一条路:Agent 不输出代码,而是输出一份 声明式 UI 描述 (通常是 JSON/JSONL),客户端用自己预注册的组件目录(catalog)去渲染。
一份简化示意(字段以官方规范为准):
{"surfaceId": "order_confirm","catalogId": "shop-ui-v1","root": "card_1","components": [{ "id": "card_1", "component": "Card","props": { "title": { "path": "/order/title" } } },{ "id": "total_1", "component": "Text","props": { "value": { "path": "/order/total" } } },{ "id": "btn_1", "component": "Button","props": { "label": "提交订单","action": { "name": "submitOrder", "payload": { "id": { "path": "/order/id" } } } } }],"data": { "order": { "id": "A123", "title": "订单确认", "total": 199.0 } }}
关键设计有三层:
components 是结构,data 是内容,通过 path 绑定。渲染时数据走的是框架的文本绑定,天然免疫 HTML 注入。代价是 灵活性受限于 catalog 的丰富度 。组件目录覆盖不到的场景,Agent 就表达不出来;同时团队需要维护 catalog 与客户端渲染器的一致性。
| 维度 | AG-UI | A2UI |
|---|---|---|
| 标准化对象 | Agent ↔ 前端的事件流 | Agent 输出的界面描述 |
| 载荷形态 | 事件序列(event types) | 声明式组件树 + 数据绑定 |
| 界面决定权 | 前端开发者预先定义 | Agent 动态生成,受 catalog 约束 |
| 安全模型 | 不传可执行代码,工具调用经服务端 | 白名单组件 + 无代码执行 + 动作回传 |
| 状态同步 | 快照 + 增量 delta,内建能力 | 通过数据模型绑定实现 |
| 传输层 | 传输无关(SSE/WS/Webhook 等) | 与传输层解耦,可承载于流式通道 |
| 主要收益 | 过程透明、可干预、可中断 | 界面自适应、无需为每个场景写页面 |
| 主要成本 | 仍需为场景开发前端组件 | 需建设与维护组件目录 |
| 适用场景 | 长流程 Agent、工具编排、审批流 | 结果型 UI、表单/卡片/图表类自适应界面 |
实际工程里最优解通常是分层:
这样既保留了过程可观测性,又获得了生成式 UI 的表达力,而且两条路径都不跨越信任边界。
协议约束了”能不能做”,模型决定了”做得好不好”。生成结构化输出的场景对模型有三条硬要求: JSON/工具调用的格式遵循率 、 长上下文中组件目录的检索准确度 、 指令遵循下的稳定性 (不因对话变长而漂移 schema)。
实践建议:
分层路由:意图识别、组件选择等轻任务用小模型,最终 surface 生成用强模型,通常能在质量基本持平的前提下明显压低单次交互成本。
一句话总结 :AG-UI 让 Agent 的过程可被前端理解,A2UI 让 Agent 的界面可被安全渲染。前者是通道标准,后者是渲染契约,二选一往往是误判,按场景分层组合才是可落地的架构。