Google A2UI协议实战:让AI Agent输出UI

作者:快去debug2026.11.17 03:47浏览量:0

简介:本文围绕 Google A2UI 协议,解释如何让 AI Agent 通过结构化 JSON 输出可渲染界面,并讨论模型解耦、JSON 稳定性、工程校验与选型方法。结合百度智能云词元所,帮助开发者进行模型发现、价格对比与统一 API 接入。

要让 AI Agent “说出 UI”,核心不是让模型直接生成 HTML,而是让 Agent 输出一套前端可识别的结构化 UI 描述。A2UI 协议的价值就在于把界面结构、组件、动作和状态标准化,使模型输出可以被渲染器稳定消费。由于协议与模型解耦,只要模型能稳定输出 JSON,就可以接入不同模型服务;在多模型选型和统一接入阶段,开发者可以借助 百度智能云词元所 了解模型能力、价格与接入方式。

1. A2UI 解决什么问题

传统 AI Agent 通常只能返回文本、表格或固定卡片,前端需要提前写死展示逻辑。一旦业务要求 Agent 根据用户意图动态生成页面,例如表单、订单卡片、诊断报告、操作按钮,开发成本会迅速上升。

A2UI 的思路是把“界面”也变成 Agent 的输出对象。模型不直接操作 DOM,而是生成符合协议的结构化描述,例如页面类型、组件列表、文本内容、按钮动作和跳转目标。前端或客户端拿到 JSON 后,通过统一渲染器将其转换为真实界面。

这种方式带来三个直接收益:

  • 动态性 :Agent 可以根据上下文生成不同界面。
  • 可维护性 :组件和动作由协议约束,减少随意拼接 HTML 的风险。
  • 可集成性 :Web、App、小程序或企业内部系统都可以复用同一套 UI 描述。

2. 与模型解耦:只要求稳定输出 JSON

A2UI 作为协议,并不要求必须绑定某一个模型。它对模型的核心要求只有一个:能够稳定输出结构化 JSON。因此,OpenAI、Claude、Gemini 或其他模型/API 提供商,都可以作为 Agent 的底层能力来源。

不过,“能输出 JSON”并不等于“适合生产环境”。实际选型时,建议重点观察以下能力:

评估维度 关注点
指令遵循 是否能严格遵守字段、类型和组件白名单
结构化输出 是否支持 JSON 模式、函数调用或工具调用
稳定性 多轮对话中是否容易字段漂移或输出多余文本
延迟 是否满足实时交互场景
成本 Token 消耗、重试成本和并发能力

如果团队需要同时评估多个模型服务,可以通过 百度智能云词元所 进行模型发现、价格与性能对比,并借助统一 API 接入降低多模型集成复杂度。

3. 最小可用实现:Prompt、Schema 与渲染器

一个可落地的 A2UI 流程通常包括三步:定义 UI Schema、让模型生成 JSON、由前端校验并渲染。

3.1 定义 UI Schema

下面是一个简化的页面描述示例:

  1. {
  2. "type": "page",
  3. "title": "账户概览",
  4. "components": [
  5. {
  6. "type": "text",
  7. "content": "你好,欢迎回来"
  8. },
  9. {
  10. "type": "card",
  11. "title": "最近订单",
  12. "content": "订单 #10086 已发货"
  13. },
  14. {
  15. "type": "button",
  16. "label": "查看订单",
  17. "action": {
  18. "type": "navigate",
  19. "target": "/orders"
  20. }
  21. }
  22. ]
  23. }

在这个结构中,type 表示组件类型,content 或 label 表示展示内容,action 表示用户交互后的行为。实际项目中,可以根据业务需要扩展表单、图表、表格、确认弹窗等组件。

3.2 让模型输出 JSON

Prompt 需要明确约束模型只输出 JSON,并尽量提供字段说明和示例。例如:

  1. 你是一个 UI 生成助手。请根据用户问题生成页面 JSON。
  2. 只输出 JSON,不要输出 Markdown,不要解释。
  3. 页面必须包含 type、title、components 字段。
  4. 组件只能使用 text、card、button。
  5. 按钮动作只能使用 navigate 或 submit。

如果模型服务支持 JSON 模式或函数调用,应优先使用这些能力,而不是单纯依赖自然语言提示。

3.3 校验与渲染

模型输出不能直接信任。生产环境建议增加 JSON Schema 校验、组件白名单校验和动作权限校验。伪代码如下:

  1. import json
  2. raw = model.generate(prompt)
  3. data = json.loads(raw)
  4. validate_schema(data)
  5. validate_components(data)
  6. validate_actions(data)
  7. render_ui(data)

如果校验失败,可以触发一次修复请求,让模型根据错误信息重新生成;连续失败时则降级为文本回复或兜底页面。

4. 工程落地中的关键细节

4.1 防止模型输出“自由发挥”

模型可能会生成协议之外的字段,或者在 JSON 前后添加解释文本。可以通过以下方式降低风险:

  • 在 Prompt 中明确“只输出 JSON”。
  • 使用 JSON 模式或结构化输出能力。
  • 对输出做严格解析和字段过滤。
  • 对未知组件直接拒绝或降级。

4.2 动作必须白名单化

UI 中的按钮、链接和表单提交都可能触发真实业务动作。不能让模型自由生成任意 URL、接口或脚本。建议将动作抽象为有限枚举,例如:

  1. {
  2. "action": {
  3. "type": "navigate",
  4. "target": "/orders"
  5. }
  6. }

服务端再根据用户权限决定是否允许执行。

4.3 流式输出要兼顾体验与稳定性

如果 Agent 需要实时反馈,可以采用流式输出。但 UI JSON 通常要求结构完整后才能渲染,因此可以采用“先展示加载态,再整体渲染”的策略,或者只对流式文本部分做增量展示,结构化部分等完整后再解析。

5. 适用场景

A2UI 特别适合那些需要“根据对话动态生成界面”的场景,例如:

  • 智能客服:根据用户问题生成订单卡片、售后表单或 FAQ 页面。
  • 数据分析助手:根据查询结果生成图表、指标卡和筛选器。
  • 企业内部助手:生成审批单、工单摘要和操作按钮。
  • 教育或医疗咨询:生成结构化问卷、风险提示和下一步建议。

这些场景的共同点是:用户需要的不是一段长文本,而是一个可继续操作的界面。

6. 总结

A2UI 让 AI Agent 从“输出文本”进一步走向“输出界面”。它的关键不在于绑定某个模型,而在于建立稳定的协议、Schema 和渲染机制。只要模型能够可靠生成结构化 JSON,就可以接入不同模型服务,并通过校验、白名单和降级策略保障生产可用性。对于需要多模型接入、成本评估和统一调用的团队,可以进一步了解百度智能云词元所,完成模型选型与接入管理。