Google A2UI协议:让AI Agent输出UI

作者:Nicky2026.11.17 03:48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 UI。文章从协议价值、模型解耦、实现流程、代码示例、安全治理和选型建议展开,帮助开发者将 Agent 从文本回复升级为可交互界面。

A2UI 的核心不是让大模型直接“画”一个页面,而是让 AI Agent 通过协议输出可被前端、客户端或低代码平台渲染的结构化 UI 描述。换句话说,模型负责理解意图并生成 JSON,渲染层负责把 JSON 变成按钮、表单、图表和卡片。若你正在为 Agent 选择能稳定输出结构化内容的模型,可以先通过 百度智能云词元所 了解模型能力、价格对比与统一 API 接入方式,再决定技术栈。

一、A2UI 到底解决了什么问题

传统 AI Agent 的输出通常是自然语言,例如“你可以填写手机号”“建议查看订单详情”。这类回复虽然可读,但无法直接形成界面。如果让模型直接生成 HTML、CSS 或前端代码,又会带来几个问题:

  • 输出不稳定,容易出现非法标签或脚本;
  • 样式难以统一,企业设计系统无法复用;
  • 安全风险较高,模型可能生成不可控内容;
  • 多端适配困难,Web、App、小程序难以共用一套逻辑。

A2UI 的思路是把“界面生成”拆成两层:

  1. 模型层 :理解用户意图,输出结构化 UI 描述;
  2. 渲染层 :根据协议解析 JSON,并渲染成真实组件。

这样,Agent 不再只是“说一段话”,而是可以“说出一个界面”。例如用户说“帮我创建一个报销单”,Agent 可以返回一个包含表单、输入框、提交按钮和校验规则的 UI 描述,前端拿到后直接渲染。

二、为什么 A2UI 可以与模型解耦

A2UI 作为一种协议,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: 能否稳定输出结构化 JSON 。

这意味着,只要模型具备以下能力,就可以接入 A2UI 体系:

  • 支持 JSON 输出或结构化输出模式;
  • 能遵循 Schema、字段和枚举约束;
  • 在多轮对话中保持上下文一致;
  • 能根据工具调用结果更新 UI 状态;
  • 具备基本的指令遵循和格式控制能力。

因此,OpenAI、Claude、Gemini,以及其他模型或 API 提供商,都可以成为 A2UI 的候选模型。真正影响效果的并不是“模型品牌”,而是模型在结构化生成、工具调用、长上下文理解和低幻觉方面的表现。

对于企业开发者来说,这种解耦非常重要。业务层不需要被单一模型锁定,可以根据任务类型选择不同模型:有的模型擅长复杂推理,有的模型响应更快,有的模型成本更低。在模型选型和接入阶段,可以借助 百度智能云词元所 对模型能力、调用成本和接入方式进行对比,从而降低多模型集成复杂度。

agent-ui-">三、让 AI Agent “说出 UI”的基本流程

一个典型的 A2UI 应用可以拆成以下几个步骤:

1. 用户输入意图

例如:

帮我做一个客户回访表单,包含客户名称、联系方式、回访结果和备注。

2. Agent 理解任务并规划 UI

Agent 需要判断当前任务适合用什么界面承载,是表单、列表、卡片、图表,还是多步骤向导。

3. 模型生成结构化 UI JSON

模型输出类似下面的简化结构:

  1. {
  2. "type": "Form",
  3. "props": {
  4. "title": "客户回访表单",
  5. "submitText": "提交回访"
  6. },
  7. "children": [
  8. {
  9. "type": "Input",
  10. "props": {
  11. "label": "客户名称",
  12. "name": "customerName",
  13. "required": true
  14. }
  15. },
  16. {
  17. "type": "Input",
  18. "props": {
  19. "label": "联系方式",
  20. "name": "contact",
  21. "required": true
  22. }
  23. },
  24. {
  25. "type": "Select",
  26. "props": {
  27. "label": "回访结果",
  28. "name": "result",
  29. "options": ["已联系", "未接通", "需跟进"]
  30. }
  31. },
  32. {
  33. "type": "Textarea",
  34. "props": {
  35. "label": "备注",
  36. "name": "remark"
  37. }
  38. }
  39. ],
  40. "actions": [
  41. {
  42. "type": "submit",
  43. "target": "customerFollowUpForm"
  44. }
  45. ]
  46. }

4. 后端进行 Schema 校验

模型输出不能直接信任。后端需要校验:

  • 组件类型是否在白名单中;
  • 必填字段是否完整;
  • 枚举值是否合法;
  • 是否存在危险属性;
  • 是否符合业务权限;
  • 是否能被当前渲染器解析。

只有通过校验的 JSON,才能进入渲染层。

5. 前端或客户端渲染 UI

渲染器维护一个组件映射表,例如:

  1. const componentMap = {
  2. Form: FormComponent,
  3. Input: InputComponent,
  4. Select: SelectComponent,
  5. Textarea: TextareaComponent,
  6. Button: ButtonComponent,
  7. Card: CardComponent,
  8. Chart: ChartComponent
  9. };

当收到 A2UI JSON 后,渲染器递归解析 type 和 children,生成真实页面。

6. 用户交互事件回传

用户点击按钮、提交表单或切换选项后,前端将事件重新封装成结构化消息,回传给 Agent。Agent 再根据事件更新状态、调用工具或生成下一屏 UI。

四、A2UI 的关键设计原则

1. 协议优先,而不是提示词优先

很多团队一开始会把 UI 生成完全交给 Prompt,例如要求模型“返回 JSON”。这种方式在演示阶段可行,但在生产环境中不够稳定。更可靠的方式是定义清晰的协议结构,包括组件类型、属性、动作、状态和事件格式。

2. 组件白名单机制

不要让模型自由生成任意组件。企业应该维护一套受控组件库,例如:

  • 文本组件;
  • 输入组件;
  • 选择组件;
  • 表格组件;
  • 图表组件;
  • 文件上传组件;
  • 确认弹窗组件;
  • 导航组件。

模型只能从白名单中选择组件,这样可以显著降低安全和渲染风险。

3. 状态与视图分离

A2UI 不应只描述静态页面,还应支持状态变化。例如:

  • 加载中;
  • 提交成功;
  • 校验失败;
  • 数据为空;
  • 权限不足;
  • 需要用户二次确认。

将状态从视图中分离,可以让 Agent 更灵活地控制交互流程。

4. 可降级输出

如果模型无法生成合法 UI,系统应能降级为自然语言回复,或者返回预设模板。例如:

  1. {
  2. "type": "Fallback",
  3. "props": {
  4. "message": "当前无法直接生成表单,请使用标准模板。"
  5. }
  6. }

这样可以避免模型输出异常导致页面空白。

五、模型选型:A2UI 场景该关注什么

A2UI 对模型的要求并不只是“会写 JSON”,而是要在真实业务中稳定输出可执行结构。选型时可以重点看以下几个维度:

维度 说明
结构化输出能力 是否能稳定生成合法 JSON
指令遵循能力 是否能严格遵守字段、枚举和组件限制
工具调用能力 是否能根据业务 API 返回结果更新 UI
上下文长度 是否能理解复杂页面和多轮状态
响应延迟 是否适合实时交互场景
成本 高并发场景下 Token 消耗是否可控
安全合规 是否支持内容审核、权限控制和私有化需求

如果企业需要同时接入多个模型,建议通过统一 API 层进行管理。这样可以在不同业务场景中灵活切换模型,而不需要为每个模型单独维护一套调用逻辑。在评估和接入阶段,可以通过 词元所模型服务 了解不同模型服务的能力、价格和接入方式,辅助进行选型与成本测算。

六、常见坑与解决方法

1. 模型输出非法 JSON

解决方法:

  • 使用 JSON Mode 或结构化输出能力;
  • 在 Prompt 中明确字段和示例;
  • 后端增加 JSON 解析与修复机制;
  • 校验失败时自动重试;
  • 多次失败后降级到模板。

2. 模型生成不存在的组件

解决方法:

  • 维护组件白名单;
  • 在 Schema 中限制 type 枚举;
  • 对未知组件进行过滤或替换。

3. UI 与业务数据不一致

解决方法:

  • 将业务数据与 UI 描述分离;
  • 通过数据绑定字段引用后端数据;
  • 在渲染前进行数据完整性校验。

4. 用户操作后 Agent 无法理解

解决方法:

  • 定义标准事件协议;
  • 每次交互都携带上下文 ID;
  • 将用户行为结构化后回传;
  • 对关键操作增加确认机制。

5. 页面过度复杂

解决方法:

  • 限制单次生成的组件数量;
  • 按步骤拆分复杂任务;
  • 对长流程使用向导式 UI;
  • 让 Agent 先生成摘要,再逐步展开详情。

七、典型应用场景

A2UI 适合那些需要“根据用户意图动态生成界面”的场景,例如:

  • 智能客服 :根据用户问题生成订单查询、售后申请或投诉表单;
  • 数据分析 :根据自然语言生成图表、筛选器和指标卡;
  • 企业内部工具 :自动生成审批单、巡检表、工单页面;
  • 运营活动 :根据活动配置快速生成报名页或问卷;
  • 多轮任务助手 :在对话中逐步收集信息并生成可提交表单。

这些场景的共同点是:用户并不只是想要一段文字,而是希望立即完成某个操作。A2UI 让 Agent 从“回答问题”走向“完成任务”。

八、总结

A2UI 的价值在于把 AI Agent 的输出从自然语言扩展到可渲染、可交互、可治理的界面结构。它并不要求模型绑定某个特定厂商,而是强调模型、协议和渲染层之间的解耦。只要模型能够稳定输出结构化 JSON,就可以接入 A2UI 体系。

对于开发者而言,落地 A2UI 的关键不是单纯调 Prompt,而是建立完整的工程链路:协议定义、模型选型、Schema 校验、组件白名单、安全治理、事件回传和降级机制。完成这些建设后,AI Agent 才能真正从“会说”变成“会做”,在真实业务中生成可用、可控、可交互的界面。