KI-Agenten werden erst dann nützlich, wenn sie sauber mit Werkzeugen, Daten und anderen Agenten sprechen können. Genau deshalb rücken Schnittstellen wie A2A, MCP und das OpenAI Apps SDK stärker in den Vordergrund. Sie sind weniger spektakulär als ein neues Modell, aber für echte Automatisierung oft wichtiger.
Was ist passiert / was ist neu?
Google hat mit Agent2Agent, kurz A2A, ein Protokoll vorgestellt, mit dem Agenten Aufgaben, Fähigkeiten und Status besser untereinander austauschen sollen. Das dazugehörige A2A-Projekt auf GitHub beschreibt den Ansatz als offenen Standard für Interoperabilität zwischen Agentensystemen.
Parallel dazu etabliert sich das Model Context Protocol als Verbindungsschicht zwischen KI-Anwendungen und externen Kontextquellen oder Tools. Während A2A eher die Kommunikation zwischen Agenten adressiert, geht es bei MCP um die strukturierte Anbindung von Werkzeugen, Datenquellen und Diensten an ein Modell oder eine Agentenanwendung. Das offizielle MCP-Repository zeigt, dass rund um Server, Clients und Spezifikation inzwischen ein eigenes Ökosystem entsteht.
OpenAI geht mit dem Apps SDK in eine ähnliche Richtung, aber mit Fokus auf Apps und Komponenten, die direkt in agentische Oberflächen eingebunden werden können. Dadurch wird Automatisierung nicht nur als Hintergrundprozess gedacht, sondern als interaktive Arbeitsfläche mit sichtbaren Zuständen und Nutzerfreigaben.
Warum relevant?
Viele Automatisierungsprojekte hängen nicht daran, dass das Modell zu wenig kann. Sie hängen daran, dass Übergaben unsauber sind: Ein Agent kennt den Status eines anderen Agenten nicht. Ein Tool liefert Daten ohne klare Struktur. Eine Aktion wird ausgeführt, bevor ein Mensch sie geprüft hat. Oder ein Workflow funktioniert nur in einer Demo, weil Berechtigungen, Logs und Fehlerpfade fehlen.
A2A, MCP und Apps SDK zeigen eine wichtige Verschiebung: Agenten werden nicht mehr als einzelne Chatfenster gedacht, sondern als vernetzte Systeme. Für Unternehmen, Redaktionen, Entwicklerteams und lokale Automatisierung bedeutet das: Die Schnittstelle wird zur eigentlichen Produktivitätsfrage.
Praxis-Einordnung
In einem sauberen Agenten-Workflow könnten die Rollen künftig klarer getrennt sein. Ein Recherche-Agent sammelt Informationen. Ein Schreib-Agent erstellt einen Entwurf. Ein QA-Agent prüft Quellen, Links und Format. Ein Veröffentlichungs-Agent bereitet den nächsten Schritt vor, führt ihn aber erst nach Freigabe aus. A2A wäre dabei die Sprache zwischen Agenten. MCP wäre die Tool- und Kontext-Schicht. Das Apps SDK könnte die Oberfläche liefern, in der ein Mensch Status, Ergebnis und Freigabe sieht.
Für Agentenkompass ist genau diese Trennung entscheidend: Gute Automatisierung entsteht nicht durch maximale Autonomie, sondern durch kontrollierte Übergaben. Ein Agent darf viel vorbereiten. Kritische Schritte – Veröffentlichung, Kundenkommunikation, Datenänderung, Zahlung, Löschung – brauchen weiterhin klare Gates.
Praktisch lohnt sich deshalb eine einfache Architekturfrage vor jedem neuen Agentenprojekt: Welche Aufgabe gehört zum Agenten, welche zum Tool, welche zum anderen Agenten und welche bleibt bewusst beim Menschen?
Risiken und Grenzen
Offene Protokolle lösen nicht automatisch Governance. Sie können sogar neue Risiken schaffen, wenn zu viele Tools und Agenten ohne klare Rechte miteinander verbunden werden. Jede zusätzliche Schnittstelle braucht Grenzen: Welche Daten dürfen gelesen werden? Welche Aktionen sind schreibend? Welche Logs entstehen? Wo liegen Secrets? Und wer kann im Fehlerfall stoppen?
Auch die Standardisierung ist noch in Bewegung. A2A, MCP und Apps SDK verfolgen unterschiedliche Schwerpunkte. Es wäre zu früh, alles auf einen Gewinner zu setzen. Sinnvoller ist ein modularer Ansatz: kleine Agenten, begrenzte Rechte, nachvollziehbare Aktionen, klare Reviewpunkte und austauschbare Schnittstellen.
Fazit
Der nächste Fortschritt bei Agenten kommt nicht nur aus besseren Modellen. Er kommt aus besseren Verbindungen. A2A, MCP und Apps SDK sind deshalb relevant, weil sie die bislang improvisierten Übergaben zwischen Agent, Tool, UI und Mensch strukturieren.
Für die Praxis heißt das: Wer 2026 Agenten-Automatisierung aufbauen will, sollte nicht mit „voll autonom“ starten. Besser ist ein belastbarer Workflow mit klaren Rollen, prüfbaren Zwischenergebnissen und Freigabe-Gates. Genau dort entsteht aus KI-Spielerei ein verlässlicher lokaler oder öffentlicher Automatisierungsagent.