谷歌携CopilotKit联推A2UI与AG-UI重构前端界面

Generative UI for any agent, anywhere: A2UI, AG-UI, MCP Apps, and more — Google Cloud Tech

Google Cloud Tech

随着用户直接以意图向智能体索要结果,传统网站导航正走向消亡,前端界面必须退化为声明式数据与积木库供模型按需实时重组。

AI-assisted summary of Generative UI for any agent, anywhere: A2UI, AG-UI, MCP Apps, and more — original source. Check the original for full context.

Source published:

Key ideas

  • 大模型交互正从纯文本对话全面转向生成式 UI(Generative UI),涵盖 MCP Apps、A2UI 及 AG-UI 等协议以打破“对话文本墙”,重构面向智能体的人机交互范式。 (0:13)
  • Google 秘密自研两年以上的 A2UI 协议将用户界面完全视为声明式纯数据(JSON-LD),既解决了多智能体跨网络协同与安全性防御,又支持既有设计系统无缝组装,计划于年内发布 1.0 LTS 版本。 (9:14)
  • CopilotKit 推出 AG-UI 协议连接任意 Agent 后端与前端交互,与连接工具的 MCP、连接智能体的 A2A 形成三角生态,并提出了从受控、声明式到完全开放的三层 UI 光谱。 (22:52)
  • AKQA 展示了面向“意图经济”的三层生成架构,通过将用户意图拆解为功能、情感与社交三维度并结合企业大脑,实现企业定制落地页数十秒内动态实时装配,取代传统 6 小时以上的人工 PDF 制作方案。 (30:40)

Detailed notes

## Background 该视频由 Google Cloud Tech 官方频道于 2026 年 6 月 25 日发布在 YouTube 平台,属于 Google Cloud Next 2026 大会专题演讲。页面简介指出,本场分享聚焦于打破大模型对话的“纯文本墙”,由 A2UI、AG-UI 与 MCP Apps 的核心团队共同探讨如何将 UI 转化为声明式数据、统一跨端协议,并为 Gemini Enterprise、Google Search 及下一代 Agentic Web 构建自适应生成式界面。

## TL;DR 演讲系统探讨了人机交互如何从呆板的纯文本聊天迈向可自适应生成的富图形界面(Generative UI)。MCP Apps 的联合创造者 Ido Salomon 首先展示了如何利用开放协议打破“文本墙”,按需抽取并生成组件以支撑智能体网络时代;随后 Google Cloud 的 Alan Blount 详解了 A2UI 协议如何将 UI 视为声明式纯数据,在保障企业级安全与既有设计系统契约的前提下实现多端渲染;接着 CopilotKit CEO Atai Barkai 剖析了打破传统请求-响应范式的 AG-UI 协议及其涵盖受控式、声明式与完全开放式的三层 UI 光谱;最后 AKQA 首席技术官 Nicolas Le Pallec 结合企业真实案例,展示了如何解构多维意图并通过“意图到界面”的三层架构,在数秒内实时拼装出高度定制的自适应 Web 页面。

## Atmosphere & style 整场技术分享节奏极快且干货密集,四位讲者接力登台,兼具技术底层架构师的严谨与前沿探索者的热忱。现场洋溢着行业底层标准正在重塑的紧迫感与兴奋感,既有讲者风趣口误和翻页笔小意外带来的轻松互动,也有实机演示动态生成页面时给全场带来的震撼。通篇叙事从工程技术协议层层递进到商业与设计哲学的重构,让听众切实感受到软件开发范式从过去 30 年的静态页面彻底迈向动态自适应 Agentic Web 的时代脉搏。

## Bulletin - [00:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=13s) 大模型交互正从纯文本对话全面转向生成式 UI(Generative UI),涵盖 MCP Apps、A2UI 及 AG-UI 等协议以打破“对话文本墙”,重构面向智能体的人机交互范式。 - [09:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=554s) Google 秘密自研两年以上的 A2UI 协议将用户界面完全视为声明式纯数据(JSON-LD),既解决了多智能体跨网络协同与安全性防御,又支持既有设计系统无缝组装,计划于年内发布 1.0 LTS 版本。 - [22:52](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1372s) CopilotKit 推出 AG-UI 协议连接任意 Agent 后端与前端交互,与连接工具的 MCP、连接智能体的 A2A 形成三角生态,并提出了从受控、声明式到完全开放的三层 UI 光谱。 - [30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) AKQA 展示了面向“意图经济”的三层生成架构,通过将用户意图拆解为功能、情感与社交三维度并结合企业大脑,实现企业定制落地页数十秒内动态实时装配,取代传统 6 小时以上的人工 PDF 制作方案。

## Key takeaways - [00:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=13s) 纯文本聊天界面正面临严峻瓶颈,人机交互必须跨越到支持双向通信与动态组件渲染的富图形用户界面(Rich GUI)。 - [01:25](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=85s) MCP Apps 作为 MCP 的官方交互扩展规范,标准化了 UI 客户端分发与双向通信,支持在对话流中直接嵌入第三方预定义界面或实时生成教学卡片。 - [04:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=253s) 传统 Web 界面因无法预知人类诉求而极度臃肿,面向 Agent 的网络(Agentic Web)则能按需精准抓取界面碎片并灵活拼装呈现。 - [06:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=374s) 当前 UI 呈现三层光谱:标准预定义 UI、声明式 UI 以及完全生成式 UI;以 ChatGPT 10 亿周活为代表的新流量入口正促使应用解耦为可复用网状组件。 - [09:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=554s) A2UI 协议通过将 UI 视作声明式纯数据(Treat UI as data),彻底解决了多智能体网格协同在跨网络传递时的安全验证与多租户权限难题。 - [12:06](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=726s) A2UI 基于 JSON-LD 结构化输出而非工具调用,支持流式分块传输与前端表面(Surface)挂载,并允许 Agent 随时对已缓存界面进行按需变异。 - [13:46](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=826s) 企业既有的 Material Design 等设计系统可以直接作为前后端交互的严格契约,确保跨端多设备渲染一致性与品牌视觉保障。 - [16:00](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=960s) 严格掌控前端组件目录能构筑纵深防御(Defense in Depth),有效防范数据外泄、隐藏表单及供应链攻击等新型 AI 安全隐患。 - [17:15](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1035s) A2UI 官方支持 Web Components、Angular、React 和 Flutter 多技术栈,已在 Gemini Enterprise 等多款产品落地,正全力推进 1.0 稳定版发布。 - [19:50](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1190s) Agent 交互打破了统治互联网 30 年之久的单次“请求-响应”范式,带来长周期流式输出、中途人工干预和状态双向同步等全新工程挑战。 - [22:52](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1372s) AG-UI 协议与连接工具的 MCP、连接智能体的 A2A 共同构成 Agent 技术架构的“铁三角”,补全了连接最终用户界面的核心通信标准。 - [24:16](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1456s) Generative UI 光谱包含三大模式:像素级精准的受控式(适合核心高频交易)、支持长尾的声明式(A2UI 模式)以及沙盒运行的完全开放式(MCP Apps 与实时 HTML)。 - [30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) 数字化体验正从围绕“网站导航”的旧模式过渡到“意图经济”,用户意图取代浏览追踪成为驱动界面装配的第一信号。 - [33:48](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2028s) 通过“Jobs-to-be-Done”理论将混沌的用户意图结构化拆解为功能诉求、情感体验与社交环境三个维度,精准匹配业务语调与交互设计。 - [33:48](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2028s) “意图到界面”的三层解耦架构包含解释层、企业品牌大脑(向量库+图谱+合规审查)与生成式界面层,严格杜绝黑盒大模型的失控风险。 - [38:07](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2287s) 基于企业大脑重写文案并在前端标准设计系统上动态组装,使营销页面响应客户意图的时间从原本人工制作方案的 6 小时锐减至数十秒。 - [39:20](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2360s) A2UI、AG-UI 与 MCP 核心开发团队保持紧密跨团队协作,持续推进开源标准融合以加速 2026 生成式 UI 生态落地。

## Detailed walkthrough ### [00:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=13s) 摆脱纯文本困境:生成式 UI 的新范式

Google Cloud 的 Alan Blount 热切地向全场开发者打招呼,宣布本场演讲将由多家核心团队共同探讨生成式 UI(Generative UI)的最新前沿进展。现场内容极为丰富,Alan 直言大家的时间很紧,必须加快节奏才能讲完所有幻灯片。他直击当前大模型应用最普遍的痛点——开发者和普通用户对目前这种“仅支持文本”的聊天界面早已深感厌烦和沮丧,而他们坚信,未来的所有应用界面背后都将由某种 AI 提供支持,进而释放出远超文本对答的强大能力。在简短开场后,Alan 将舞台交给了 MCP Apps 的核心打造者 Ido Salomon。

Ido Salomon 登台后(台上还出现了一小段把 Alan 误叫成 Ben 的风趣口误),自我介绍为 MCP 及 AgentCraft 的创造者,同时也是 MCP Apps 的联合创造者与维护者。在正式展开技术探讨前,Ido 特别向共同促成 MCP 项目的伙伴致敬,包括 Liad、Olivier、Anton、Nick 等多位核心协作者,感谢他们为开放协议奠定了基石。随后,他将讨论引回核心命题:纯文本已经无法承载更高效的交互,人机界面究竟该如何从单一文本平滑过渡到丰富的图形用户界面(Rich GUI)。

Alan Blount 在开篇明确指出这种范式转移势在必行,他总结道:“We're going to talk about my and many of your frustrations with a text only interface, and how we believe that all of the interfaces will soon have some sort of AI behind them, and you can do a whole lot more with it.”

---

[01:25](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=85s) MCP Apps:用富图形界面打破对话“文本墙”

Ido Salomon 正式阐释了 MCP Apps 的诞生初衷:它是 Model Context Protocol(MCP)的官方扩展规范,专门用于通过 MCP 实现可交互的应用界面,标准化了向客户端分发 UI 的方式以及客户端与 UI 之间的双向通信协议。为了让观众直观感受其威力,Ido 现场模拟了一个典型的工作场景:假设一位产品经理希望了解自身产品的漏斗(Funnel)转化现状并询问智能体。在传统架构下,Agent 会通过 API 调用 PostHog 这类数据分析工具,然后返回一段密密麻麻的文字解释;虽然这段文字事实完全准确,但面对令人窒息的“文本墙”,用户根本无法在短时间内直观理解业务究竟发生了什么。

而在 Claude 与 PostHog 同时支持 MCP Apps 的全新体系中,用户只需向 Agent 发出“展示给我看(show me)”的简单指令。尽管现场翻页笔一度出现微小故障,但投屏立刻展示出了震撼效果:屏幕上不再是干瘪的文字,而是直接嵌入了由 PostHog 生成的交互式 UI 组件,不仅完整保留了 PostHog 自有的品牌调性与产品体验,还让用户一眼就能看清整个漏斗的数据走向。

更重要的是,MCP Apps 的交互能力并不仅限于宿主应用中硬编码的预定义组件,它同样允许模型“放飞自我”,即时动态生成全新的定制 UI。例如,当用户要求智能体解释什么是转化漏斗时,模型不必费尽口舌输出长篇理论,而是可以直接流式渲染出一个图文并茂的动态教学卡片。这种生成式卡片不仅具有观赏性,还内置了双向交互逻辑:如果用户对漏斗的特定阶段感到好奇,完全无需再费尽心思组织复杂的提示词去继续追问,只需点击该卡片上嵌入的操作按钮,组件便会主动向背后的 Agent 发送新的 prompt,自动推进后续业务流并呈现所需的详细拆解。

Ido Salomon 在阐述该协议的技术定位时强调:“It's how we do interactive apps over MCP, standardizing transmission of UI to clients and the communication protocol between clients and UI.”

---

[04:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=253s) 从单体应用到 Agentic Web:重构人机与智能体交互

Ido 引导全场观众从技术细节中抽身出来,站在更高的维度重新审视这一变革:生成式 UI 绝不仅仅意味着“把聊天框做得更漂亮”,它实际上代表着一种人机与互联网交互的全新底层范式。在传统 Web 时代,即便是筹划一次周年纪念活动这种相对清晰的任务,用户也必须在十几个互不相连的网站之间频繁切换,分别搞懂如何在特定平台上订餐、订花或预订酒店客房。

传统网页和应用之所以设计得极其繁杂,本质原因在于它们是专为人类设计的。作为网站开发者,在用户访问页面之前完全无法预知这位人类究竟想做哪一步操作,因此唯一的办法就是将所有可能的操作、过滤条件和导航栏无差别地倾倒在同一个屏幕上,试图通过极其复杂的信息架构让用户自行消化。然而,一旦把这些庞大臃肿的单体界面拆解开来就会发现,智能体和人类有着根本性的差异——Agent 已经明确掌握了用户的意图,因此它根本不需要完整的网站,而只需要按需抽取界面碎片,例如仅提取一张地图视图、一个特定酒店的结算按键或一组鲜花选购组件,直接拼装组合并呈现在当前上下文中。

在这种基于 MCP Apps 的智能体驱动型交互流中,用户准备行程的过程被极度精炼:屏幕上只会依次浮现出最关键的日期挑选界面、鲜花购买模块和客房卡片。此外,智能体还能彻底摆脱已有第三方应用的束缚,根据当前流程中欠缺的部分随手生成一段全新的微型 UI,在单一对话内无缝缝合起一整套端到端闭环体验。

Ido Salomon 一针见血地指出了传统界面的病因与智能体时代的解法:“And the reason that they're so complex is that they're meant for us humans. And you don't know as a website, what do you mean is actually trying to do. So you just push everything that the human might do into one screen, and you need to simplify it or build it in some complex way.” 他随后对比道:“Agents aren't like humans. Agents know exactly what you want to do so they can take just what they need.”

---

[06:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=374s) UI 的三层光谱与智能体分发生态的爆发

Ido 进一步梳理了当前正在演进的“UI 光谱(Spectrum of UI)”,将其清晰划分为三个层级: 1. **预定义 UI(Predefined UI)**:如同现场演示的 PostHog 现成组件,本质上是开发者在既有应用中构建好的标准 Web 界面。 2. **声明式 UI(Declarative UI)**:由智能体输出声明式的数据结构,仅描述所需组件的类型与层级(如按钮、列表、表单),交由宿主前端根据自身设计规范来负责具体渲染。 3. **完全生成式 UI(Generative UI)**:如同 Claude 的 Artifacts/Canvas 机制,模型完全从无到有即时生成界面,直接把流式 HTML 代码渲染到当前画布或窗口中。

MCP Apps 的精妙之处在于它对具体渲染何种形式的内容保持完全中立(Agnostic)。这种无感知特性赋予了它与其他协议极强的互操作性:即将登场的 A2UI 与 AG-UI 不仅可以直接渲染在 MCP Apps 内部,反过来 MCP Apps 也可以作为独立组件被这些框架与协议灵活渲染,从而在聊天环境中激发出极其丰富的动态体验。

更令人振奋的是整个生态的发展速度。MCP Apps 已经不再停留在概念验证阶段,OpenAI、Anthropic(Claude)和 Google(Gemini)等主流宿主均已提供原生支持;仅在 ChatGPT 生态内,就已经涌现了来自 Walmart、Salesforce 等各行业巨头的逾 500 款集成应用。它正在成为移动互联网之后最重要的新一代应用分发阵地(App Distribution Surface)。

Ido 列举了一组惊人的规模对比数据,呼吁在场开发者尽早重构产品: - ChatGPT 目前拥有 10 亿周活跃用户(WAU),占全球总人口的约 12%;加上 Gemini、Claude 及其他 AI 聊天入口,整体用户规模更为庞大。 - 这一用户体量已达到苹果 App Store 在 2008 年刚上线时规模的 160 倍以上。 - 开发者必须转换核心思路:过去我们思考“为什么要做一个独立 App”,而今天在面向智能体的网络(Agentic Web)下,必须正视一个根本转变——当访问网站的终端消费者不再是人类双眼,而是代表人类决策的 Agent 时,如何将既有产品解耦为可复用的组件网状服务,实现“一次构建,全网运行”。

Ido 深刻地告诫开发者必须重新审视流量入口的本质转移:“It's what happens when users stop being the people that see my website. It suddenly becomes agents.”

---

[09:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=554s) A2UI 登场:安全、解耦与远程智能体网络

随着 Ido 结束演讲,Alan Blount 重新接麦,详细介绍了 Google 主导的 A2UI(Agent-to-UI)协议。Alan 回顾了自己的技术履历:在投身智能体构建平台之前,他曾担任了整整 20 年的全栈 Web 应用程序开发者,随后在 Google Cloud 长期深耕机器学习工程。他透露,A2UI 的背后是一个融合了 Google 内部多个团队力量的混合协作组,整个项目已经持续秘密攻关并迭代了两年以上。

A2UI 旨在系统性攻克当前智能体落地过程中的三大核心难题: 1. **跨边界与网格通信**:如果智能体仅存在于本地前端单体中,处理起来尚算简单;但当业务演变为由外部远程智能体或智能体网络(Mesh of Agents)协同配合时,跨系统的 UI 表达与消息传递极为脆弱。 2. **真正的生成式 UI(True Generative UI)**:如何在不牺牲设计一致性与交互深度的前提下,让模型自主生成符合规范的界面。 3. **安全端到端分发**:如何跨越不同的安全域、访问控制列表(ACL)和多租户权限体系,将生成的 UI 安全无虞地投递给身处任意环境的终端用户。

```mermaid flowchart LR accTitle: A2UI Message Passing Architecture accDescr: Diagram showing how an end-user UI connects through a backend orchestrator to remote agents using A2UI payloads.

subgraph Client ["客户端层"] FE["前端设计系统 / UI"] end

subgraph Local ["本地控制层"] BE["后端服务 / 编排器"] LA["本地子智能体"] end

subgraph Cloud ["远程智能体网络"] RA["第三方远程 Agent"] end

FE <-->|"安全数据通道"| BE BE <-->|"本地调用"| LA BE <-->|"A2UI 消息载荷"| RA ```

为了从根本上解决跨远程实体通信中的安全和授权难题,A2UI 确立了一个核心原则:**将用户界面彻底视为声明式纯数据(Treat UI as data)**。只要 UI 在本质上只是一串可被安全校验的数据结构,实体之间便可以通过经过权限加固的标准消息传递机制进行安全交互。

在简单的本地场景中,前端与后端直连,后端或本地子智能体生成符合 A2UI 规范的消息并推送给前端解析渲染;但在更为复杂的多智能体网格协同场景下,真正的 UI 可能是由完全隔离在外部系统中的第三方远程 Agent 生成的。由于 A2UI 消息本质上只是普通的消息载荷(Message Payload),中间的编排器(Orchestrator)无需关心复杂的渲染逻辑,只需像透传普通数据一样安全地将其转发至前端。此外,A2UI 对传输层完全解耦,无论是基于传统的 REST、WebSocket,还是配合 AG-UI 或 MCP 协议,均能即插即用、无缝兼容。

Alan Blount 总结了将 UI 解耦为可序列化数据的必要性:“So we really needed a way to do message passing across these entities in a way that we could secure to treat UI as if it was just data.”

[12:06](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=726s) 声明式生成 UI 与可变界面的运行机制

生成式 UI(Generative UI)在架构实现上并不依赖工具调用(Tool Calling),而是完全基于结构化输出。团队之所以选择 JSON-LD 作为底层格式,是因为绝大多数大语言模型对 JSON 语法天然具备极高的解析与生成水准;虽然业界存在其他声明式 UI 格式,但这是目前最切合实际的选择,未来也会保持演进弹性。在该架构中,LLM 会根据任务需要将一个或多个组件组装成被称为“表面”(Surface)或小部件(Widget)的交互布局,并通过流式分块(Streaming Chunks)的方式向表面填充数据或注入变量。这种机制不仅带来了出色的用户体验,还赋予了前端高度的动态灵活性。

```mermaid flowchart LR accTitle: A2UI Declarative UI Flow accDescr: 展现从模型生成 JSON-LD 声明式描述到前端 Surface 渲染并支持 Agent 动态变更的完整流程。

subgraph LLM_Side["模型与编排层"] A["LLM 结构化输出<br/>(JSON-LD)"] B["组装 UI 组件<br/>(Components)"] end

subgraph Client_Side["客户端渲染层"] C["流式传输分块<br/>(Streaming)"] D["表面水合与挂载<br/>(Surface / Widget)"] E["可缓存/可配置应用<br/>(Agent 动态变异)"] end

A --> B B --> C C --> D D --> E ```

演讲者特别强调了“可缓存且可配置的 UI(Cacheable Configurable UIs)”这一潜力巨大的应用场景:整个应用界面本身是预先构建并完全配置好的,但 Agent 可以随时根据用户的实时需求介入并对其进行变异(Mutate)。用户只需向 Agent 发出一条自然语言指令,就能直接修改某个按钮或调出原本未展示的操作,从而完全掌控界面的形态。

> “That means you can customize your whole application just by asking your agent to change a button or I never need this thing before.” —— Alan Blount

---

[13:46](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=826s) 设计系统即契约与跨设备渲染愿景

在组件生态的搭建上,团队将原本称为“标准目录”的叫法更名为“基础目录(Basic Catalog)”,其中内置了开箱即用的基础组件以便开发者快速起步。但真正的核心诉求是拥抱开发者既有的前端资产。企业无需推倒重来,其既有的 Material Design 或专有设计系统中的各类按钮、图表与复杂动态组件,都可以直接被 Agent 调度和组装,并接入业务侧的各类数据集。

前端向后端声明自身支持的组件清单,便形成了一份严格的“前后端契约”(Client-Backend Contract)。客户端所宣告的能力边界,决定了远端 Agent 能够调用的组件范围。此外,尽管当代开发大多集中在 Web 浏览器,但用户的生活工作场景横跨笔记本电脑、智能手机、平板电脑、电视乃至智能手表。因此,这套声明式 UI 标准的设计目标从一开始就是多端通用的,Google 内部以及部分拥有定制渲染管线的企业客户,目前都在积极探索将其无缝运行在各种独立介质上的标准化方案。

> “You already have a design system. You already have a front end. You don't need to change that.” —— Alan Blount

---

[16:00](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=960s) 深度防御:从组件隔离根绝安全隐患

UI 的表面层之所以至关重要,核心在于安全防御。Agent 场景下面临着诸多全新的攻击面: - **数据外泄(Data Exfiltration):** 恶意构造的图像渲染可能导致 Agent 在无意中泄漏敏感数据。如果图像组件完全受控于自研库,并对传入的值进行了结构化解耦,就能在前端构建起坚固的防御屏障。 - **点击劫持与隐藏表单:** 攻击者可能在正常的点击目标内潜伏隐形表单。唯有从底层严格掌控组件库系统的渲染逻辑,才能彻底化解此类隐患。 - **供应链攻击(Supply Chain Attacks):** 通过收紧前端暴露给后端的组件目录,将客户端作为准入凭证的发起方,实现多层级的纵深防御(Defense in Depth)。

这种以客户端为绝对主导的安全契约,确保了即使后台的 Agent 或链路上存在不确定性,客户端界面也始终处于严密防线之内。

> “Security is one of the aspects we're all familiar with data exfiltration and rendering an image that allows an agent to accidentally leak data that's a lot easier to protect against if you're in control of what the image component is, and if you have structured out or decoupled the values for that image, you have layers of defense similarly.” —— Alan Blount

---

[17:15](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1035s) A2UI 落地现状、生态渲染器与 1.0 路线图

当前 A2UI 已经沉淀出了一套处理底层管道与消息传递的核心库,并针对不同技术栈官方维护了多套渲染器: - 涵盖 Web Components(Lit)、Angular、React 以及 Flutter,均由各大框架的核心团队亲自参与维护与贡献。 - 具备实时自动纠错工具(Tooling),当模型生成的结构在网络链路中出现微小瑕疵时,能够就地自动修复。 - 在落地应用方面,A2UI 现已在 Gemini Enterprise、Google Opal 以及多款内部核心工具中正式上线,并正与 MCP Apps 开展示范性混合实验。

在演进路线上,团队将“稳定性”视作第一准则,计划在近期引入新特性后于第三季度冲击 1.0 正式版,以提供长期支持(LTS)。此前系统重点在于打通链路,0.9 版本已在易用性上迈出坚实步伐,后续还将持续降低开发门槛、大幅优化开发者体验(DX)。

> “Stability is a big concern for me. I really want this to get to a 1.0 release this year so that we can have long term support and feel very consistent and stable on it.” —— Alan Blount

---

[19:50](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1190s) CopilotKit 登场:AG-UI 协议与被打破的请求-响应范式

Alan 随后邀请 CopilotKit 联合创始人兼 CEO Atai Barkai 登台。CopilotKit 专注于打造面向交互式智能体(User Interactive Agents)的开发者底层基础设施,定位于连接 Agent 内部世界与前端终端应用的关键纽带。如今其每周在生产环境中支撑着数千万次 Agent 与用户的交互,客户覆盖 Cisco、DocuSign、Function Health、Deutsche Telekom,以及全球 50 强与 Fortune 500 的多数企业。同时,CopilotKit 也是 AG-UI 协议的发起者,该协议由其与 LangChain、CrewAI 联合探索演化而来,现已获得 Google、AWS、Microsoft、Oracle 以及 Ag2、Pydantic 等主流 AI 框架的广泛支持。

```mermaid flowchart TD accTitle: Modern Agent Interaction Complexity accDescr: 对比传统 Web 的单次请求响应与智能体多维度、流式、双向干预交互的区别。

subgraph Traditional["传统架构 (过去 30 年)"] R1["单次 Request"] --> R2["单次 Response"] end

subgraph Agentic["Agent 交互模式 (打破范式)"] A1["长周期流式输出 (Streaming)"] A2["会话断线重连 (Reconnection)"] A3["运行中途人工干预 (Mid-run Steering)"] A4["结构化与非结构化混合<br/>(Tool Calls / State / 文本 / 语音)"] end ```

Atai 提出了核心论断:“未来几年内,所有的 UI 都将变成 AI(All UI will be AI)”,人机交互将不可逆转地由 Agent 全面介入。无论是 HubSpot、Figma 等复杂工作流,还是 Cursor 等生产力工具,甚至包括智能冰箱——用户路过冰箱时随口一句“帮我把今晚做千层面缺的食材买齐”,系统就能自动调取状态并下单。

然而,构建这类交互式界面的难度极大。最根本的症结在于:Agent 彻底打破了统治互联网 30 年之久的“请求-响应(Request-Response)”机制。它在软件工程体系中犹如一只“特立独行的怪鸟”:运行周期极长、需要支持持续流式输出与断线重连、必须允许用户中途动态介入转向(Mid-run Steering),并且还要在传递非结构化文本和语音的同时,并发处理工具调用与底层应用状态的双向同步更新。

> “And the reason is we believe over the next few years all UI will be AI, which means that over the next few years, all interactions between people and technology are going to become increasingly mediated by agentic systems.” —— Atai Barkai

> “And the core reason is that agents break the request response paradigm that's been powering the internet for the last 30 years, right.” —— Atai Barkai

[22:52](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1372s) CopilotKit 与 AG-UI:构筑 Agent 时代的第三条腿

Atai Barkai 指出,在构建通用 Agent 应用程序时,开发者面临着诸多困难与挑战,而这正是 CopilotKit 与 AG-UI 协议的用武之地。CopilotKit 提供了开源开发者 SDK 以及可自托管的云端服务,专门针对 Generative 范式进行优化,而不是从传统的“请求-响应”(Request-Response)架构中生搬硬套。AG-UI(Agent User Interaction 协议)则让构建 Agent 框架与运行套件(Harnesses)的开发者能够遵循一套稳固的标准,将任意 Agent 后端无缝连接至任意自定义的前端界面。

在整体技术版图中,Atai Barkai 将 AG-UI 定位为关键拼图:“AG-UI is the third leg of this triangle connects your agents to user facing services.”(AG-UI 是这个三角形的第三条腿,负责将你的 Agent 连接到面向用户的服务)。整个生态的连接关系非常明确:MCP 负责将 Agent 连接到工具与上下文,A2A(Agent-to-Agent)负责 Agent 之间的相互通信,而 AG-UI 则补全了直面用户的关键交互路径。尽管目前 AG-UI 的主战场在 Web 端,但它正在迅速扩展支持 Slack、WhatsApp、移动端等各类前端服务。

```mermaid flowchart TD accTitle: Agent 生态交互协议三角关系 accDescr: 展示 MCP、A2A 与 AG-UI 分别连接工具上下文、其他 Agent 以及面向用户服务的三角架构

subgraph AgentCore ["Agent 核心后端"] A["Agent Framework / Harness"] end

subgraph Ecosystem ["连接生态三要素"] T["工具与上下文<br/>(Tools & Context)"] O["其他 Agent 系统<br/>(Other Agents)"] U["面向用户服务<br/>(Web / Mobile / Slack / WhatsApp)"] end

A -->|"MCP"| T A -->|"A2A"| O A -->|"AG-UI"| U ```

- CopilotKit 提供专为生成式交互设计的开源 SDK 及自托管 Cloud 基础设施。 - AG-UI 标准化了 Agent 后端与前端交互的通信协议,吸收了跨端兼容的复杂度。 - 广泛覆盖终端宿主:从现代 Web 界面扩展到 Slack、WhatsApp 及原生移动应用。

---

[24:16](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1456s) Generative UI 光谱:从受控、声明式到完全开放

Atai Barkai 强调,在与行业头部企业合作数年后,他们得出了一个明确的结论:“What's become very clear to us, working with all these top leaders over the past couple of years is that no single generative UI solution is good for all different use cases, and generative UI solutions really live on a spectrum that extends from more control to fully open ended.”(过去几年与这些顶尖行业领导者的合作让我们非常清楚地认识到,没有任何单一的 Generative UI 方案能够适用于所有用例,Generative UI 实际上存在于一条从‘强控制’延伸到‘完全开放’的光谱之上)。AG-UI 全面支持这条光谱上的所有范式,使开发者可以随需选用。

这条光谱主要由三大支柱构成: 1. **受控式 Generative UI(Controlled Generative UI)**:开发者预先构建一系列精细的组件,Agent 在需要渲染界面时按需调用。演示中,用户提问按分类查看收入,系统并没有返回冗长难懂的文本段落,而是直接呼叫 React 中的 `useComponent` 钩子,渲染出一个高保真的饼图。Atai Barkai 调侃道:“To some extent controlled generative UI is the most boring part of this spectrum, but it does give you pixel perfect designs and maximal determinism, which makes it a really great fit for the few most used surfaces in your applications.”(在某种程度上,受控式 Generative UI 是光谱中最无趣的部分,但它能带来像素级精准的设计和最大化的确定性,因而非常适合应用中那些使用频次最高的核心界面)。比如航空公司展示航班卡片时,像素级还原与绝对确定性不可妥协,这使它成为工作流中最扎实的“驮马”。 2. **声明式 Generative UI(Declarative Generative UI)**:以 A2UI 为代表,开发者声明一套类似乐高积木的基础组件库(Component Catalog),Agent 根据用户意图即时将各个小积木动态拼装为复合界面。例如用户索要一份包含营收与客户流失的销售仪表盘,Agent 就会现场将标题卡片、饼图、柱状图组合为一个完整的看板。开发者仅需定义组件的数据 Schema 及前端 React Renderer,即可通过 AG-UI 与 A2UI 的握手完成集成。尽管它牺牲了一定程度的像素级完美与绝对确定性,但它能以一次性的组件定义换取对长尾提问的极其宽泛的支持,是消费级应用长尾需求以及追求开发效率的企业内部应用的理想选择。 3. **完全开放式 Generative UI(Open-Ended Generative UI)**:前两种模式在构建期(Build time)就已经限定了 UI 的外形范围,而开放式 UI 则彻底打开大门,允许 Agent 实时展示任何内容,通常依托安全的 iframe 沙盒来渲染。它细分为两类:一是前文演示过的 MCP Apps,专门用于将第三方外部工具直接接入应用;二是现场实时生成完整的自定义 HTML。现场演示了一个极端案例:用户需要一个特定外观、特定算式的定制计算器,Agent 直接在沙盒中实时生成代码并完成装配,尽管生成速度稍慢、确定性稍低,但最终交付了一个“先前没有任何人预先设计过”的功能完备的交互组件。在全栈 Agent 中,开发者只需提供 MCP App 的 URL 并开启标志位即可立刻获得此项能力。

| 模式 | 定义机制 | 确定性与设计度 | 核心优势 | 典型适用场景 | |:--- |:--- |:--- |:--- |:--- | | **受控式 (Controlled)** | 预先编写高保真专用组件,由 Agent 按需调用传参 | 像素级精准,绝对确定性 | 稳定性最高,品牌一致性无损 | 最核心、高频次页面(如航司航班卡片、核心报表) | | **声明式 (Declarative / A2UI)** | 预先定义基础积木库(Catalog),Agent 动态编排组装 | 牺牲部分精确度,确定性适中 | 一次定义支持海量长尾组合,成本极低 | 消费应用长尾查询、企业内部系统集成 | | **完全开放式 (Open-Ended)** | 引入 MCP Apps 或在沙盒中实时生成完整自定义 HTML | 确定性低,依赖 LLM 现场发挥 | 能实现无法预设的完全自定义功能,生态复用性强 | 第三方应用引入(ChatGPT/Claude 级集成)、高度特化即时工具 |

---

[30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) 从“网站导航”到“意图经济”:企业界面的根本性重构

接续技术光谱的探讨,AKQA(WPP 集团旗下创意与技术代理商)EMEA 区首席技术官 Nicolas Le Pallec 登台,从大型企业和商业品牌的视角剖析为何必须投身 Generative UI。Nicolas 指出,数字体验正在经历一场二十年来未曾有过的结构性大转移:“For the past 20 decades, we have built websites which were optimized around navigation.”(过去我们构建的所有网站,都是围绕‘导航’(Navigation)进行优化的)。用户不断点击、浏览静态页面,企业后台据此反向推导用户意图并提供个性化内容。

然而,这一交互范式正在被彻底颠覆:用户如今往往直接在 ChatGPT 或 Gemini 等大模型内完成前期的产品与服务探索,当他们真正进入某个具体网站时,心里已经带着极度明确的目标。如果这个网站的页面无法直接给出目标答案,用户会毫不犹豫地切回大模型继续搜索。“So navigation is not enough anymore. We need solutions that can adapt.”(因此,仅靠导航已经不够用了,我们需要能够自适应的解决方案),Nicolas 如此强调。

这标志着我们正式跨入了“意图经济”(Intent Economy)。意图经济有三大支柱: 1. **意图成为第一信号**:用户的真实意图直接驱动交互,而不再依赖页面行为的被动推导。 2. **自适应与动态组装系统**:界面必须根据意图实时装配,告别僵化写死的静态布局。 3. **重塑用户信任**:系统直接捕获并回应用户的真实意图,不再依靠暗中追踪和猜测用户行为来做推荐。

面对意图成为核心信号这一现实,企业面临的核心痛点在于:人类的意图往往丰富、混乱而充满微妙细节,企业系统根本无法直接处理如此混沌的输入,必须将其转化为结构化意图(Structured Intent)。Nicolas 引入了 1990 年代经典的“Jobs-to-be-Done”(JTBD)理论框架,将人类意图拆解为三个不可或缺的维度: - **功能层面(Functional)**:客观具体的诉求,如寻找的产品、尺寸、颜色、具体参数。 - **情感层面(Emotional)**:内心的心理状态,包括决策时的置信水平、感受到的风险高低、需求的紧迫程度。 - **社交层面(Social)**:人际交互与职场环境的影响,如希望在他人眼中如何被看待、组织内的政治博弈、所承受的外部压力。

真实商业决策正是功能、情感与社交三者的综合体。为了具体演示如何在后台捕获这些结构化意图并驱动自适应 UI,Nicolas 引入了名为“Synthesis”的虚构品牌案例(基于真实的金融客户保密项目重构),这是一个帮助银行、金融科技与电商在支付层拦截欺诈的风险检测平台。紧接着,Nicolas 准备深入展示后台是如何精准捕获未来客户的结构化意图。

[33:48](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2028s) 意图解构与“意图到界面”(Intent to Interface)的三层架构

在展示具体生成效果前,演讲者以一位初创企业新任首席安全官(Security Officer)为例,说明系统如何理解复杂的业务背景。面对近期跨境支付激增带来的安全挑战,Gemini Agent 会将访问者的意图精细拆解为功能、个人与情感、以及社交三个维度:从功能角度看,他正在寻找反欺诈解决方案;从情感维度看,他需要在决策中感受到自身专业能力的掌控感;从社交维度看,团队可以合理推测他承受着来自公司领导层的巨大决策压力。系统借此生成一个“意图对象”(Intent Object),精准匹配合适的产品卖点、沟通语调(Tone of Voice)以及所需的体验设计。

为了将意图平滑转化为界面,整套系统构建了三层清晰解耦的架构:第一层是**解释层(Interpretation Layer)**,负责捕获并剖析上述多维意图;第二层是**品牌与企业大脑(Brand Brain)**,这里不仅包含存储所有产品数据的向量数据库(Vector Database),还融合了记录复杂企业上下文的知识图谱(Knowledge Graph),以及负责企业合规与法务审查的专用治理层;第三层则是**生成式界面层(Generative Interface Layer)**,负责接收大脑输出的“已验证内容对象”(Validated Content Object),在设计系统约束下实时挑选组件、拼装布局并注入内容。演讲者强调,这种严格分层至关重要:“The separation is very important because we want enterprises to be able to control this system.”(这种分工隔离非常重要,因为我们希望企业能够对系统拥有掌控权),彻底避免了大模型在黑盒中仅凭 Prompt 随意发挥而失控的隐患。

```mermaid flowchart TD accTitle: 意图到界面的三层生成架构 accDescr: 展示从用户输入意图,经解释层、企业大脑层,到最终生成式界面组件拼装的全流程。

subgraph InputStage ["意图输入与解析"] A["用户意图输入"] --> B["解释层 Gemini Agent"] B --> C["意图对象 (功能/情感/社交)"] end

subgraph BrainStage ["企业品牌大脑 (Brand Brain)"] C --> D["向量数据库 (产品数据)"] C --> E["企业知识图谱 (上下文)"] C --> F["合规与法务审查层"] D & E & F --> G["已验证内容对象"] end

subgraph UILayer ["生成式界面层"] G --> H["设计系统组件库 (Design System)"] H --> I["动态拼装布局 & 注入内容"] I --> J["最终呈现给用户的自适应页面"] end ```

- **意图对象的三维解析**:功能需求(寻找欺诈识别解决方案)、情感需求(在选择中获得胜任感与信心)、社交维度(承受管理层压力与组织期待)。 - **企业大脑(Brand Brain)三大核心资产**:产品向量数据库、上下文企业知识图谱、法务合规治理引擎。 - **设计系统边界**:前端组件的排版和渲染必须严格限定在现有设计系统(Design System)规范内,防止 UI 样式破裂或违背品牌视觉标准。

---

[36:03](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2163s) 动态网页实机演示:从防欺诈转化到极速响应

在现场实机演示中,演讲者展示了一个名为 Synthesis 的网站首页。该页面原本具备标准的 Hero 区域、产品介绍和独特卖点(USP),但页面顶部新增了一个让访客直接输入真实诉求的“意图输入框”。当一位潜在客户输入希望“在不损害交易转化率的前提下提升欺诈检测能力”(improve fraud detection without hurting conversion)时,后台各层与企业大脑迅速联动,现场为该客户即时生成了一个全新的解决方案落地页。

这个动态生成的页面并非随意拼接,而是精准匹配了该意图:系统调用设计系统中的专业组件,重新编排了能够打消转化率顾虑的说明文案、挑选了与平衡风控和转化率相关的具体投资回报率(ROI)测算数据,并自动插入了切合当前主题的客户评价引用。紧接着,演示展示了完全不同的第二个意图——另一位访客遭遇了突发性的欺诈交易激增,输入希望能“在数周内而非数月内迅速遏制欺诈潮”。系统瞬间识别出了背后的极端紧迫性以及强烈的情感压力,生成的页面不再冗长展开细节,而是直接精简结构,聚焦并高亮指引客户采取“下一步最佳行动”(Next Best Action)。

- **场景 A(平衡转化与风控)**:生成包含 ROI 测算模型、特定反欺诈机制分析及对应背书引用的长篇定制方案页。 - **场景 B(突发危机极速止血)**:捕捉紧迫情感,省略繁复介绍,直奔快速部署路径与即时对接入口。 - **内容重写机制**:页面上呈现的所有文本均由企业大脑在真实业务知识库支撑下重写,但底层的 UI 骨架严格来自前端标准组件库。

---

[38:07](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2287s) 业务颠覆与总结:从静态页面转向实时推理与生成的动态 Web

这套基于意图的动态界面生成方案彻底改变了企业与潜在客户的对接方式。演讲者分享了合作团队的切身体会:在引入这套系统之前,该团队为了应对潜在客户提出的定制化诉求,需要人工编写长达数十页的定制化 PDF 方案,平均耗时超过 6 个小时;而现在,网站能够在数十秒内直接在前端界面上即时渲染出量身定制的完整响应。

这种提速不仅抹平了以往制作离线物料的人力与财务开销,更重塑了销售与咨询的漏斗起点。正如客户团队对他们所说的那样:“We are no longer spending hours preparing responses. We can focus on the strategy discussion from the start.”(我们不再需要耗费数小时去准备初步答复,而是能从一开始就将精力集中在战略层面的深入探讨上)。演讲者最后向在场的企业技术负责人发出倡议:未来的 Web 基础设施正在被重定义,传统的固定目录与导航正在被实时意图所取代,固步自封的静态页面必须进化为能够根据上下文实时感知、推理并自动组合界面的动态系统。

- **效率对比**:人工制作专属 PDF 方案需 6 小时以上;生成式 UI 方案在网站端实时生成仅需数秒至数十秒。 - **销售模式变革**:从“售前资料搜集与排版拼凑”转变为“首日即切入商业战略对话”。 - **架构范式转变**:网站不再是预先固化的静态页面仓库,而是具备“理解(Understand)、推理(Reason)、实时组合(Compose in real time)”能力的自适应智能引擎。

---

[39:20](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2360s) Alan Blount 总结:开源共建与 2026 生成式 UI 的未来愿景

演讲尾声,Google Cloud 的 Alan Blount 重新登台致谢。他感慨能够与今天同台的各位前沿探索者、背后的工程团队以及现场观众共同推进这项新技术是一项巨大的荣幸与喜悦。虽然大家各自研发出了坚实的基础技术与核心能力,但构建下一代全新形态的 Web 生态必须依靠生态系统的紧密协作。

Alan 在屏幕上展示了一个调研表单的二维码,邀请所有人匿名填写对于 2026 年生成式 UI(Generative UI)项目的期望与诉求。他透露,涵盖 A2UI、AG-UI 以及 MCP Apps 的各核心团队目前保持着至少每月一次、通常更为频繁的跨团队协作机制,并将在 2026 年持续推进相关标准的融合。Alan 诚挚地呼吁大家共同参与定义未来:“We are solving our problems and the problems that we see and the problems that we hear from you, but this is an opportunity. Please tell us what you want. We are all in this together.”(我们正在解决自己遇到的问题、我们所观察到的问题以及从大家那里听到的问题,但这是一个难得的契机。请告诉我们你们真正想要什么,我们在这项事业中休戚与共)。会议结束后,各项目团队核心成员也在会场外走廊设立交流点,继续与全球开发者进行深入探讨。

- **反馈征集**:提供匿名问卷(可自愿留下联系方式),收集开发者与企业在 2026 年对生成式 UI 项目(Generative UI projects)的实际功能诉求。 - **跨团队协同频度**:各标准与协议牵头团队保持每月至少一次或更高密度的联合研发例会。 - **开放交流**:演讲团队在分论坛结束后移步走廊(Hallway Track),现场解答关于 A2UI、AG-UI 与 MCP 集成落地的工程技术细节。

## Notable quotes > [19:50](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1190s) And the core reason is that agents break the request response paradigm that's been powering the internet for the last 30 years, right. — Atai Barkai

> [04:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=253s) Agents aren't like humans. Agents know exactly what you want to do so they can take just what they need. — Ido Salomon

> [30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) So navigation is not enough anymore. We need solutions that can adapt. — Nicolas Le Pallec

> [13:46](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=826s) You already have a design system. You already have a front end. You don't need to change that. — Alan Blount

## Mentioned Alan Blount, Atai Barkai, Ido Salomon, Nicolas Le Pallec, Google Cloud, Google Cloud Next 2026, A2UI, AG-UI, Model Context Protocol, MCP Apps, CopilotKit, Gemini Enterprise, Google Search, PostHog, Claude, ChatGPT, OpenAI, Anthropic, Walmart, Salesforce, App Store, LangChain, CrewAI, AWS, Microsoft, Oracle, Ag2, Pydantic, Cisco, DocuSign, Function Health, Deutsche Telekom, HubSpot, Figma, Cursor, Slack, WhatsApp, React, Angular, Flutter, Lit, Web Components, Material Design, Google Opal, AKQA, WPP, Synthesis

## Video description The future of the web isn’t just interactive – it’s adaptive. Break the “chat wall” with agents that customize UIs for any context. Join the core teams behind A2UI, a native-first standard that treats UI as declarative data for ultimate security and performance, establishing your design system as the “trust catalog.” This session also features CopilotKit’s CEO discussing AG-UI, which connects all frontends and agent backends, and one of MCP Apps’ co-creators promoting agent UI standardization everywhere. Learn when to choose which approach for brand-consistent, agent-driven, and agent-generated design. Discover how this powers Gemini Enterprise, Google Search, and the future of the agentic web.

Watch more Google Cloud Next 2026 Sessions → https://goo.gle/gcloud-next-2026 Subscribe to Google Cloud Tech → https://goo.gle/GoogleCloudTech

Speakers: Alan Blount, Atai Barkai, Ido Salomon, Nicolas Le Pallec

BRK2-094 #GoogleCloudNext

[Source](https://www.youtube.com/watch?v=UsMDkEsR-ok)

中文简报

谷歌与CopilotKit树立生成式UI标准,旨在取代静态网页 随着用户转向推理引擎,传统的网站导航体系正在瓦解,迫使企业放弃静态页面,转而采用根据访客明确意图动态组装的声明式组件目录。 演讲嘉宾阐述了交互式生成式UI如何通过将单体网站解构为动态的、由Agent驱动的组件,逐步取代纯文本聊天。Ido Salomon解释了MCP Apps如何在主要AI主机平台间规范图形化UI扩展;Alan Blount介绍了谷歌的A2UI框架,该框架将UI视为声明式数据,利用客户端控制的组件目录来确保深度防御安全。Atai Barkai描绘了AG-UI协议以及CopilotKit的三层生成光谱——受控型、声明型以及开放式沙箱接口,用于连接Agent后端与各类前端。最后,Nicolas Le Pallec展示了企业级架构如何解析多维人类意图,以实时构建高转化率的定制网页布局。 Agent驱动的网络正在通过新兴的开放标准从纯文本聊天转向生成式UI,这些标准包括用于跨平台应用渲染的MCP Apps、用于前端至Agent流式传输协议的AG-UI,以及用于声明式UI负载的谷歌A2UI。 (0:13) 谷歌的A2UI将动态UI视为映射到客户端组件目录的声明式结构化JSON-LD数据,对点击劫持和恶意脚本执行实施深度防御安全保护。 (12:06) 生成式用户界面沿着三层光谱运作:用于像素级完美确定性流程的受控UI、用于可组合组件目录的声明式UI,以及用于动态生成和MCP工具的开放式沙箱执行。 (24:16) 企业案例研究表明,意图驱动的动态页面生成可以取代传统的静态网站导航层级,将制作定制方案的时间从6小时的人工PDF编写缩减至数秒。 (36:03)

精炼阅读摘要

来自Google、MCP Apps、CopilotKit与AKQA的技术领袖指出,AI驱动的智能体正在打破传统Web长达30年的请求-响应模式与分层导航机制;通过A2UI、AG-UI与MCP Apps等开源协议,界面交互正演变为由结构化数据驱动、兼顾确定性与动态装配的“生成式UI(Generative UI)”。 瓦解单体网络与请求响应范式 (4:13) Ido Salomon与Atai Barkai指出,纯文本对话界面带来的疲劳感正促使行业向富交互图形界面迁移,而互联网运行了30年的传统“请求-响应”范式已无法匹配具备长周期流式传输、中间干预、网络重连及多模态并发特性的智能体应用。在现有Web生态中,用户完成复杂任务往往需要在十余个互不相通的复杂网站间来回切换;这些单体网站由于无法预知特定访问者的精准意图,被迫将所有功能和按钮堆积在同一页面中。 智能体由于具备对用户意图的精确理解,能够主动拆解复杂的单体站点,仅抽取诸如地图切片、特定日期选择器或即时结账等必要模块,在对话流中即时编排端到端的交互体验。Ido Salomon强调,仅ChatGPT目前每周活跃用户就已达10亿,已托管沃尔玛和Salesforce等品牌的500多款应用,其分发规模是App Store上线之初的160倍以上。企业当前的核心挑战不再是开发独立网页,而是将其产品解构为面向智能体分发的标准化端点。 生成式UI的三层光谱与互操作协议 (24:16) Atai Barkai将智能体连接体系概括为一个互联三角:MCP负责工具与外部上下文的连接,Agent-to-Agent协议处理系统间通信,而AG-UI协议则充当连接智能体与用户界面的第三条支柱。面对多样化的企业需求,AG-UI将生成式UI划分为三层连续光谱,使开发者无需修改后端即可按需切换模式。 第一层是“受控生成式UI(Controlled UI)”,前端预先注册并完全控制组件(如React编写的图表),由智能体按需调用,以此保障航班卡片等高频核心场景中百分之百的像素级还原度与确定性。第二层是“声明式生成式UI(Declarative UI)”,以A2UI为核心,企业提供乐高积木式的组件目录,智能体在运行时动态装配布局,在保留品牌一致性的同时实现对长尾场景的广泛覆盖。第三层则是“开放式生成式UI(Open-Ended UI)”,涵盖第三方MCP Apps集成以及在隔离iframe沙盒中实时生成并执行动态HTML/JS代码,专用于生成高度定制且不可预知的临时工具。 A2UI声明式架构与深度防御安全模型 (9:14) Alan Blount介绍了由Google主导开发的A2UI(Agent-to-User Interface)架构。为解决分布式远程智能体通信中的安全与权限边界问题,A2UI将用户界面定义为严格的声明式结构化数据载荷,并务实地采用主流大模型普遍支持良好的JSON-LD格式输出。这一设计实现了传输层解耦,A2UI载荷能够顺畅运行在REST、WebSocket、AG-UI或MCP之上,且原生支持Web Components、Angular、React与Flutter等主流前端渲染引擎,可无缝投射至笔记本、手机、平板乃至智能手表等多端设备。 在安全机制上,A2UI通过“客户端组件目录契约”构建了深度防御体系。由于智能体只能调度客户端明确开放的组件,且原始数据与渲染逻辑被严格隔离,系统有效杜绝了传统生成式UI中利用恶意图像标签进行数据泄露、隐藏表单点击劫持以及第三方UI供应链污染等安全漏洞。Alan Blount透露,A2UI已在Gemini Enterprise及Google内部工具投入生产,并计划在0.9版本优化开发者体验后,于今年第三季度正式推出具备长期支持(LTS)的1.0版本。 从意图解析到企业级界面实时装配 (33:48) Nicolas Le Pallec结合AKQA的企业服务经验指出,由于用户习惯先在大模型中完成前期调研,访问企业官网时通常带着极明确的目的;如果静态页面无法即刻响应该意图,用户便会迅速流失。为处理杂乱的人类意图,AKQA引入“Jobs to Be Done”框架,将输入拆解为功能需求、情感驱动(如对风险的焦虑或紧迫感)与社会动力(如团队决策压力)三个维度,进而生成结构化意图对象。 在底层架构上,系统解耦为三个层次:解释层负责提取多维意图,企业知识大脑(整合向量数据库、知识图谱及法务合规层)提供经验证的业务数据,最后由生成式界面层从设计系统组件库中按规则组装动态页面。在反欺诈平台Synthesis的实际测试中,针对重视业务转化的客户,系统实时生成包含精确ROI统计和客户证言的详尽方案页面;而面对遭遇欺诈激增、要求在数周内止损的高压客户,系统则自动生成删减营销赘述、聚焦核心应急行动的极简版面。该实践将原本需要人工耗费6小时以上制作的定制商业方案,缩短至数秒内在浏览器端实时合成。 演讲者达成共识,生成式UI正推动企业从维护静态网站转向构建具备实时推理与装配能力的动态系统;随着MCP Apps、A2UI与AG-UI等标准的演进,跨组织社区在协议互操作性上的持续协作,将是决定2026年下一代Web交互架构成熟度的关键。

Detailed notes — zh

## Background 该视频由 Google Cloud Tech 官方频道于 2026 年 6 月 25 日发布在 YouTube 平台,属于 Google Cloud Next 2026 大会专题演讲。页面简介指出,本场分享聚焦于打破大模型对话的“纯文本墙”,由 A2UI、AG-UI 与 MCP Apps 的核心团队共同探讨如何将 UI 转化为声明式数据、统一跨端协议,并为 Gemini Enterprise、Google Search 及下一代 Agentic Web 构建自适应生成式界面。 ## TL;DR 演讲系统探讨了人机交互如何从呆板的纯文本聊天迈向可自适应生成的富图形界面(Generative UI)。MCP Apps 的联合创造者 Ido Salomon 首先展示了如何利用开放协议打破“文本墙”,按需抽取并生成组件以支撑智能体网络时代;随后 Google Cloud 的 Alan Blount 详解了 A2UI 协议如何将 UI 视为声明式纯数据,在保障企业级安全与既有设计系统契约的前提下实现多端渲染;接着 CopilotKit CEO Atai Barkai 剖析了打破传统请求-响应范式的 AG-UI 协议及其涵盖受控式、声明式与完全开放式的三层 UI 光谱;最后 AKQA 首席技术官 Nicolas Le Pallec 结合企业真实案例,展示了如何解构多维意图并通过“意图到界面”的三层架构,在数秒内实时拼装出高度定制的自适应 Web 页面。 ## Atmosphere & style 整场技术分享节奏极快且干货密集,四位讲者接力登台,兼具技术底层架构师的严谨与前沿探索者的热忱。现场洋溢着行业底层标准正在重塑的紧迫感与兴奋感,既有讲者风趣口误和翻页笔小意外带来的轻松互动,也有实机演示动态生成页面时给全场带来的震撼。通篇叙事从工程技术协议层层递进到商业与设计哲学的重构,让听众切实感受到软件开发范式从过去 30 年的静态页面彻底迈向动态自适应 Agentic Web 的时代脉搏。 ## Bulletin - [00:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=13s) 大模型交互正从纯文本对话全面转向生成式 UI(Generative UI),涵盖 MCP Apps、A2UI 及 AG-UI 等协议以打破“对话文本墙”,重构面向智能体的人机交互范式。 - [09:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=554s) Google 秘密自研两年以上的 A2UI 协议将用户界面完全视为声明式纯数据(JSON-LD),既解决了多智能体跨网络协同与安全性防御,又支持既有设计系统无缝组装,计划于年内发布 1.0 LTS 版本。 - [22:52](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1372s) CopilotKit 推出 AG-UI 协议连接任意 Agent 后端与前端交互,与连接工具的 MCP、连接智能体的 A2A 形成三角生态,并提出了从受控、声明式到完全开放的三层 UI 光谱。 - [30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) AKQA 展示了面向“意图经济”的三层生成架构,通过将用户意图拆解为功能、情感与社交三维度并结合企业大脑,实现企业定制落地页数十秒内动态实时装配,取代传统 6 小时以上的人工 PDF 制作方案。 ## Key takeaways - [00:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=13s) 纯文本聊天界面正面临严峻瓶颈,人机交互必须跨越到支持双向通信与动态组件渲染的富图形用户界面(Rich GUI)。 - [01:25](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=85s) MCP Apps 作为 MCP 的官方交互扩展规范,标准化了 UI 客户端分发与双向通信,支持在对话流中直接嵌入第三方预定义界面或实时生成教学卡片。 - [04:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=253s) 传统 Web 界面因无法预知人类诉求而极度臃肿,面向 Agent 的网络(Agentic Web)则能按需精准抓取界面碎片并灵活拼装呈现。 - [06:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=374s) 当前 UI 呈现三层光谱:标准预定义 UI、声明式 UI 以及完全生成式 UI;以 ChatGPT 10 亿周活为代表的新流量入口正促使应用解耦为可复用网状组件。 - [09:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=554s) A2UI 协议通过将 UI 视作声明式纯数据(Treat UI as data),彻底解决了多智能体网格协同在跨网络传递时的安全验证与多租户权限难题。 - [12:06](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=726s) A2UI 基于 JSON-LD 结构化输出而非工具调用,支持流式分块传输与前端表面(Surface)挂载,并允许 Agent 随时对已缓存界面进行按需变异。 - [13:46](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=826s) 企业既有的 Material Design 等设计系统可以直接作为前后端交互的严格契约,确保跨端多设备渲染一致性与品牌视觉保障。 - [16:00](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=960s) 严格掌控前端组件目录能构筑纵深防御(Defense in Depth),有效防范数据外泄、隐藏表单及供应链攻击等新型 AI 安全隐患。 - [17:15](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1035s) A2UI 官方支持 Web Components、Angular、React 和 Flutter 多技术栈,已在 Gemini Enterprise 等多款产品落地,正全力推进 1.0 稳定版发布。 - [19:50](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1190s) Agent 交互打破了统治互联网 30 年之久的单次“请求-响应”范式,带来长周期流式输出、中途人工干预和状态双向同步等全新工程挑战。 - [22:52](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1372s) AG-UI 协议与连接工具的 MCP、连接智能体的 A2A 共同构成 Agent 技术架构的“铁三角”,补全了连接最终用户界面的核心通信标准。 - [24:16](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1456s) Generative UI 光谱包含三大模式:像素级精准的受控式(适合核心高频交易)、支持长尾的声明式(A2UI 模式)以及沙盒运行的完全开放式(MCP Apps 与实时 HTML)。 - [30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) 数字化体验正从围绕“网站导航”的旧模式过渡到“意图经济”,用户意图取代浏览追踪成为驱动界面装配的第一信号。 - [33:48](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2028s) 通过“Jobs-to-be-Done”理论将混沌的用户意图结构化拆解为功能诉求、情感体验与社交环境三个维度,精准匹配业务语调与交互设计。 - [33:48](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2028s) “意图到界面”的三层解耦架构包含解释层、企业品牌大脑(向量库+图谱+合规审查)与生成式界面层,严格杜绝黑盒大模型的失控风险。 - [38:07](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2287s) 基于企业大脑重写文案并在前端标准设计系统上动态组装,使营销页面响应客户意图的时间从原本人工制作方案的 6 小时锐减至数十秒。 - [39:20](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2360s) A2UI、AG-UI 与 MCP 核心开发团队保持紧密跨团队协作,持续推进开源标准融合以加速 2026 生成式 UI 生态落地。 ## Detailed walkthrough ### [00:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=13s) 摆脱纯文本困境:生成式 UI 的新范式 Google Cloud 的 Alan Blount 热切地向全场开发者打招呼,宣布本场演讲将由多家核心团队共同探讨生成式 UI(Generative UI)的最新前沿进展。现场内容极为丰富,Alan 直言大家的时间很紧,必须加快节奏才能讲完所有幻灯片。他直击当前大模型应用最普遍的痛点——开发者和普通用户对目前这种“仅支持文本”的聊天界面早已深感厌烦和沮丧,而他们坚信,未来的所有应用界面背后都将由某种 AI 提供支持,进而释放出远超文本对答的强大能力。在简短开场后,Alan 将舞台交给了 MCP Apps 的核心打造者 Ido Salomon。 Ido Salomon 登台后(台上还出现了一小段把 Alan 误叫成 Ben 的风趣口误),自我介绍为 MCP 及 AgentCraft 的创造者,同时也是 MCP Apps 的联合创造者与维护者。在正式展开技术探讨前,Ido 特别向共同促成 MCP 项目的伙伴致敬,包括 Liad、Olivier、Anton、Nick 等多位核心协作者,感谢他们为开放协议奠定了基石。随后,他将讨论引回核心命题:纯文本已经无法承载更高效的交互,人机界面究竟该如何从单一文本平滑过渡到丰富的图形用户界面(Rich GUI)。 Alan Blount 在开篇明确指出这种范式转移势在必行,他总结道:“We're going to talk about my and many of your frustrations with a text only interface, and how we believe that all of the interfaces will soon have some sort of AI behind them, and you can do a whole lot more with it.” --- ### [01:25](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=85s) MCP Apps:用富图形界面打破对话“文本墙” Ido Salomon 正式阐释了 MCP Apps 的诞生初衷:它是 Model Context Protocol(MCP)的官方扩展规范,专门用于通过 MCP 实现可交互的应用界面,标准化了向客户端分发 UI 的方式以及客户端与 UI 之间的双向通信协议。为了让观众直观感受其威力,Ido 现场模拟了一个典型的工作场景:假设一位产品经理希望了解自身产品的漏斗(Funnel)转化现状并询问智能体。在传统架构下,Agent 会通过 API 调用 PostHog 这类数据分析工具,然后返回一段密密麻麻的文字解释;虽然这段文字事实完全准确,但面对令人窒息的“文本墙”,用户根本无法在短时间内直观理解业务究竟发生了什么。 而在 Claude 与 PostHog 同时支持 MCP Apps 的全新体系中,用户只需向 Agent 发出“展示给我看(show me)”的简单指令。尽管现场翻页笔一度出现微小故障,但投屏立刻展示出了震撼效果:屏幕上不再是干瘪的文字,而是直接嵌入了由 PostHog 生成的交互式 UI 组件,不仅完整保留了 PostHog 自有的品牌调性与产品体验,还让用户一眼就能看清整个漏斗的数据走向。 更重要的是,MCP Apps 的交互能力并不仅限于宿主应用中硬编码的预定义组件,它同样允许模型“放飞自我”,即时动态生成全新的定制 UI。例如,当用户要求智能体解释什么是转化漏斗时,模型不必费尽口舌输出长篇理论,而是可以直接流式渲染出一个图文并茂的动态教学卡片。这种生成式卡片不仅具有观赏性,还内置了双向交互逻辑:如果用户对漏斗的特定阶段感到好奇,完全无需再费尽心思组织复杂的提示词去继续追问,只需点击该卡片上嵌入的操作按钮,组件便会主动向背后的 Agent 发送新的 prompt,自动推进后续业务流并呈现所需的详细拆解。 Ido Salomon 在阐述该协议的技术定位时强调:“It's how we do interactive apps over MCP, standardizing transmission of UI to clients and the communication protocol between clients and UI.” --- ### [04:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=253s) 从单体应用到 Agentic Web:重构人机与智能体交互 Ido 引导全场观众从技术细节中抽身出来,站在更高的维度重新审视这一变革:生成式 UI 绝不仅仅意味着“把聊天框做得更漂亮”,它实际上代表着一种人机与互联网交互的全新底层范式。在传统 Web 时代,即便是筹划一次周年纪念活动这种相对清晰的任务,用户也必须在十几个互不相连的网站之间频繁切换,分别搞懂如何在特定平台上订餐、订花或预订酒店客房。 传统网页和应用之所以设计得极其繁杂,本质原因在于它们是专为人类设计的。作为网站开发者,在用户访问页面之前完全无法预知这位人类究竟想做哪一步操作,因此唯一的办法就是将所有可能的操作、过滤条件和导航栏无差别地倾倒在同一个屏幕上,试图通过极其复杂的信息架构让用户自行消化。然而,一旦把这些庞大臃肿的单体界面拆解开来就会发现,智能体和人类有着根本性的差异——Agent 已经明确掌握了用户的意图,因此它根本不需要完整的网站,而只需要按需抽取界面碎片,例如仅提取一张地图视图、一个特定酒店的结算按键或一组鲜花选购组件,直接拼装组合并呈现在当前上下文中。 在这种基于 MCP Apps 的智能体驱动型交互流中,用户准备行程的过程被极度精炼:屏幕上只会依次浮现出最关键的日期挑选界面、鲜花购买模块和客房卡片。此外,智能体还能彻底摆脱已有第三方应用的束缚,根据当前流程中欠缺的部分随手生成一段全新的微型 UI,在单一对话内无缝缝合起一整套端到端闭环体验。 Ido Salomon 一针见血地指出了传统界面的病因与智能体时代的解法:“And the reason that they're so complex is that they're meant for us humans. And you don't know as a website, what do you mean is actually trying to do. So you just push everything that the human might do into one screen, and you need to simplify it or build it in some complex way.” 他随后对比道:“Agents aren't like humans. Agents know exactly what you want to do so they can take just what they need.” --- ### [06:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=374s) UI 的三层光谱与智能体分发生态的爆发 Ido 进一步梳理了当前正在演进的“UI 光谱(Spectrum of UI)”,将其清晰划分为三个层级: 1. **预定义 UI(Predefined UI)**:如同现场演示的 PostHog 现成组件,本质上是开发者在既有应用中构建好的标准 Web 界面。 2. **声明式 UI(Declarative UI)**:由智能体输出声明式的数据结构,仅描述所需组件的类型与层级(如按钮、列表、表单),交由宿主前端根据自身设计规范来负责具体渲染。 3. **完全生成式 UI(Generative UI)**:如同 Claude 的 Artifacts/Canvas 机制,模型完全从无到有即时生成界面,直接把流式 HTML 代码渲染到当前画布或窗口中。 MCP Apps 的精妙之处在于它对具体渲染何种形式的内容保持完全中立(Agnostic)。这种无感知特性赋予了它与其他协议极强的互操作性:即将登场的 A2UI 与 AG-UI 不仅可以直接渲染在 MCP Apps 内部,反过来 MCP Apps 也可以作为独立组件被这些框架与协议灵活渲染,从而在聊天环境中激发出极其丰富的动态体验。 更令人振奋的是整个生态的发展速度。MCP Apps 已经不再停留在概念验证阶段,OpenAI、Anthropic(Claude)和 Google(Gemini)等主流宿主均已提供原生支持;仅在 ChatGPT 生态内,就已经涌现了来自 Walmart、Salesforce 等各行业巨头的逾 500 款集成应用。它正在成为移动互联网之后最重要的新一代应用分发阵地(App Distribution Surface)。 Ido 列举了一组惊人的规模对比数据,呼吁在场开发者尽早重构产品: - ChatGPT 目前拥有 10 亿周活跃用户(WAU),占全球总人口的约 12%;加上 Gemini、Claude 及其他 AI 聊天入口,整体用户规模更为庞大。 - 这一用户体量已达到苹果 App Store 在 2008 年刚上线时规模的 160 倍以上。 - 开发者必须转换核心思路:过去我们思考“为什么要做一个独立 App”,而今天在面向智能体的网络(Agentic Web)下,必须正视一个根本转变——当访问网站的终端消费者不再是人类双眼,而是代表人类决策的 Agent 时,如何将既有产品解耦为可复用的组件网状服务,实现“一次构建,全网运行”。 Ido 深刻地告诫开发者必须重新审视流量入口的本质转移:“It's what happens when users stop being the people that see my website. It suddenly becomes agents.” --- ### [09:14](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=554s) A2UI 登场:安全、解耦与远程智能体网络 随着 Ido 结束演讲,Alan Blount 重新接麦,详细介绍了 Google 主导的 A2UI(Agent-to-UI)协议。Alan 回顾了自己的技术履历:在投身智能体构建平台之前,他曾担任了整整 20 年的全栈 Web 应用程序开发者,随后在 Google Cloud 长期深耕机器学习工程。他透露,A2UI 的背后是一个融合了 Google 内部多个团队力量的混合协作组,整个项目已经持续秘密攻关并迭代了两年以上。 A2UI 旨在系统性攻克当前智能体落地过程中的三大核心难题: 1. **跨边界与网格通信**:如果智能体仅存在于本地前端单体中,处理起来尚算简单;但当业务演变为由外部远程智能体或智能体网络(Mesh of Agents)协同配合时,跨系统的 UI 表达与消息传递极为脆弱。 2. **真正的生成式 UI(True Generative UI)**:如何在不牺牲设计一致性与交互深度的前提下,让模型自主生成符合规范的界面。 3. **安全端到端分发**:如何跨越不同的安全域、访问控制列表(ACL)和多租户权限体系,将生成的 UI 安全无虞地投递给身处任意环境的终端用户。 ```mermaid flowchart LR accTitle: A2UI Message Passing Architecture accDescr: Diagram showing how an end-user UI connects through a backend orchestrator to remote agents using A2UI payloads. subgraph Client ["客户端层"] FE["前端设计系统 / UI"] end subgraph Local ["本地控制层"] BE["后端服务 / 编排器"] LA["本地子智能体"] end subgraph Cloud ["远程智能体网络"] RA["第三方远程 Agent"] end FE <-->|"安全数据通道"| BE BE <-->|"本地调用"| LA BE <-->|"A2UI 消息载荷"| RA ``` 为了从根本上解决跨远程实体通信中的安全和授权难题,A2UI 确立了一个核心原则:**将用户界面彻底视为声明式纯数据(Treat UI as data)**。只要 UI 在本质上只是一串可被安全校验的数据结构,实体之间便可以通过经过权限加固的标准消息传递机制进行安全交互。 在简单的本地场景中,前端与后端直连,后端或本地子智能体生成符合 A2UI 规范的消息并推送给前端解析渲染;但在更为复杂的多智能体网格协同场景下,真正的 UI 可能是由完全隔离在外部系统中的第三方远程 Agent 生成的。由于 A2UI 消息本质上只是普通的消息载荷(Message Payload),中间的编排器(Orchestrator)无需关心复杂的渲染逻辑,只需像透传普通数据一样安全地将其转发至前端。此外,A2UI 对传输层完全解耦,无论是基于传统的 REST、WebSocket,还是配合 AG-UI 或 MCP 协议,均能即插即用、无缝兼容。 Alan Blount 总结了将 UI 解耦为可序列化数据的必要性:“So we really needed a way to do message passing across these entities in a way that we could secure to treat UI as if it was just data.” ### [12:06](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=726s) 声明式生成 UI 与可变界面的运行机制 生成式 UI(Generative UI)在架构实现上并不依赖工具调用(Tool Calling),而是完全基于结构化输出。团队之所以选择 JSON-LD 作为底层格式,是因为绝大多数大语言模型对 JSON 语法天然具备极高的解析与生成水准;虽然业界存在其他声明式 UI 格式,但这是目前最切合实际的选择,未来也会保持演进弹性。在该架构中,LLM 会根据任务需要将一个或多个组件组装成被称为“表面”(Surface)或小部件(Widget)的交互布局,并通过流式分块(Streaming Chunks)的方式向表面填充数据或注入变量。这种机制不仅带来了出色的用户体验,还赋予了前端高度的动态灵活性。 ```mermaid flowchart LR accTitle: A2UI Declarative UI Flow accDescr: 展现从模型生成 JSON-LD 声明式描述到前端 Surface 渲染并支持 Agent 动态变更的完整流程。 subgraph LLM_Side["模型与编排层"] A["LLM 结构化输出<br/>(JSON-LD)"] B["组装 UI 组件<br/>(Components)"] end subgraph Client_Side["客户端渲染层"] C["流式传输分块<br/>(Streaming)"] D["表面水合与挂载<br/>(Surface / Widget)"] E["可缓存/可配置应用<br/>(Agent 动态变异)"] end A --> B B --> C C --> D D --> E ``` 演讲者特别强调了“可缓存且可配置的 UI(Cacheable Configurable UIs)”这一潜力巨大的应用场景:整个应用界面本身是预先构建并完全配置好的,但 Agent 可以随时根据用户的实时需求介入并对其进行变异(Mutate)。用户只需向 Agent 发出一条自然语言指令,就能直接修改某个按钮或调出原本未展示的操作,从而完全掌控界面的形态。 > “That means you can customize your whole application just by asking your agent to change a button or I never need this thing before.” —— Alan Blount --- ### [13:46](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=826s) 设计系统即契约与跨设备渲染愿景 在组件生态的搭建上,团队将原本称为“标准目录”的叫法更名为“基础目录(Basic Catalog)”,其中内置了开箱即用的基础组件以便开发者快速起步。但真正的核心诉求是拥抱开发者既有的前端资产。企业无需推倒重来,其既有的 Material Design 或专有设计系统中的各类按钮、图表与复杂动态组件,都可以直接被 Agent 调度和组装,并接入业务侧的各类数据集。 前端向后端声明自身支持的组件清单,便形成了一份严格的“前后端契约”(Client-Backend Contract)。客户端所宣告的能力边界,决定了远端 Agent 能够调用的组件范围。此外,尽管当代开发大多集中在 Web 浏览器,但用户的生活工作场景横跨笔记本电脑、智能手机、平板电脑、电视乃至智能手表。因此,这套声明式 UI 标准的设计目标从一开始就是多端通用的,Google 内部以及部分拥有定制渲染管线的企业客户,目前都在积极探索将其无缝运行在各种独立介质上的标准化方案。 > “You already have a design system. You already have a front end. You don't need to change that.” —— Alan Blount --- ### [16:00](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=960s) 深度防御:从组件隔离根绝安全隐患 UI 的表面层之所以至关重要,核心在于安全防御。Agent 场景下面临着诸多全新的攻击面: - **数据外泄(Data Exfiltration):** 恶意构造的图像渲染可能导致 Agent 在无意中泄漏敏感数据。如果图像组件完全受控于自研库,并对传入的值进行了结构化解耦,就能在前端构建起坚固的防御屏障。 - **点击劫持与隐藏表单:** 攻击者可能在正常的点击目标内潜伏隐形表单。唯有从底层严格掌控组件库系统的渲染逻辑,才能彻底化解此类隐患。 - **供应链攻击(Supply Chain Attacks):** 通过收紧前端暴露给后端的组件目录,将客户端作为准入凭证的发起方,实现多层级的纵深防御(Defense in Depth)。 这种以客户端为绝对主导的安全契约,确保了即使后台的 Agent 或链路上存在不确定性,客户端界面也始终处于严密防线之内。 > “Security is one of the aspects we're all familiar with data exfiltration and rendering an image that allows an agent to accidentally leak data that's a lot easier to protect against if you're in control of what the image component is, and if you have structured out or decoupled the values for that image, you have layers of defense similarly.” —— Alan Blount --- ### [17:15](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1035s) A2UI 落地现状、生态渲染器与 1.0 路线图 当前 A2UI 已经沉淀出了一套处理底层管道与消息传递的核心库,并针对不同技术栈官方维护了多套渲染器: - 涵盖 Web Components(Lit)、Angular、React 以及 Flutter,均由各大框架的核心团队亲自参与维护与贡献。 - 具备实时自动纠错工具(Tooling),当模型生成的结构在网络链路中出现微小瑕疵时,能够就地自动修复。 - 在落地应用方面,A2UI 现已在 Gemini Enterprise、Google Opal 以及多款内部核心工具中正式上线,并正与 MCP Apps 开展示范性混合实验。 在演进路线上,团队将“稳定性”视作第一准则,计划在近期引入新特性后于第三季度冲击 1.0 正式版,以提供长期支持(LTS)。此前系统重点在于打通链路,0.9 版本已在易用性上迈出坚实步伐,后续还将持续降低开发门槛、大幅优化开发者体验(DX)。 > “Stability is a big concern for me. I really want this to get to a 1.0 release this year so that we can have long term support and feel very consistent and stable on it.” —— Alan Blount --- ### [19:50](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1190s) CopilotKit 登场:AG-UI 协议与被打破的请求-响应范式 Alan 随后邀请 CopilotKit 联合创始人兼 CEO Atai Barkai 登台。CopilotKit 专注于打造面向交互式智能体(User Interactive Agents)的开发者底层基础设施,定位于连接 Agent 内部世界与前端终端应用的关键纽带。如今其每周在生产环境中支撑着数千万次 Agent 与用户的交互,客户覆盖 Cisco、DocuSign、Function Health、Deutsche Telekom,以及全球 50 强与 Fortune 500 的多数企业。同时,CopilotKit 也是 AG-UI 协议的发起者,该协议由其与 LangChain、CrewAI 联合探索演化而来,现已获得 Google、AWS、Microsoft、Oracle 以及 Ag2、Pydantic 等主流 AI 框架的广泛支持。 ```mermaid flowchart TD accTitle: Modern Agent Interaction Complexity accDescr: 对比传统 Web 的单次请求响应与智能体多维度、流式、双向干预交互的区别。 subgraph Traditional["传统架构 (过去 30 年)"] R1["单次 Request"] --> R2["单次 Response"] end subgraph Agentic["Agent 交互模式 (打破范式)"] A1["长周期流式输出 (Streaming)"] A2["会话断线重连 (Reconnection)"] A3["运行中途人工干预 (Mid-run Steering)"] A4["结构化与非结构化混合<br/>(Tool Calls / State / 文本 / 语音)"] end ``` Atai 提出了核心论断:“未来几年内,所有的 UI 都将变成 AI(All UI will be AI)”,人机交互将不可逆转地由 Agent 全面介入。无论是 HubSpot、Figma 等复杂工作流,还是 Cursor 等生产力工具,甚至包括智能冰箱——用户路过冰箱时随口一句“帮我把今晚做千层面缺的食材买齐”,系统就能自动调取状态并下单。 然而,构建这类交互式界面的难度极大。最根本的症结在于:Agent 彻底打破了统治互联网 30 年之久的“请求-响应(Request-Response)”机制。它在软件工程体系中犹如一只“特立独行的怪鸟”:运行周期极长、需要支持持续流式输出与断线重连、必须允许用户中途动态介入转向(Mid-run Steering),并且还要在传递非结构化文本和语音的同时,并发处理工具调用与底层应用状态的双向同步更新。 > “And the reason is we believe over the next few years all UI will be AI, which means that over the next few years, all interactions between people and technology are going to become increasingly mediated by agentic systems.” —— Atai Barkai > “And the core reason is that agents break the request response paradigm that's been powering the internet for the last 30 years, right.” —— Atai Barkai ### [22:52](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1372s) CopilotKit 与 AG-UI:构筑 Agent 时代的第三条腿 Atai Barkai 指出,在构建通用 Agent 应用程序时,开发者面临着诸多困难与挑战,而这正是 CopilotKit 与 AG-UI 协议的用武之地。CopilotKit 提供了开源开发者 SDK 以及可自托管的云端服务,专门针对 Generative 范式进行优化,而不是从传统的“请求-响应”(Request-Response)架构中生搬硬套。AG-UI(Agent User Interaction 协议)则让构建 Agent 框架与运行套件(Harnesses)的开发者能够遵循一套稳固的标准,将任意 Agent 后端无缝连接至任意自定义的前端界面。 在整体技术版图中,Atai Barkai 将 AG-UI 定位为关键拼图:“AG-UI is the third leg of this triangle connects your agents to user facing services.”(AG-UI 是这个三角形的第三条腿,负责将你的 Agent 连接到面向用户的服务)。整个生态的连接关系非常明确:MCP 负责将 Agent 连接到工具与上下文,A2A(Agent-to-Agent)负责 Agent 之间的相互通信,而 AG-UI 则补全了直面用户的关键交互路径。尽管目前 AG-UI 的主战场在 Web 端,但它正在迅速扩展支持 Slack、WhatsApp、移动端等各类前端服务。 ```mermaid flowchart TD accTitle: Agent 生态交互协议三角关系 accDescr: 展示 MCP、A2A 与 AG-UI 分别连接工具上下文、其他 Agent 以及面向用户服务的三角架构 subgraph AgentCore ["Agent 核心后端"] A["Agent Framework / Harness"] end subgraph Ecosystem ["连接生态三要素"] T["工具与上下文<br/>(Tools & Context)"] O["其他 Agent 系统<br/>(Other Agents)"] U["面向用户服务<br/>(Web / Mobile / Slack / WhatsApp)"] end A -->|"MCP"| T A -->|"A2A"| O A -->|"AG-UI"| U ``` - CopilotKit 提供专为生成式交互设计的开源 SDK 及自托管 Cloud 基础设施。 - AG-UI 标准化了 Agent 后端与前端交互的通信协议,吸收了跨端兼容的复杂度。 - 广泛覆盖终端宿主:从现代 Web 界面扩展到 Slack、WhatsApp 及原生移动应用。 --- ### [24:16](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1456s) Generative UI 光谱:从受控、声明式到完全开放 Atai Barkai 强调,在与行业头部企业合作数年后,他们得出了一个明确的结论:“What's become very clear to us, working with all these top leaders over the past couple of years is that no single generative UI solution is good for all different use cases, and generative UI solutions really live on a spectrum that extends from more control to fully open ended.”(过去几年与这些顶尖行业领导者的合作让我们非常清楚地认识到,没有任何单一的 Generative UI 方案能够适用于所有用例,Generative UI 实际上存在于一条从‘强控制’延伸到‘完全开放’的光谱之上)。AG-UI 全面支持这条光谱上的所有范式,使开发者可以随需选用。 这条光谱主要由三大支柱构成: 1. **受控式 Generative UI(Controlled Generative UI)**:开发者预先构建一系列精细的组件,Agent 在需要渲染界面时按需调用。演示中,用户提问按分类查看收入,系统并没有返回冗长难懂的文本段落,而是直接呼叫 React 中的 `useComponent` 钩子,渲染出一个高保真的饼图。Atai Barkai 调侃道:“To some extent controlled generative UI is the most boring part of this spectrum, but it does give you pixel perfect designs and maximal determinism, which makes it a really great fit for the few most used surfaces in your applications.”(在某种程度上,受控式 Generative UI 是光谱中最无趣的部分,但它能带来像素级精准的设计和最大化的确定性,因而非常适合应用中那些使用频次最高的核心界面)。比如航空公司展示航班卡片时,像素级还原与绝对确定性不可妥协,这使它成为工作流中最扎实的“驮马”。 2. **声明式 Generative UI(Declarative Generative UI)**:以 A2UI 为代表,开发者声明一套类似乐高积木的基础组件库(Component Catalog),Agent 根据用户意图即时将各个小积木动态拼装为复合界面。例如用户索要一份包含营收与客户流失的销售仪表盘,Agent 就会现场将标题卡片、饼图、柱状图组合为一个完整的看板。开发者仅需定义组件的数据 Schema 及前端 React Renderer,即可通过 AG-UI 与 A2UI 的握手完成集成。尽管它牺牲了一定程度的像素级完美与绝对确定性,但它能以一次性的组件定义换取对长尾提问的极其宽泛的支持,是消费级应用长尾需求以及追求开发效率的企业内部应用的理想选择。 3. **完全开放式 Generative UI(Open-Ended Generative UI)**:前两种模式在构建期(Build time)就已经限定了 UI 的外形范围,而开放式 UI 则彻底打开大门,允许 Agent 实时展示任何内容,通常依托安全的 iframe 沙盒来渲染。它细分为两类:一是前文演示过的 MCP Apps,专门用于将第三方外部工具直接接入应用;二是现场实时生成完整的自定义 HTML。现场演示了一个极端案例:用户需要一个特定外观、特定算式的定制计算器,Agent 直接在沙盒中实时生成代码并完成装配,尽管生成速度稍慢、确定性稍低,但最终交付了一个“先前没有任何人预先设计过”的功能完备的交互组件。在全栈 Agent 中,开发者只需提供 MCP App 的 URL 并开启标志位即可立刻获得此项能力。 | 模式 | 定义机制 | 确定性与设计度 | 核心优势 | 典型适用场景 | |:--- |:--- |:--- |:--- |:--- | | **受控式 (Controlled)** | 预先编写高保真专用组件,由 Agent 按需调用传参 | 像素级精准,绝对确定性 | 稳定性最高,品牌一致性无损 | 最核心、高频次页面(如航司航班卡片、核心报表) | | **声明式 (Declarative / A2UI)** | 预先定义基础积木库(Catalog),Agent 动态编排组装 | 牺牲部分精确度,确定性适中 | 一次定义支持海量长尾组合,成本极低 | 消费应用长尾查询、企业内部系统集成 | | **完全开放式 (Open-Ended)** | 引入 MCP Apps 或在沙盒中实时生成完整自定义 HTML | 确定性低,依赖 LLM 现场发挥 | 能实现无法预设的完全自定义功能,生态复用性强 | 第三方应用引入(ChatGPT/Claude 级集成)、高度特化即时工具 | --- ### [30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) 从“网站导航”到“意图经济”:企业界面的根本性重构 接续技术光谱的探讨,AKQA(WPP 集团旗下创意与技术代理商)EMEA 区首席技术官 Nicolas Le Pallec 登台,从大型企业和商业品牌的视角剖析为何必须投身 Generative UI。Nicolas 指出,数字体验正在经历一场二十年来未曾有过的结构性大转移:“For the past 20 decades, we have built websites which were optimized around navigation.”(过去我们构建的所有网站,都是围绕‘导航’(Navigation)进行优化的)。用户不断点击、浏览静态页面,企业后台据此反向推导用户意图并提供个性化内容。 然而,这一交互范式正在被彻底颠覆:用户如今往往直接在 ChatGPT 或 Gemini 等大模型内完成前期的产品与服务探索,当他们真正进入某个具体网站时,心里已经带着极度明确的目标。如果这个网站的页面无法直接给出目标答案,用户会毫不犹豫地切回大模型继续搜索。“So navigation is not enough anymore. We need solutions that can adapt.”(因此,仅靠导航已经不够用了,我们需要能够自适应的解决方案),Nicolas 如此强调。 这标志着我们正式跨入了“意图经济”(Intent Economy)。意图经济有三大支柱: 1. **意图成为第一信号**:用户的真实意图直接驱动交互,而不再依赖页面行为的被动推导。 2. **自适应与动态组装系统**:界面必须根据意图实时装配,告别僵化写死的静态布局。 3. **重塑用户信任**:系统直接捕获并回应用户的真实意图,不再依靠暗中追踪和猜测用户行为来做推荐。 面对意图成为核心信号这一现实,企业面临的核心痛点在于:人类的意图往往丰富、混乱而充满微妙细节,企业系统根本无法直接处理如此混沌的输入,必须将其转化为结构化意图(Structured Intent)。Nicolas 引入了 1990 年代经典的“Jobs-to-be-Done”(JTBD)理论框架,将人类意图拆解为三个不可或缺的维度: - **功能层面(Functional)**:客观具体的诉求,如寻找的产品、尺寸、颜色、具体参数。 - **情感层面(Emotional)**:内心的心理状态,包括决策时的置信水平、感受到的风险高低、需求的紧迫程度。 - **社交层面(Social)**:人际交互与职场环境的影响,如希望在他人眼中如何被看待、组织内的政治博弈、所承受的外部压力。 真实商业决策正是功能、情感与社交三者的综合体。为了具体演示如何在后台捕获这些结构化意图并驱动自适应 UI,Nicolas 引入了名为“Synthesis”的虚构品牌案例(基于真实的金融客户保密项目重构),这是一个帮助银行、金融科技与电商在支付层拦截欺诈的风险检测平台。紧接着,Nicolas 准备深入展示后台是如何精准捕获未来客户的结构化意图。 ### [33:48](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2028s) 意图解构与“意图到界面”(Intent to Interface)的三层架构 在展示具体生成效果前,演讲者以一位初创企业新任首席安全官(Security Officer)为例,说明系统如何理解复杂的业务背景。面对近期跨境支付激增带来的安全挑战,Gemini Agent 会将访问者的意图精细拆解为功能、个人与情感、以及社交三个维度:从功能角度看,他正在寻找反欺诈解决方案;从情感维度看,他需要在决策中感受到自身专业能力的掌控感;从社交维度看,团队可以合理推测他承受着来自公司领导层的巨大决策压力。系统借此生成一个“意图对象”(Intent Object),精准匹配合适的产品卖点、沟通语调(Tone of Voice)以及所需的体验设计。 为了将意图平滑转化为界面,整套系统构建了三层清晰解耦的架构:第一层是**解释层(Interpretation Layer)**,负责捕获并剖析上述多维意图;第二层是**品牌与企业大脑(Brand Brain)**,这里不仅包含存储所有产品数据的向量数据库(Vector Database),还融合了记录复杂企业上下文的知识图谱(Knowledge Graph),以及负责企业合规与法务审查的专用治理层;第三层则是**生成式界面层(Generative Interface Layer)**,负责接收大脑输出的“已验证内容对象”(Validated Content Object),在设计系统约束下实时挑选组件、拼装布局并注入内容。演讲者强调,这种严格分层至关重要:“The separation is very important because we want enterprises to be able to control this system.”(这种分工隔离非常重要,因为我们希望企业能够对系统拥有掌控权),彻底避免了大模型在黑盒中仅凭 Prompt 随意发挥而失控的隐患。 ```mermaid flowchart TD accTitle: 意图到界面的三层生成架构 accDescr: 展示从用户输入意图,经解释层、企业大脑层,到最终生成式界面组件拼装的全流程。 subgraph InputStage ["意图输入与解析"] A["用户意图输入"] --> B["解释层 Gemini Agent"] B --> C["意图对象 (功能/情感/社交)"] end subgraph BrainStage ["企业品牌大脑 (Brand Brain)"] C --> D["向量数据库 (产品数据)"] C --> E["企业知识图谱 (上下文)"] C --> F["合规与法务审查层"] D & E & F --> G["已验证内容对象"] end subgraph UILayer ["生成式界面层"] G --> H["设计系统组件库 (Design System)"] H --> I["动态拼装布局 & 注入内容"] I --> J["最终呈现给用户的自适应页面"] end ``` - **意图对象的三维解析**:功能需求(寻找欺诈识别解决方案)、情感需求(在选择中获得胜任感与信心)、社交维度(承受管理层压力与组织期待)。 - **企业大脑(Brand Brain)三大核心资产**:产品向量数据库、上下文企业知识图谱、法务合规治理引擎。 - **设计系统边界**:前端组件的排版和渲染必须严格限定在现有设计系统(Design System)规范内,防止 UI 样式破裂或违背品牌视觉标准。 --- ### [36:03](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2163s) 动态网页实机演示:从防欺诈转化到极速响应 在现场实机演示中,演讲者展示了一个名为 Synthesis 的网站首页。该页面原本具备标准的 Hero 区域、产品介绍和独特卖点(USP),但页面顶部新增了一个让访客直接输入真实诉求的“意图输入框”。当一位潜在客户输入希望“在不损害交易转化率的前提下提升欺诈检测能力”(improve fraud detection without hurting conversion)时,后台各层与企业大脑迅速联动,现场为该客户即时生成了一个全新的解决方案落地页。 这个动态生成的页面并非随意拼接,而是精准匹配了该意图:系统调用设计系统中的专业组件,重新编排了能够打消转化率顾虑的说明文案、挑选了与平衡风控和转化率相关的具体投资回报率(ROI)测算数据,并自动插入了切合当前主题的客户评价引用。紧接着,演示展示了完全不同的第二个意图——另一位访客遭遇了突发性的欺诈交易激增,输入希望能“在数周内而非数月内迅速遏制欺诈潮”。系统瞬间识别出了背后的极端紧迫性以及强烈的情感压力,生成的页面不再冗长展开细节,而是直接精简结构,聚焦并高亮指引客户采取“下一步最佳行动”(Next Best Action)。 - **场景 A(平衡转化与风控)**:生成包含 ROI 测算模型、特定反欺诈机制分析及对应背书引用的长篇定制方案页。 - **场景 B(突发危机极速止血)**:捕捉紧迫情感,省略繁复介绍,直奔快速部署路径与即时对接入口。 - **内容重写机制**:页面上呈现的所有文本均由企业大脑在真实业务知识库支撑下重写,但底层的 UI 骨架严格来自前端标准组件库。 --- ### [38:07](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2287s) 业务颠覆与总结:从静态页面转向实时推理与生成的动态 Web 这套基于意图的动态界面生成方案彻底改变了企业与潜在客户的对接方式。演讲者分享了合作团队的切身体会:在引入这套系统之前,该团队为了应对潜在客户提出的定制化诉求,需要人工编写长达数十页的定制化 PDF 方案,平均耗时超过 6 个小时;而现在,网站能够在数十秒内直接在前端界面上即时渲染出量身定制的完整响应。 这种提速不仅抹平了以往制作离线物料的人力与财务开销,更重塑了销售与咨询的漏斗起点。正如客户团队对他们所说的那样:“We are no longer spending hours preparing responses. We can focus on the strategy discussion from the start.”(我们不再需要耗费数小时去准备初步答复,而是能从一开始就将精力集中在战略层面的深入探讨上)。演讲者最后向在场的企业技术负责人发出倡议:未来的 Web 基础设施正在被重定义,传统的固定目录与导航正在被实时意图所取代,固步自封的静态页面必须进化为能够根据上下文实时感知、推理并自动组合界面的动态系统。 - **效率对比**:人工制作专属 PDF 方案需 6 小时以上;生成式 UI 方案在网站端实时生成仅需数秒至数十秒。 - **销售模式变革**:从“售前资料搜集与排版拼凑”转变为“首日即切入商业战略对话”。 - **架构范式转变**:网站不再是预先固化的静态页面仓库,而是具备“理解(Understand)、推理(Reason)、实时组合(Compose in real time)”能力的自适应智能引擎。 --- ### [39:20](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=2360s) Alan Blount 总结:开源共建与 2026 生成式 UI 的未来愿景 演讲尾声,Google Cloud 的 Alan Blount 重新登台致谢。他感慨能够与今天同台的各位前沿探索者、背后的工程团队以及现场观众共同推进这项新技术是一项巨大的荣幸与喜悦。虽然大家各自研发出了坚实的基础技术与核心能力,但构建下一代全新形态的 Web 生态必须依靠生态系统的紧密协作。 Alan 在屏幕上展示了一个调研表单的二维码,邀请所有人匿名填写对于 2026 年生成式 UI(Generative UI)项目的期望与诉求。他透露,涵盖 A2UI、AG-UI 以及 MCP Apps 的各核心团队目前保持着至少每月一次、通常更为频繁的跨团队协作机制,并将在 2026 年持续推进相关标准的融合。Alan 诚挚地呼吁大家共同参与定义未来:“We are solving our problems and the problems that we see and the problems that we hear from you, but this is an opportunity. Please tell us what you want. We are all in this together.”(我们正在解决自己遇到的问题、我们所观察到的问题以及从大家那里听到的问题,但这是一个难得的契机。请告诉我们你们真正想要什么,我们在这项事业中休戚与共)。会议结束后,各项目团队核心成员也在会场外走廊设立交流点,继续与全球开发者进行深入探讨。 - **反馈征集**:提供匿名问卷(可自愿留下联系方式),收集开发者与企业在 2026 年对生成式 UI 项目(Generative UI projects)的实际功能诉求。 - **跨团队协同频度**:各标准与协议牵头团队保持每月至少一次或更高密度的联合研发例会。 - **开放交流**:演讲团队在分论坛结束后移步走廊(Hallway Track),现场解答关于 A2UI、AG-UI 与 MCP 集成落地的工程技术细节。 ## Notable quotes > [19:50](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1190s) And the core reason is that agents break the request response paradigm that's been powering the internet for the last 30 years, right. — Atai Barkai > [04:13](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=253s) Agents aren't like humans. Agents know exactly what you want to do so they can take just what they need. — Ido Salomon > [30:40](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=1840s) So navigation is not enough anymore. We need solutions that can adapt. — Nicolas Le Pallec > [13:46](https://www.youtube.com/watch?v=UsMDkEsR-ok&t=826s) You already have a design system. You already have a front end. You don't need to change that. — Alan Blount ## Mentioned Alan Blount, Atai Barkai, Ido Salomon, Nicolas Le Pallec, Google Cloud, Google Cloud Next 2026, A2UI, AG-UI, Model Context Protocol, MCP Apps, CopilotKit, Gemini Enterprise, Google Search, PostHog, Claude, ChatGPT, OpenAI, Anthropic, Walmart, Salesforce, App Store, LangChain, CrewAI, AWS, Microsoft, Oracle, Ag2, Pydantic, Cisco, DocuSign, Function Health, Deutsche Telekom, HubSpot, Figma, Cursor, Slack, WhatsApp, React, Angular, Flutter, Lit, Web Components, Material Design, Google Opal, AKQA, WPP, Synthesis ## Video description The future of the web isn’t just interactive – it’s adaptive. Break the “chat wall” with agents that customize UIs for any context. Join the core teams behind A2UI, a native-first standard that treats UI as declarative data for ultimate security and performance, establishing your design system as the “trust catalog.” This session also features CopilotKit’s CEO discussing AG-UI, which connects all frontends and agent backends, and one of MCP Apps’ co-creators promoting agent UI standardization everywhere. Learn when to choose which approach for brand-consistent, agent-driven, and agent-generated design. Discover how this powers Gemini Enterprise, Google Search, and the future of the agentic web. Watch more Google Cloud Next 2026 Sessions → https://goo.gle/gcloud-next-2026 Subscribe to Google Cloud Tech → https://goo.gle/GoogleCloudTech Speakers: Alan Blount, Atai Barkai, Ido Salomon, Nicolas Le Pallec BRK2-094 #GoogleCloudNext [Source](https://www.youtube.com/watch?v=UsMDkEsR-ok)

Source quotes

[19:50] Atai Barkai: And the core reason is that agents break the request response paradigm that's been powering the internet for the last 30 years, right. [4:13] Ido Salomon: Agents aren't like humans. Agents know exactly what you want to do so they can take just what they need. [30:40] Nicolas Le Pallec: So navigation is not enough anymore. We need solutions that can adapt. [13:46] Alan Blount: You already have a design system. You already have a front end. You don't need to change that.