Google 发布 A2UI 1.0,实时生成UI 让 Agent 生成能点、能改的交互界面回答你

原文链接: https://x.com/i/article/2120555220635652096 来源: x.com 发现于: 小互 · AI 解读站 · 2026/11/12 说明: 本文由 AIHot汪 自动聚合(原文即中文,未翻译)。正文取自小互 AI 解读


全文 Markdown · 会员

作者:Google Cloud Tech / Google Developers11-12 · 约 13 分钟

A2UI 1.0 与生成式界面六问封面

从一段回答走到可操作的卡片,涉及组件、数据、安全和跨端一致性。

A2UI 全称 Agent-to-User Interface,按 Apache 2.0 许可开源。协议负责约定界面描述,配套的 Agent SDK 帮助生成与转换消息,各端渲染器把消息画成实际界面。

A2UI 能做什么,1.0 新增了什么?

  • 把多个应用的信息组合到一张可操作卡片。用户可以一起查看日历、订位和打车价格,再修改和确认安排。
  • 用应用已登记的组件呈现。同一份描述交给网页、手机或桌面端,分别保留各端的品牌样式与操作方式。
  • 界面能逐步出现、局部更新。先显示已有内容,再填入后续结果;改一个时间,相关摘要随之变化。
  • 在这些基本能力上,1.0 新增双向函数调用,例如在选择时段时查询是否可约,并补充无障碍支持和扩展机制。Express 与 Agent SDK 则帮助减少生成和接入工作。

用户从浏览器和应用商店转向助手,软件需要新的交互入口

原图把浏览器、应用商店与助手并列。用户开始在助手里完成任务,服务也需要在那里提供可操作的界面。

请病假的早晨,六件事放进一张卡

身体不舒服的一天,可能需要预约视频问诊、挪开会议、通知同事、开启邮件自动回复、请家人接孩子,再订一份汤。每件事都不复杂,来回打开应用、找入口、核对时间却很费神。交给只会发文字的 Agent,也可能变成一轮轮追问和确认。

官方的病假演示把这些安排放到同一张卡片里。问诊选哪个时段、午餐吃什么,都能直接改;确认之前保留在计划阶段。A2UI 提供生成和展示这张卡片的框架,真正接通日历、问诊和订餐服务的工作,仍要由应用开发者完成。

视频/音频

病假安排演示 画面先呈现来回切换应用,再呈现纯文字对话反复确认,最后把六项安排集中到一张可编辑卡片,选好时段和午餐后统一确认。片尾的点击数与对话轮数属于演示脚本,不能当作普遍的效率实测。

另一个演示把“和 Priya 的晚餐改到周五”变成一张综合视图。日历空档、餐厅订位和打车价格放在一起,用户更容易判断哪一组安排合适。同样的功能在手机与笔记本上分别呈现,具体样式由各端负责。

视频/音频

晚餐改期演示 左边靠文字逐轮协调,右边直接排列日历、订位和车价。随后展示手机和笔记本上的界面。主文和发布博客使用同一段演示的不同编码,这里保留主文版本。

一、已有 DESIGN.md,为何还要组件目录?

DESIGN.md 把字体、间距、颜色和布局要求写成规则,适合让编程 Agent 在开发阶段生成符合品牌的页面。规则越充分,模型越少临场发挥。主文引用了 Vercel 的一次测试,带规则生成的页面出现 39 项失败,无规则时是 91 项;这份设计文件经过超过 200 次运行和反复审查才逐渐完善。

这些结果说明规则文档有价值,也提醒人们维护规则需要投入。规则可能遗漏,文档也可能与实际组件慢慢脱节。到了用户正在操作应用的运行阶段,团队通常希望按钮的触控范围、暗色对比、屏幕阅读器标签和日期本地化都能直接沿用已有实现。

A2UI 用 catalog.json 列出 Agent 可以调用的组件。设计团队可以开放少量大组件,也可以开放更多细粒度组件。Agent 决定怎样组合、填什么参数,组件本身的外观和行为仍由应用掌握。开发阶段继续用 DESIGN.md 构建组件,运行阶段通过目录把可用范围交给 Agent,两者可以放在同一条工作流程里。 组件分工 · 示意图让 Agent 组合,应用负责画出来设计团队做出按钮、日期选择器、图表 处理暗色、语言与无障碍→组件目录声明可以用哪些组件 每种组件接受什么参数→Agent 与应用Agent 描述当前需要的视图 各端调用自己的组件呈现组合的自由度由目录决定。跨端共享界面描述,仍需要各端提供对应的组件实现。

A2UI 消息在桌面网页、Android 和 iOS 上使用不同原生组件呈现

同一组组件与数据描述,可以映射到网页、Android 和 iOS 的组件。原图表达跨端方向,不能据此认定每个渲染器都已支持 1.0。

二、模型输出为什么不能直接操作应用?

假设 Agent 要读取日历邀请,其中一封外部邀请夹带了提示注入。若模型生成的 HTML、CSS 和 JavaScript 能直接进入已登录的应用页面,外部文本就可能影响页面实际执行的内容。仅删除脚本标签也不足以处理所有问题,样式和页面结构同样可能改变用户点击的位置或泄露信息。

A2UI 的做法是把模型输出限制为声明式数据。消息能引用目录内的组件和允许的函数,不能随意塞进脚本或原始 CSS。应用先验证这些数据,再交给自己的组件处理。“界面可以做什么”的权限,留在应用定义的目录与函数规则里。

1.0 还给客户端函数增加了 allowedCallers 和 requiresUserActivation。前者规定谁可以调用,后者要求特定操作必须由用户真实点击触发。例如打开外部页面或写入剪贴板,不能仅因为后台有一段消息流入就自动发生。

这套边界能减少直接执行模型输出的风险。业务系统仍需要正确设置函数权限、数据权限和提交确认,组件目录也要由开发者审查和维护。

三、放进 iframe,隔离起来就够了吗?

iframe 像在页面里嵌入另一张独立网页。对第三方提供的完整画布、3D 查看器或复杂看板,它很合适,因为这些内容确实需要独立的运行区域。MCP Apps 提供这样的嵌入机制,A2UI 1.0 也能通过 @a2ui/catalog-mcp 把 MCP Apps 放进界面。

但聊天里连续出现许多小卡片时,每张卡都开一个独立网页,会增加文档上下文和框架代码的内存开销。使用不透明来源的沙盒还会限制 cookie 和本地存储;下拉菜单可能被边界裁掉,焦点切换需要协调,高度变化要靠消息通信告诉外层页面,手机滚动容易受影响。

因此,自己掌握的表单和卡片,适合沿用应用组件;需要独立画布的内容,再选 iframe。实际开销取决于实现,主文给的是架构取舍,并没有提供“多少张卡片一定会卡”的通用阈值。 两种承载方式 · 示意图普通卡片和独立画布,各有合适的位置应用内组件预约表单、选项卡、确认按钮共享应用的布局、状态与设计系统隔离的嵌入页面第三方看板、3D 查看器、独立工具用隔离换取独立能力,同时处理尺寸与通信A2UI 与 MCP Apps 可以配合使用。A2UI 描述内容,MCP Apps 提供宿主内的应用嵌入方式。

四、生成式界面,到底选哪一种?

按照生成自由度,可以把常见做法看成三种。第一种让 Agent 选择已经做好的整块界面,最快也最受控;第二种让 Agent 从组件目录组合界面,更能适应当前任务;第三种允许临时生成完整代码或画面,灵活性最高,也带来更多验证和运行管理工作。

原文实际列了四项,还单列“把自己的页面嵌进别人的聊天”。这一项关注的是界面出现在哪里。一个预制工具可以嵌入聊天,组件组合出的 A2UI 界面也可以放进 MCP App,所以这些选项并不互斥。 生成自由度 · 示意图选择现成界面挑一张做好了的卡适合固定流程和有限选项 变化少,生成负担小组合已有组件按任务搭出视图适合个性化表单和计划 自由度来自组件目录生成完整实现临时写出新界面适合更开放的创作需求 需要更多运行与验证机制另一个选择是承载位置。界面可以在自己的应用里,也可以经 MCP Apps 嵌入支持它的助手。

原文展示受控组件选择、MCP Apps、声明式组合与开放式编码四种方式

原图把受控选择、MCP Apps 承载、声明式组合和开放式编程并列。A2UI 从声明式组件组合出发,逐步接入其他方式。

这里也出现了 Jev 这类“System 1”选择型模型。若任务只需从有限组件或选项里挑一个,模型可以直接做选择,减少长文本生成。它和 Express 是可选的生成路径,A2UI 本身负责共同的界面描述与渲染约定。官方路线图仍把决策模型的正式 SDK 支持列为后续方向,已有演示不等于整套官方支持已完成。 延伸阅读 · 选择型模型ChatGPT联合发明人 推出一款全新AI模型:System One 不生成文字 专注决策进一步理解 Jev 怎样从预设选项中给出判断,以及它与长文本生成模型的区别。

五、为什么 Express 能让生成更快?

让模型直接写完整 JSON,会花很多 token 重复输出字段名、引号、括号和层层嵌套。模型真正要表达的可能只有“一个选择器,三个时间,当前选中十点二十”,却要为格式写出不少额外内容。

OpenUI 项目的 OpenUI Lang 为这条路径提供了启发。紧凑的逐行格式减少重复结构,也让系统能逐步识别已生成的内容,更早开始流式处理;深层嵌套 JSON 则容易受尚未闭合的外层括号影响。

A2UI Express 使用更紧凑的写法,把组件表达成函数调用,用 $/visit/slot 这样的路径绑定数据。模型写出组件和它的数据关系,Agent SDK 再把它翻译成标准消息。Express 已成为 1.0 的 Python、TypeScript 和 Dart Agent SDK 默认推理格式。 等效示意 · 省略完整语法组件描述只需指出“用什么、绑哪里”$/visit/slot = "10:20"

ChoicePicker( "视频问诊", ["9:40", "10:20", "11:00"], value=$/visit/slot )选择器绑定到同一个数据路径。选项变化时更新该路径的值,依赖它的摘要和确认信息随之更新。

官方在 54 个样本组成的 core_v1_0 基准上,使用 gemini-3.8-flash、温度 0.0 测试。提示输入的 token 中位数从 10,980 降到 6,000,减少 45.4%。生成 UI 代码的 token 在关闭思考时减少 63.2%,在不设上限的思考设置下减少 67.3%。 官方 54 样本基准减少输入,也减少生成代码的长度**−45.4%提示输入 token 中位数10,980 → 6,000−63.2%UI 代码输出 token关闭思考−67.3%**UI 代码输出 token不设上限的思考设置彩色条表示相对原格式剩下的 token 比例。条件为 core_v1_0、gemini-3.8-flash、temperature=0.0。输出指标统计 UI 代码,不能据此推算总思考 token 或所有场景的响应时间。

token 变少通常有助于缩短生成过程,但不能把这个比例直接当作端到端提速。主文另行转述了客户的临床仪表盘案例,使用 Express 后延迟从 10 秒降到 5 秒;这是特定案例,和上面的 54 样本基准是两组证据。Soverius AI 还展示了微调本地 Gemma 4、在浏览器内输出 Express 的路径,也说明生成端可以有不同实现。

A2UI Playground 左侧销售仪表盘和右侧 13 行 Express 代码

Playground 示例将销售仪表盘与 Express 并排展示。右侧描述组件及参数,左侧由渲染器显示成卡片和图表。截图里的销售数值是演示内容。

六、生成格式变了,手机应用也要跟着更新吗?

如果每个网页、iOS 和 Android 客户端都直接解析 Express,将来服务端换一种更好用的模型写法,就得等待各端升级。A2UI 因此把模型使用的推理格式与实际传输的协议分开。

服务端的 A2uiGenerator 把 Express 编译成 A2UI 1.0 的 JSON 或 JSONL 消息,客户端只解析经过验证的标准 JSON。数据可以通过 SSE、WebSocket、A2A、AG-UI 或 MCP 等方式送达。它们承担连接和传送,A2UI 约定的是送过来的界面内容。 两层分离 · 示意图生成端可替换Express Python Macros 选择型模型的结果→标准消息创建界面 更新组件 更新数据路径→各端渲染器接收验证过的 JSON 调用本端组件 同步用户交互在共同支持的协议和组件能力内,替换服务端生成方法无需同步修改每个客户端。新增客户端能力仍可能需要升级应用。延伸阅读 · 协议之间怎样配合一个案例讲清楚六个 Agent 协议到底怎么配合用餐厅采购案例分清 MCP、A2A、A2UI 和 AG-UI 等协议各负责哪一步。

这个协议把更新拆得很具体。createSurface 创建一块界面,可以同时带上初始组件和数据;updateComponents 按 ID 更新扁平的组件列表,避免反复比较深层树结构;updateDataModel 用 JSON Pointer 指出要改的数据路径,例如 /visit/slot。

这些消息也让界面能够先显示已有部分,再逐步补齐。以晚餐安排为例,应用可以先画出日历与订位区域,等餐厅结果返回后再填入卡片,打车报价随后更新到对应位置。这是对渐进渲染和局部更新能力的示意,实际先后顺序由 Agent 与服务响应决定。

组件和数据分开之后,改一个时间就不用重新生成整张卡。下面的本地示意把选择器、数据和摘要摆在一起。改选项时,界面仍是原来那张,发生变化的是绑定的值;按确认时,再取当前数据组成操作请求。 可操作示意 · 仅在本页模拟改一个选项,同一张卡片立即更新今天的照顾计划视频问诊时段午餐选择已选 10:20 问诊,午餐是牛肉河粉。当前数据模型/visit/slot = "10:20" /lunch/order = "牛肉河粉"尚未改动。选择器和摘要读取同一份数据。尚未确认,未向任何服务发送请求。静态读法也相同。选择器把新值写入绑定路径,摘要读取新值;点击确认才读取当前选项形成事件。此处是 HTML 本地教学示意,未接入 A2UI SDK,也不会预约或订餐。

Python Macros 进一步把一些步骤交给确定性的程序完成。开发者可以在服务端展开预制组件、绑定数据库里的值,避免让模型重复生成复杂结构,也可以让敏感值绕过模型提示词。保护范围取决于实际的数据路径设计,不能理解为采用 A2UI 后所有数据都会自动避开模型。

服务端组件目录和 Agent SDK 生成协议消息,客户端用本地组件渲染

原图左侧是组件目录、技能生成器、Agent 和编译器,右侧是应用组件与渲染器。界面结构和数据可以分开传送,双方围绕共同协议衔接。

1.0 把哪些能力补齐了?

1.0 的双向函数调用有两个方向。界面可以请求 Agent 端的函数,例如查询剩余座位或可预约时段,再接收结果。Agent 也可以请求执行组件目录允许的客户端函数,并取回结果。两侧能调用什么,都要遵守目录与权限约定,详见官方函数指南。

用户点“确认”后发送操作事件,是另一种交互机制,0.9.1 已经具备。它不能算作 1.0 新增的双向函数调用。1.0 同时加入无障碍支持,以及携带额外元数据的扩展机制,具体体验由应用组件与业务服务实现。

Agent SDK 负责把这些能力接到开发者现有的 Agent 框架里。Python、TypeScript 和 Dart 的工具链可以生成供 Agent 使用的技能、转换消息并处理生成错误。Python 另外提供 Macros。这里的技能和 SDK 是接入工具,标准协议则是各方共同遵守的消息约定。

渲染端已经覆盖多种技术栈,但支持版本要逐项看。网页端可选 React、Angular 和 Lit,Flutter 面向手机、网页与桌面,SwiftUI 面向 iOS。Web 与 Flutter 渲染器也能用于 MCP Apps,进入支持这类应用的助手。 按发布材料所述状态协议到 1.0,各端升级仍有先后主要渲染与 Agent 工具Web / Flutter / SwiftUI 渲染器Python / TypeScript / Dart Agent SDK仍在适配或升级Jetpack Compose 当前 0.9.1Lynx 当前 0.9,正在适配 1.0Gemini 当前支持 0.9.1;Gemini Enterprise 正升级 1.0发布材料明确说 Android 的 Jetpack Compose 1.0 支持即将推出。跨端覆盖与所有平台已升级到同一协议版本,是两件需要分别核对的事。

已经有人把它放进真实工作里

Jira 把缺少的决定直接问在任务里

Atlassian 正把 A2UI 带进 Jira。团队可以把工作项分派给 Agent;Agent 需要补充信息或需要人做决定时,就在工作项里给出交互卡片,团队成员当场回答。图中的问题是测试应该覆盖到什么程度,从最少到全面都有对应选项,也允许填写自己的答案。

Jira 中 Agent 用卡片询问测试覆盖程度

卡片把一项决策的不同程度明确列出来。用户选好后发送答案,Agent 才能接着完成工作项。

Alation 让同一份分析进入不同入口

Alation 的 AIOS 用 A2UI 生成指标卡片和图表组成的信息流,每张图还可以展示背后的 SQL 和数据。用户在 Claude 里询问哪些产品更赚钱,得到的分析也能在 Alation 自己的产品内查看,两处内容相同,布局接近。

同一份 Alation 产品利润分析分别显示在 Claude 和 Alation 内

左边通过 MCP App 出现在 Claude 对话里,右边位于 Alation。两处共享指标和图表,说明界面内容可以复用到不同宿主。

Lynx 把消息流画成原生行程卡

ByteDance 为跨平台框架 Lynx 提供了 A2UI 渲染器,默认组件基于 lynx-ui。官方展示的京都两日游示例,一侧是逐条到来的消息,一侧是手机里的行程视图。Lynx 当前支持 A2UI 0.9,团队正在与 A2UI 一起适配 1.0。

Lynx Playground 左侧 A2UI 消息与右侧京都两日游卡片

消息中的组件和数据被呈现为行程卡。截图上的渲染指标来自这个示例,不能推广成所有设备或应用的性能结果。

Gemini Notebook 先确认成品长什么样

在 Gemini Notebook 的演示中,请它生成幻灯片后,界面先问要演讲型还是详细型,以及重点讲哪些主题。随后再出现审阅卡,让用户调整格式、重点和视觉风格,确认后生成。网页与手机上的视频概览也使用这套卡片流程。

Gemini Notebook 左侧选择演示文稿类型与重点,右侧审阅格式和风格

左卡选成品类型与主题,右卡在生成前复核设置。把要求变成明确选项,有助于减少成品完成后再返工。

在 Gemini 中,组织还可以注册自己的 Agent,让它返回 A2UI 消息,再由 Gemini 的组件图库负责呈现。官方文档分别说明了注册过程与在 Cloud Run 上托管 Agent的方法。发布材料注明 Gemini 当前支持 0.9.1,Gemini Enterprise 的 1.0 升级仍在推进。

Google 的发布材料还提到 Bloomberg 等团队正在使用这套方向,也有尚未推出的内部产品在构建相关功能。这些信息说明生态正在扩展,尚未发布的功能仍需等待各自产品公告。

从哪里开始试?

想先理解效果,可以打开 A2UI Playground,看同一段描述怎样变成可操作界面,再到 官方快速入门选择符合现有应用的渲染器。开发团队已有的设计系统和 Agent 框架可以继续使用。

官方给出两条接入路径。使用 Antigravity、Claude Code、Codex 或 Cursor 等编程 Agent 时,可以先添加 A2UI 技能。自行接入项目时,再按所用技术栈安装 SDK。下列命令来自主文,Python 与 npm 部分分别对应两种技术栈。

## 添加 A2UI 技能
npx skills add a2ui-project/a2ui

## Python Agent SDK
pip install a2ui-agent-sdk

## TypeScript Agent SDK 与 React 渲染器
npm install @a2ui/agent @a2ui/react @a2ui/web_core

要把界面放进 Claude、Gemini 等支持 MCP Apps 的助手,可以继续看 A2UI in MCP Apps 集成指南。已有 0.9 实现的项目,需要按 版本演进指南检查变更,尤其确认目标宿主与渲染器支持哪个版本。

官方发布博客还给出六个行业演示入口,包括 Homeward 房产与搬家、Investing companion 投资助手、Alder 穿搭、GenUI Clinic 医疗记录、Riviera Home 智能家居和 Vital Loop 体征追踪。这些是合作伙伴的演示项目,供参考交互方式。

A2UI 1.0 提供了一条务实的路径。服务端可以继续改进生成方法,应用继续掌握组件和执行权限,用户则在眼前这张卡片上调整、核对、确认。生成式界面的价值,也就在这些具体动作里体现出来。 来源A2UI 1.0 launch and 6 answers to commonly asked generative UI questionsAlan Blount / Google Cloud Tech·2026-11-11·查看主材料延伸A2UI 1.0: Build delightful, fast, reliable, agentic experiences·A2UI 官方文档·A2UI 开源项目·A2UI Actions, Events and Functions·A2UI in MCP Apps本站说明图片和无声演示视频来自主文及 Google Developers 发布博客;正文示意图与本地交互为本文制作。基准与客户案例均为官方披露,适用范围分别说明。

↑ 正文结束 ✓ 本篇全文免费开放

读完还有疑问?会员每天能问小互 30 次,每句带出处;还有一份按你口味挑好的每日 AI 日报。 成为会员 $59/年按月 $6.99

7 天内不满意全额退 · 看会员能多什么 →

阅读原文 ↗

📮 新解读每晚进邮箱

读完觉得有用?留个邮箱,每晚一封当天的新解读,随时退订。