引言：从静态到自适应
想象一下，你走进一家餐厅，服务员不是递给你一本固定的菜单，而是问你："今天想吃什么类型的菜？"然后根据你的回答，当场为你生成一张完全符合你口味和饮食偏好的菜单。这张菜单不是预先印好的，而是为你一个人、在这一刻、基于你的具体需求实时创造的。
这就是 Generative UI（生成式用户界面）的核心理念。
在传统的软件开发中，UI 是静态的。开发者预设好所有的按钮、表单、图表，用户只能在这些固定的选项中操作。就像一家餐厅只有一本固定的菜单，不管谁来、什么时候来、有什么特殊需求，看到的都是同样的东西。
但世界不是这样的。每个用户的需求都是独特的，每个场景都是动态变化的。
Generative UI 改变了这个范式。在这种新模式下，AI Agent 不再只是生成文字回复，它可以生成、选择或控制用户界面的部分或全部。Agent 可以发送 UI 状态、结构化的 UI 规范，甚至是完整的交互式 UI 块，前端实时渲染。界面从"开发者预定义的固定屏幕"变成了"随 Agent 工作和上下文变化而自适应的活界面"。
这不是科幻。CopilotKit 的 generative-ui 项目已经在 GitHub 上开源（ https://github.com/CopilotKit/generative-ui ），他们的口号很直白："Build apps that adapt to your users"（构建自适应用户的应用）。
但这里有一个关键问题：如果让 AI 完全自由地生成界面，会不会像给一个小孩一把油漆刷让他刷墙一样——虽然很有创造力，但结果可能难以预料？
答案是：控制与自由之间需要一个光谱。CopilotKit 将这个光谱划分为三种实践模式，每种模式对应不同的控制程度和应用场景。
让我带你一步步理解这三种模式，以及支撑它们的协议栈。这不是一个关于未来技术的遥想，而是正在发生的界面革命。
---
第一章：三种控制光谱——乐高、3D打印与自由雕塑
理解 Generative UI 的最佳方式，是把它想象成一个从"完全控制"到"完全自由"的光谱。在这个光谱上，CopilotKit 定义了三个主要位置，分别用三种制作物品的方式来比喻：乐高积木、3D打印和自由雕塑。
1.1 Controlled Generative UI：乐高积木模式
想象你在玩乐高。所有的积木块都是预先设计好的——红色的方块、蓝色的长条、绿色的平板，形状固定，颜色确定。你的创造力体现在选择哪些积木和如何组合它们，而不是发明新的积木形状。
这就是 Controlled Generative UI（受控生成式 UI） 的工作方式。
在这种模式下，开发者预先构建好所有的 UI 组件——天气卡片、股票行情图、审批流程表单。Agent 的工作不是"创造"组件，而是选择在此时此刻显示哪个组件，并传递它需要的数据。
举个例子。假设你正在开发一个天气助手应用。你预先设计了三个组件：
WeatherLoadingState：显示"正在获取天气..."的加载动画WeatherCard：显示温度、湿度、风速的精美卡片WeatherError：显示错误信息和重试按钮
get_weather 工具，把"北京"作为参数传进去。剩下的——显示加载状态、展示结果、处理错误——都由前端根据组件定义自动处理。代码长这样：
useFrontendTool({
name: "get_weather",
description: "获取指定位置的天气信息",
parameters: z.object({
location: z.string().describe("要查询天气的城市或位置")
}),
handler: async ({ location }) => {
// 调用天气 API
return getWeatherData(location);
},
render: ({ status, args, result }) => {
// 根据状态渲染不同的预定义组件
if (status === "inProgress") {
return <WeatherLoadingState location={args?.location} />;
}
if (status === "complete" && result) {
const data = JSON.parse(result);
return (
<WeatherCard
location={data.location}
temperature={data.temperature}
conditions={data.conditions}
humidity={data.humidity}
/>
);
}
if (status === "error") {
return <WeatherError />;
}
},
});
这种模式的优势很明显：
- 完全控制：开发者决定用户可以看到的所有界面元素
- 品牌一致性：所有组件都遵循统一的设计系统
- 安全性高：没有执行任意代码的风险
- 性能可预测：预编译的组件，渲染速度有保障
这就像是乐高说明书上的模型——如果你只有这些积木，就只能拼出说明书上的东西。想拼一只长颈鹿但说明书上没有？抱歉，只能近似模拟。
适用场景：天气卡片、股票行情、审批流、任何需要严格控制品牌体验的场景。
1.2 Declarative Generative UI：3D打印模式
现在想象 3D 打印。你不是从固定的积木中选择，而是有一个设计文件（比如一个 .stl 文件），描述了一个物体的三维结构。3D 打印机读取这个文件，逐层构建出物体。你可以打印任何形状——只要设计文件描述得出来。
这就是 Declarative Generative UI（声明式生成式 UI） 的工作方式。
在这种模式下，Agent 不再只是选择预定义的组件，而是生成一个结构化的 UI 描述——用 JSON 或类似的格式，描述"这里应该有一个卡片，卡片里有一个标题、一段文字和一个按钮"。前端读取这个描述，用本地的组件库把它渲染出来。
关键的协议有两个：
A2UI（Agent-to-User Interface）：Google 提出的基于 JSONL（JSON Lines）的声明式 UI 规范。它定义了一套组件词汇表——Card、Text、Button、TextField、List 等等。Agent 用这些词汇来描述界面，但不涉及具体的样式和实现细节。
举个例子，A2UI 的描述可能是这样的：
{"surfaceUpdate": {"surfaceId": "review-form", "components": [
{"id": "title", "component": {"Text": {
"usageHint": "h2",
"text": {"literalString": "请评价您的体验"}
}}},
{"id": "rating", "component": {"TextField": {
"label": "评分 (1-5)",
"inputType": "NUMBER"
}}},
{"id": "submit", "component": {"Button": {
"text": "提交评价",
"action": {"name": "submit_review"}
}}}
]}}
这段 JSON 没有说"用蓝色背景、圆角 8px、字体大小 16px"。它只是说："这里有一个表单，包含一个标题、一个数字输入框和一个提交按钮。"具体长什么样，由前端决定——React 用 React 组件渲染，Flutter 用 Flutter widget 渲染，SwiftUI 用 SwiftUI 视图渲染。
Open-JSON-UI：OpenAI 内部声明式 UI 模式的标准化版本。原理类似，也是用 JSON 描述界面结构。
这种模式的优势：
- 平衡灵活：Agent 可以创建动态界面，不需要为每个场景预定义组件
- 跨平台：同一个描述可以在 Web、iOS、Android 上渲染出原生风格的界面
- 安全可控：只是数据描述，没有代码执行风险
- LLM 友好：JSON 结构对语言模型来说很容易生成
适用场景：餐厅查找器（根据搜索结果动态生成卡片列表）、动态表单（根据对话上下文生成不同的输入字段）、数据可视化（根据数据类型选择图表类型）。
1.3 Open-ended Generative UI：自由雕塑模式
最后想象自由雕塑。你有一团黏土，可以捏成任何形状。没有预设的积木，没有设计文件的约束，只有你的想象力和双手的限制。
这就是 Open-ended Generative UI（开放式生成式 UI） 的工作方式。
在这种模式下，Agent（或 Agent 调用的服务）返回完整的 UI 表面——通常是 HTML，有时是一个 iframe 的 URL。前端基本上只是一个容器，负责把这个外部提供的界面显示出来。
这种模式的核心协议是 MCP Apps（Model Context Protocol Apps）。MCP 原本是一个让 AI 模型调用外部工具的协议（比如让 Claude 查询数据库、操作文件系统）。MCP Apps 扩展了这个协议，允许 MCP 服务器"运送"交互式 HTML UI。
流程是这样的：
1. Agent 决定调用一个工具（比如"创建 Excalidraw 图表"）
2. 这个工具声明了一个 UI 资源（通过 ui:// URI 方案）
3. 前端从服务器获取这个 UI 资源（一个 HTML 页面）
4. 前端在一个沙箱化的 iframe 中渲染这个 HTML
5. 用户可以与这个 iframe 中的界面交互（比如编辑图表）
6. iframe 通过 JSON-RPC 与宿主应用双向通信
代码示例：
const agent = new BuiltInAgent({
model: "openai/gpt-5",
prompt: "你是一个有用的助手，可以帮用户创建图表。",
}).use(
new MCPAppsMiddleware({
mcpServers: [{
type: "http",
url: "https://mcp.excalidraw.com/mcp",
serverId: "excalidraw",
}],
}),
);
当 Agent 调用 create_view 工具时，Excalidraw MCP 服务器返回一个交互式的图表编辑器界面，用户可以直接在聊天窗口中编辑图表。
这种模式的优势：
- 极高自由度：可以创建任何类型的界面，包括复杂的交互式模拟、3D 可视化、自定义控件
- 服务器端控制：服务器可以完全控制 UI 的外观和行为
- 快速迭代：不需要更新客户端，服务器端的 UI 可以随时更新
- 安全性：虽然 iframe 是沙箱化的，但运行外部 HTML 总是有风险的。CSP（内容安全策略）和权限控制至关重要。
- 性能：iframe 加载需要时间，可能比本地组件慢
- 一致性：外部 UI 可能与宿主应用的设计风格不一致
- 可移植性：高度依赖 Web 技术，在非 Web 平台（如原生移动应用）上实现更复杂
1.4 三种模式的对比
| 维度 | Controlled (乐高) | Declarative (3D打印) | Open-ended (自由雕塑) |
|---|---|---|---|
| 控制方 | 开发者完全控制 | 共享控制 | 服务器/Agent 控制 |
| 自由度 | 低 | 中 | 高 |
| 协议 | AG-UI | A2UI, Open-JSON-UI | MCP Apps |
| 输出形式 | 预定义组件 | JSON 描述 | HTML / iframe |
| 安全性 | 高 | 高 | 中（需要沙箱） |
| 性能 | 最优 | 好 | 中（iframe 加载） |
| 适用场景 | 天气、股票、审批 | 动态表单、列表 | 复杂交互、可视化 |
1.5 第四种模式：Open Generative UI（补充说明）
CopilotKit 还提到了第四种模式，叫做 Open Generative UI，通过 useComponent hook 实现。
这种模式与 MCP Apps 类似，都是 Agent 生成 HTML，但有一个关键区别：没有服务器往返。在 MCP Apps 中，Agent 调用远程服务器的工具，服务器返回 UI。而在 Open Generative UI 中，LangGraph Agent 直接生成原始 HTML/SVG/Canvas 字符串，通过工具调用直接传递给前端。
这就像是即兴表演——演员（Agent）直接创造内容，不需要舞台工作人员（服务器）的帮助。适合算法可视化、数学绘图、简单的交互式模拟等场景。
---
第二章：协议栈解剖——神经系统、表现形式与事件流
理解了三种 Generative UI 模式后，我们需要深入底层，看看这些模式是如何实际运作的。这就像是了解汽车的发动机——你不需要成为机械师才能开车，但了解发动机会让你成为更好的司机。
2.1 协议生态系统全景
在 Generative UI 的世界里，有多个协议协同工作，每个协议负责不同的层次。想象一个交响乐团的结构：
| 协议 | 层级 | 作用 | 比喻 |
|---|---|---|---|
| AG-UI | 交互层 | Agent ↔ 用户 ↔ 应用的双向同步 | 神经系统 |
| MCP | 工具层 | 上下文和模型通信 | 手和工具 |
| A2A | 编排层 | Agent 间协调 | 乐团指挥 |
| A2UI | 表现层 | Agent 生成 UI 规范 | 乐谱 |
2.2 AG-UI：神经系统
AG-UI（Agent-User Interaction Protocol） 是 CopilotKit 提出的开放协议，它是整个 Generative UI 生态的"神经系统"。
想象你的身体。神经系统不负责思考（那是大脑的工作），也不负责运动（那是肌肉的工作）。神经系统的职责是在大脑和身体各部分之间传递信号——感觉信号从皮肤传向大脑，运动指令从大脑传向肌肉。
AG-UI 做的就是类似的事情。它不关心 Agent 如何思考，也不关心 UI 如何渲染。它只关心一件事：Agent 和前端之间的实时双向通信。
AG-UI 定义了大约 16 种标准事件类型，涵盖：
- 消息事件：Agent 说的话、用户的输入
- 工具调用事件：工具开始执行、执行进度、执行完成
- 状态更新事件：共享状态的快照（STATE_SNAPSHOT）、增量更新（STATE_DELTA，使用 JSON Patch 格式）
- UI 表面事件：渲染某个 UI、更新 UI 数据
一个典型的 AG-UI 事件流可能是这样的：
// 1. 用户发送消息
{"type": "MESSAGE", "role": "user", "content": "北京天气怎么样？"}
// 2. Agent 决定调用天气工具
{"type": "TOOL_CALL_START", "toolName": "get_weather", "args": {"location": "北京"}}
// 3. 前端渲染加载状态（通过 Controlled GenUI）
{"type": "RENDER", "component": "WeatherLoadingState", "props": {"location": "北京"}}
// 4. 工具执行完成，返回结果
{"type": "TOOL_CALL_COMPLETE", "toolName": "get_weather", "result": {"temp": 22, "humidity": 45}}
// 5. 前端渲染结果卡片
{"type": "RENDER", "component": "WeatherCard", "props": {"temp": 22, "humidity": 45}}
AG-UI 的美妙之处在于它的 统一性。不管你是用 LangGraph、CrewAI、Pydantic AI 还是任何其他 Agent 框架，只要它能发出 AG-UI 兼容的事件，就能连接到任何 AG-UI 兼容的前端（比如 CopilotKit 的 React 组件）。
这就像是 USB 接口——不管是哪个品牌的键盘，只要接口匹配，插上就能用。
2.3 A2UI vs AG-UI：乐谱 vs 演奏
很多人容易混淆 A2UI 和 AG-UI，因为它们的名字很像。但它们的角色完全不同。
A2UI 是乐谱。它定义了"演奏什么音符"——用什么组件、怎么排列、显示什么数据。A2UI 的输出是 JSON 描述，比如：
{"surfaceUpdate": {"components": [
{"id": "title", "component": {"Text": {"text": {"literalString": "Hello"}}}}
]}}
AG-UI 是演奏过程。它定义了"乐谱如何在音乐家和听众之间流动"——什么时候开始演奏、如何同步多个乐手、如何处理即兴发挥。AG-UI 的输出是事件流，比如：
{"type": "RENDER", "surfaceId": "main", "a2uiPayload": {...}}
关键区别：
- A2UI 定义"显示什么 UI"（What）
- AG-UI 定义"UI 如何在前后端流动"（How）
2.4 MCP：手和工具
MCP（Model Context Protocol） 是 Anthropic 提出的开放标准，最初目的是让 AI 模型能够调用外部工具和数据源。
想象一个工匠。工匠有手（模型）和工具箱（各种工具）。MCP 定义了手如何握持工具、如何传递指令、如何接收结果。它不关心工具内部是如何工作的（那是工具制造商的事），只关心接口标准化。
MCP 的核心概念：
- Tools（工具）：模型可以调用的功能（如"查询数据库"、"发送邮件"）
- Resources（资源）：模型可以读取的数据（如文件内容、数据库记录）
- Prompts（提示）：预定义的提示模板
ui:// URI）。2.5 A2A：乐团指挥
A2A（Agent-to-Agent） 是另一个新兴协议，专注于 Agent 之间的协调。
想象一个交响乐团。每个乐手（Agent）都是专家——小提琴手、大提琴手、钢琴家。但他们需要协调，否则就是噪音。乐团指挥（A2A）负责：
- 决定谁来演奏（哪个 Agent 处理当前任务）
- 协调节奏和时机（Agent A 完成后 Agent B 开始）
- 处理交接（Agent A 的输出作为 Agent B 的输入）
2.6 事件流的生命周期
让我们通过一个完整的例子，看看这些协议如何协同工作。
场景：用户说"帮我规划一次去东京的旅行"，Agent 需要一个多步骤的界面来收集偏好（预算、日期、兴趣点）。
步骤 1：用户输入（AG-UI MESSAGE 事件）
{"type": "MESSAGE", "role": "user", "content": "帮我规划一次去东京的旅行"}
步骤 2：Agent 思考并决定启动旅行规划工作流（可能是 A2A 协调多个 Agent）
步骤 3：Agent 生成 UI 描述（A2UI）
{"surfaceUpdate": {"surfaceId": "travel-planner", "components": [
{"id": "title", "component": {"Text": {"text": {"literalString": "东京旅行规划"}}}},
{"id": "budget", "component": {"TextField": {"label": "预算（人民币）"}}},
{"id": "dates", "component": {"DateRangePicker": {"label": "旅行日期"}}},
{"id": "interests", "component": {"CheckboxGroup": {
"label": "兴趣",
"options": ["美食", "购物", "文化", "自然"]
}}},
{"id": "next", "component": {"Button": {"text": "下一步", "action": {"name": "plan_trip"}}}}
]}}
步骤 4：通过 AG-UI 传输到前端
{"type": "RENDER", "surfaceId": "travel-planner", "a2uiPayload": {...}}
步骤 5：用户填写表单并点击"下一步"（AG-UI ACTION 事件）
{"type": "ACTION", "surfaceId": "travel-planner", "action": "plan_trip", "data": {"budget": 10000, "dates": {...}, "interests": ["美食", "文化"]}}
步骤 6：Agent 调用工具查询航班和酒店（MCP 工具调用）
步骤 7：Agent 生成结果界面（可能是更复杂的 MCP Apps UI）
整个流程中：
- AG-UI 负责所有实时通信
- A2UI 负责描述表单界面
- MCP 负责调用外部工具（航班查询、酒店预订）
- A2A（如果使用）负责协调多个 Agent
---
第三章：实战案例——Excalidraw 与 OpenGenerativeUI
理论讲完了，让我们看看实际应用。CopilotKit 的 generative-ui 仓库包含两个精彩的实战案例，完美展示了不同模式的应用。
3.1 Excalidraw MCP Apps：开放式 Generative UI 的典范
Excalidraw 是一个流行的开源手绘风格图表工具。CopilotKit 团队与 Excalidraw 合作，创建了一个 MCP Apps 集成，让用户可以通过自然语言描述，在几秒钟内生成可编辑的图表。
用户体验：
1. 用户在聊天窗口中说："画一个展示客户端-服务器架构的图"
2. Agent 调用 Excalidraw MCP 服务器的 create_view 工具
3. 工具返回一个交互式的 Excalidraw 编辑器界面，嵌入在聊天窗口中
4. 界面上已经有一个根据描述生成的架构图
5. 用户可以直接在界面中编辑图表、添加元素、调整布局
6. 一键点击，图表可以推送到 Excalidraw 主站保存
技术实现：
后端代码（Next.js API 路由）：
import { CopilotRuntime, ExperimentalEmptyAdapter, copilotRuntimeNextJSAppRouterEndpoint } from "@copilotkit/runtime";
import { BuiltInAgent } from "@copilotkit/runtime/v2";
import { MCPAppsMiddleware } from "@ag-ui/mcp-apps-middleware";
import { NextRequest } from "next/server";
// 创建 Agent，接入 Excalidraw MCP 服务器
const agent = new BuiltInAgent({
model: "openai/gpt-5",
prompt: `你是一个 AI 图表助手，由 Excalidraw 驱动。
用户描述任何东西，你都要生成对应的图表。
调用 create_view 工具，传入 Excalidraw 元素数组。`,
}).use(
new MCPAppsMiddleware({
mcpServers: [{
type: "http",
url: process.env.MCP_SERVER_URL ?? "http://localhost:3001/mcp",
serverId: "excalidraw",
}],
}),
);
const serviceAdapter = new ExperimentalEmptyAdapter();
const runtime = new CopilotRuntime({
agents: { default: agent },
});
export const POST = async (req: NextRequest) => {
const { handleRequest } = copilotRuntimeNextJSAppRouterEndpoint({
runtime,
serviceAdapter,
endpoint: "/api/copilotkit",
});
return handleRequest(req);
};
当 Agent 调用 create_view 时，它实际上传递的是这样一个 JSON 数组：
[
{
"type": "rectangle",
"x": 100,
"y": 100,
"width": 150,
"height": 80,
"strokeColor": "#000000",
"backgroundColor": "transparent"
},
{
"type": "text",
"x": 125,
"y": 130,
"text": "客户端",
"fontSize": 20
},
{
"type": "arrow",
"x": 250,
"y": 140,
"points": [[0, 0], [100, 0]]
}
]
Excalidraw MCP 服务器接收这些元素，创建一个可编辑的图表视图，然后通过 MCP Apps 协议返回一个 URL。前端在一个沙箱化的 iframe 中加载这个 URL，用户看到的就是一个完整的 Excalidraw 编辑器。
为什么这个案例重要：
它展示了 Open-ended Generative UI 的强大之处。Agent 不需要知道如何绘制图形、如何处理用户交互、如何保存文件——这些复杂的工作都由 Excalidraw MCP 服务器处理。Agent 只需要"指挥"："我要一个这样的图表"。
这就像是请了一个专业的图表设计师。你告诉他你想要什么，他给你成品，你可以在他的工作室里现场修改，最后带走最终版本。你不需要自己学会设计软件。
3.2 OpenGenerativeUI：探索 Generative UI 的可能性边界
OpenGenerativeUI 是 CopilotKit 的另一个开源展示项目，它使用 useComponent hook 来实现开放式 Generative UI。
与 Excalidraw 案例不同，OpenGenerativeUI 不需要外部 MCP 服务器。LangGraph Agent 直接生成 HTML/SVG/Canvas 代码，前端直接渲染。
支持的内容类型：
- 算法可视化：排序算法、图遍历、动态规划的逐步演示
- 3D 动画：Three.js、WebGL 驱动的交互式 3D 场景
- 交互式模拟：物理模拟、生态系统模拟、经济模型
- 数学绘图：函数图像、几何图形、统计图表
- D3 力导向图：网络关系可视化
import { useComponent } from "@copilotkit/react-core/v2";
import { WidgetRenderer, WidgetRendererProps } from "@/components/generative-ui/widget-renderer";
// 注册一个名为 "widgetRenderer" 的组件
useComponent({
name: "widgetRenderer",
description: `在沙箱化 iframe 中渲染交互式 HTML/SVG 可视化。
用于算法可视化、图表、控件和模拟。`,
parameters: WidgetRendererProps,
render: WidgetRenderer,
});
当 Agent 需要展示一个可视化时，它直接生成 HTML 字符串：
<!DOCTYPE html>
<html>
<head>
<script src="https://cdnjs.cloudflare.com/ajax/libs/three.js/r128/three.min.js"></script>
</head>
<body>
<div id="canvas"></div>
<script>
// Three.js 3D 场景代码
const scene = new THREE.Scene();
const camera = new THREE.PerspectiveCamera(75, 1, 0.1, 1000);
const renderer = new THREE.WebGLRenderer();
// ... 更多 3D 渲染代码
</script>
</body>
</html>
这个 HTML 字符串通过 AG-UI 协议传输到前端，WidgetRenderer 组件把它放进一个沙箱化的 iframe 中渲染。
与 MCP Apps 的区别：
| 维度 | MCP Apps (Excalidraw) | useComponent (OpenGenerativeUI) |
|---|---|---|
| 服务器往返 | 需要（调用远程 MCP 服务器） | 不需要（Agent 直接生成） |
| 延迟 | 较高（网络请求） | 较低（本地生成） |
| 能力范围 | 取决于 MCP 服务器的功能 | 取决于 Agent 生成代码的能力 |
| 安全性 | 依赖 iframe 沙箱 | 依赖 iframe 沙箱 |
| 适用场景 | 调用外部专业服务 | 快速原型、代码生成类任务 |
它展示了 Generative UI 的极限可能性。如果 Agent 能够生成有效的 HTML/JavaScript 代码，那么理论上它可以创建任何类型的界面——从简单的图表到复杂的 3D 游戏。
当然，这也带来了挑战：
- 代码质量：Agent 生成的代码可能有 bug
- 安全性：需要严格的沙箱隔离
- 性能：复杂的可视化可能消耗大量资源
---
第四章：协议生态的未来——为什么没有唯一的"赢家"
在 Generative UI 的生态系统中，我们有多个协议：AG-UI、A2UI、MCP、A2A。一个自然的疑问是：会不会最终只有一个协议胜出？其他都被淘汰？
答案是：不会。这些协议不是竞争者，而是协作者。
4.1 协议分工的必然性
想象城市交通系统。我们有：
- 地铁：大运量、固定路线、站点之间快速移动
- 公交：灵活路线、覆盖面广、门到门服务
- 出租车/网约车：个性化、随叫随到、点对点
- 自行车/步行：短距离、灵活、健康
Generative UI 的协议生态也是如此。
4.2 每个协议的核心价值
AG-UI：通用传输层
AG-UI 的目标是成为"神经系统"——不管大脑（Agent）和肌肉（UI）如何变化，神经系统负责传递信号的工作是永恒的。
AG-UI 的价值在于：
- 框架无关：任何 Agent 框架、任何前端框架都可以使用
- 实时双向：支持流式响应、状态同步、人机协作
- 事件标准化：统一的事件类型让调试和监控更容易
A2UI 的目标是成为"乐谱标准"——就像五线谱让不同乐器的演奏者能够理解同一首曲子，A2UI 让不同平台的 UI 能够渲染同一个描述。
A2UI 的价值在于：
- 跨平台：Web、iOS、Android、桌面，同一套描述
- LLM 友好：JSON 结构对语言模型来说很容易生成
- 安全声明式：数据不是代码，没有执行风险
MCP 的目标是成为"工具市场"——标准化让工具制造商（MCP 服务器开发者）和工具使用者（Agent 开发者）能够无缝对接。
MCP 的价值在于：
- 即插即用：连接一个 MCP 服务器，立即获得新能力
- 安全隔离：工具运行在独立的上下文中
- 生态丰富：越来越多的服务提供 MCP 接口
A2A 的目标是成为"Agent 社交协议"——让不同的 Agent 能够发现彼此、协商任务、协同工作。
A2A 的价值在于：
- 专业化：每个 Agent 专注于自己的领域
- 组合性：简单的 Agent 组合成复杂的系统
- 可扩展性：新的 Agent 可以无缝加入网络
4.3 为什么不会有一个"赢家"
技术原因：
每个协议解决的问题本质不同。AG-UI 解决"如何通信"，A2UI 解决"描述什么"，MCP 解决"调用工具"，A2A 解决"Agent 协作"。这就像问"螺丝刀和锤子哪个更好"——取决于你要做什么。
社会原因：
协议的背后是组织。AG-UI 由 CopilotKit 主导，A2UI 由 Google 主导，MCP 由 Anthropic 发起，A2A 是多个组织的协作。这些组织有不同的利益、不同的技术栈、不同的用户群体。强制统一既不现实，也不必要。
历史原因：
技术史告诉我们，开放标准往往比单一垄断更持久。TCP/IP 不是唯一的网络协议，但它是最通用的，所以其他协议（HTTP、FTP、WebSocket）都建立在它之上。Generative UI 的生态也在走向同样的方向——AG-UI 正在成为底层传输标准，而其他协议在其之上各显神通。
4.4 可组合性的重要性
未来的 Generative UI 应用，很可能是多协议组合的：
┌─────────────────────────────────────────────────────────┐
│ 用户界面层 │
│ (React / Vue / Flutter / SwiftUI) │
├─────────────────────────────────────────────────────────┤
│ AG-UI 传输层（事件流） │
├─────────────────────────────────────────────────────────┤
│ A2UI 渲染器 │ MCP Apps 容器 │ Controlled 组件 │
├─────────────────────────────────────────────────────────┤
│ Agent 运行时层 │
│ (LangGraph / CrewAI / Pydantic AI / AutoGen) │
├─────────────────────────────────────────────────────────┤
│ MCP 工具层（数据库、API、文件系统） │
├─────────────────────────────────────────────────────────┤
│ A2A 协调层（多 Agent 协作） │
└─────────────────────────────────────────────────────────┘
这种分层架构的好处是：
- 每一层可以独立演进：升级 React 不需要改动 LangGraph
- 每一层可以替换：不喜欢 LangGraph？换成 CrewAI，其他层不受影响
- 每一层可以组合：根据需求选择不同的技术栈
4.5 开源生态的合作
令人鼓舞的是，这个生态的主要玩家正在走向合作而非对抗：
- Oracle：Open Agent Specification，定义可移植的 Agent 描述
- Google：A2UI 规范，声明式 UI 标准
- CopilotKit：AG-UI 协议 + 实现框架
- Anthropic：MCP 协议
- OpenAI：支持 MCP Apps
- Microsoft：Azure Agent Framework 支持 AG-UI
- AWS：AgentCore 提供 AG-UI 端点
这不是一个公司的愿景，而是整个行业的方向。
---
第五章：开发者视角——选择、安全与性能
如果你是开发者，想要在自己的项目中使用 Generative UI，应该怎么做？这一章提供实用的指导。
5.1 如何选择合适的模式
选择 Generative UI 模式，就像选择交通工具——取决于你的目的地、预算和时间。
选择 Controlled Generative UI（乐高模式）如果：
- ✅ 你需要严格控制品牌体验
- ✅ 你的应用场景有限且明确（天气、股票、特定审批流）
- ✅ 你想要最高的性能和安全性
- ✅ 你的团队有前端开发能力，可以预构建组件
- ✅ 你需要动态界面，但不想为每种可能预定义组件
- ✅ 你需要跨平台支持（Web + 移动端）
- ✅ 你想要平衡灵活性和安全性
- ✅ 你的 Agent 需要生成表单、列表、简单图表
- ✅ 你需要高度定制化的交互体验
- ✅ 你在调用外部专业服务（如 Excalidraw、复杂数据可视化）
- ✅ 你可以接受 iframe 的性能和安全权衡
- ✅ 你的应用场景无法被预定义组件覆盖
开始
│
├─ 是否需要严格控制 UI 外观？
│ ├─ 是 → Controlled GenUI
│ └─ 否
│ │
│ ├─ 是否需要调用外部专业服务？
│ ├─ 是 → MCP Apps (Open-ended)
│ └─ 否
│ │
│ ├─ 是否需要动态生成界面？
│ ├─ 是 → Declarative GenUI (A2UI)
│ └─ 否 → 传统 UI 即可
5.2 安全考虑
Generative UI 引入了新的安全挑战，尤其是当 Agent 生成的内容可能包含代码时。
沙箱隔离（针对 MCP Apps 和 Open-ended GenUI）：
所有外部 UI 内容都应该在沙箱化的 iframe 中运行。现代浏览器的 iframe sandbox 属性提供了强大的隔离：
<iframe
sandbox="allow-scripts allow-same-origin"
src="..."
></iframe>
推荐的沙箱配置：
allow-scripts：允许执行 JavaScript（否则界面无法交互）- 不要
allow-top-navigation：防止 iframe 导航父页面到钓鱼网站 - 不要
allow-forms（除非必要）：防止表单提交到恶意地址 - 使用 CSP（Content Security Policy）限制可加载的资源来源
Content-Security-Policy:
default-src 'self';
script-src 'self' 'unsafe-inline';
style-src 'self' 'unsafe-inline';
connect-src 'self' https://api.yourservice.com;
权限控制：
MCP Apps 允许 UI 请求额外权限（如麦克风、摄像头）。这些权限应该：
- 明确显示给用户，获得用户同意
- 仅在必要时授予
- 可以随时撤销
对于 Agent 直接生成 HTML 的模式（Open Generative UI），需要防范 XSS 攻击：
- 使用 DOMPurify 等库清理 HTML
- 禁止
eval()、new Function()等动态代码执行 - 对所有的用户输入进行转义
5.3 性能权衡
不同的 Generative UI 模式有不同的性能特征。
渲染性能：
| 模式 | 首次渲染 | 更新渲染 | 内存占用 |
|---|---|---|---|
| Controlled | 极快（预编译组件） | 极快 | 低 |
| Declarative | 快（JSON 解析 + 组件映射） | 快 | 中 |
| Open-ended | 慢（iframe 加载） | 中（iframe 通信开销） | 高（独立上下文） |
- Controlled：无额外网络开销（组件已在客户端）
- Declarative：低（JSON 文本传输）
- Open-ended：高（HTML/JS/CSS 资源加载，可能需要多次往返）
1. 预加载：对于 MCP Apps，可以在用户可能调用工具前就预加载 UI 资源 2. 懒加载：对于不常用的组件，使用动态导入（dynamic import） 3. 缓存：缓存 MCP 服务器的 UI 资源，避免重复下载 4. 降级策略：如果 iframe 加载失败，提供纯文本或简化 UI 的降级方案 5. 流式渲染：对于 A2UI，支持渐进式渲染，不要等到整个 JSON 完成再显示
5.4 开发工具与调试
调试 Generative UI 应用比普通应用更复杂，因为涉及前后端、多个协议的交互。
推荐工具：
1. AG-UI DevTools：查看事件流、检查状态更新 2. MCP Inspector：测试 MCP 服务器和工具调用 3. 浏览器开发者工具：
- Network 面板：检查协议传输
- Performance 面板：分析渲染性能
- Console 面板：查看日志和错误
- 在 AG-UI 事件中添加唯一的
traceId，跟踪一个用户请求的全链路 - 使用
console.group()组织相关的日志输出 - 在 iframe 中使用
postMessage进行跨窗口调试
结论：UI 的新纪元
让我们回到文章的开头。
传统的 UI 是静态的、预定义的、为"平均用户"设计的。就像一本固定的菜单，不管谁来、什么时候来、有什么特殊需求，看到的都是同样的选项。
Generative UI 改变了这个范式。界面不再是固定的，而是 活的——它随着用户的需求、Agent 的理解、上下文的变化而动态生成。
这不是关于技术的炫技，而是关于 人机交互的本质转变。
在旧范式中，用户必须学习软件的"语言"——菜单在哪里、按钮是什么意思、如何完成一个任务。软件是主人，用户是客人，必须遵循主人的规则。
在新范式中，软件学习用户的语言——用户用自己的话描述需求，Agent 生成适合当下需求的界面。用户是主人，软件是工具，随叫随到，按需变形。
这是从"为所有用户设计一个界面"到"为每个用户、在每个时刻、生成专属界面"的转变。
展望未来
Generative UI 还处于早期阶段。2026 年，我们看到了 AG-UI、A2UI、MCP Apps 等协议的初步标准化，看到了 CopilotKit、Google Opal、Claude 等产品的实践探索。
未来会怎样？我不知道确切的答案，但有一些方向是明确的：
更智能的界面生成：随着多模态模型的发展，Agent 不仅能生成结构化 UI，还能生成像素级精准的视觉设计。
更深入的个性化：界面不仅根据任务生成，还根据用户的偏好、习惯、能力水平动态调整。色盲用户看到高对比度配色，老年用户看到大字体，专家用户看到高级选项。
更无缝的跨平台：同一份 A2UI 描述，在手机上自动适配小屏幕，在 VR 设备上变成 3D 界面，在汽车中控屏上变成语音优先的交互。
更强大的 Agent 协作：通过 A2A 协议，多个专业 Agent 协同为用户服务。一个 Agent 负责理解需求，一个负责查询数据，一个负责生成可视化，一个负责优化性能——它们协同生成一个统一的界面。
最后的思考
费曼曾经说过："如果你认为你理解了某样东西，试着把它解释给一个大一新生听。如果你做不到，说明你没有真正理解。"
Generative UI 的概念听起来很复杂——协议栈、事件流、声明式描述、沙箱隔离。但核心的 idea 其实很简单：
让软件界面像人类服务一样，根据每个用户的独特需求动态调整。
这不是终点，而是开始。我们站在 UI 新纪元的门槛上，前方是未知但令人兴奋的可能性。
正如 CopilotKit 的口号所说："Build apps that adapt to your users."
让我们开始构建吧。
---
附录：参考资源
官方资源：
- CopilotKit generative-ui GitHub：https://github.com/CopilotKit/generative-ui
- AG-UI 文档：https://docs.ag-ui.com
- A2UI 规范：https://a2ui.org
- MCP Apps 规范：https://modelcontextprotocol.io/extensions/apps/overview
- Open Agent Specification (Oracle)：https://blogs.oracle.com/ai-and-datascience/post/open-agent-specification
- MCP 协议：https://modelcontextprotocol.io
- A2A 协议：https://a2aprotocol.ai
- OpenGenerativeUI：https://github.com/CopilotKit/OpenGenerativeUI
- Excalidraw MCP 集成：https://github.com/CopilotKit/excalidraw-studio
- A2UI + Agent Spec 示例：https://github.com/CopilotKit/with-agent-spec
- "The Developer's Guide to Generative UI in 2026" (CopilotKit Blog)
- "Introducing A2UI: An open project for agent-driven interfaces" (Google Developers Blog)
- "Reusable Agents Meet Generative UIs" (Oracle + Google + CopilotKit 联合发布)
#GenerativeUI #CopilotKit #AGUI #A2UI #MCP #AI前端 #小凯