Tech-Trends

A2A(Agent-to-Agent)와 MCP(Model Context Protocol) 개념

IT오이시이 2025. 8. 4. 18:06
728x90

 

A2A(Agent-to-Agent)와 MCP(Model Context Protocol)

  • A2A: 여러 전문가 그룹이 독립적으로 역할을 담당하는 대규모 프로젝트 팀처럼 동작합니다.
  • MCP: 똑똑한 비서(LLM)가 다양한 도구와 정보를 배치하는 플랫폼에서 작동하는 구조입니다.

 

 

1. A2A(Agent-to-Agent)와 MCP(Model Context Protocol) 개념

 

MCP(모델 컨텍스트 프로토콜)

  • AI 모델 간 또는 모델과 시스템 간의 컨텍스트를 공유하고 유지하기 위한 프로토콜
  • LLM이 업무에 필요한 맥락(Context)을 이해할 수 있도록, 사용자 세션 정보·정책·외부 호출 결과 등을 구조화된 헤더로 전달하는 방식
  • MCP는 AI 모델과 에이전트가 도구, API, 데이터 소스 및 기타 외부 리소스 에 연결하고 상호 작용하는 방식을 표준화합니다.
  • 메커니즘: 도구 기능을 설명하는 구조화된 방식(대규모 언어 모델의 함수 호출과 유사)을 정의하고, 도구에 입력을 전달하고, 구조화된 출력을 수신합니다.
  • 확장된 언어 모델(LLM)이 외부 도구, 데이터 소스, 응용 프로그램과 확장(문맥) 정보를 구조적으로 받을 수 있도록 해 주는 경우입니다.
  • 프레임(LLM)의 하위 세션에 처리 도구 호출, 문서 가져오기, API 활용을 가져오기로 LLM이 도구와 외부 정보를 가져올 수 있도록 도움을 줍니다.
  • 생태계: MCP는 툴 제공자가 다양한 AI 모델과 에이전트 프레임워크에 자사 서비스를 쉽게 노출할 수 있고, 에이전트 개발자가 표준화된 방식으로 이러한 툴을 쉽게 사용할 수 있는 생태계를 만드는 것을 목표로 합니다.
  • "수직적 통합"이라는 특징을 가지고 있으며, LLM을 외부와 연결합니다.
오픈AI(GPT-4), 앤트로픽(Claude), 메타(LLaMA Adapter 등)는 Function Calling emd등에서 MCP 유사 기능을 도입하며, LLM의 활용 범위를 확장하고 있습니다.
 Function Calling은 모델이 사전에 정의된 API 스펙을 읽고 적절한 파라미터를 구성하여 외부 함수를 호출할 수 있도록 설계된 기능

 

MCP 구성요소

 

  • 컨텍스트 객체: 모델이 이해하고 처리할 수 있는 구조화된 정보 (예: 사용자 의도, 이전 대화, 작업 히스토리)
  • 컨텍스트 레이어: 모델이 컨텍스트를 해석하고 반영하는 계층
  • 컨텍스트 전파 메커니즘: 여러 모델 간에 컨텍스트를 전달하는 방식 (예: JSON 기반 메시지, Graph 구조 등)

 

 

MCP 특징

 

  • 문맥 인식: 모델이 상황에 맞는 응답을 생성
  • 다중 모델 협업: NLP, Vision, Planning 모델 간의 연계 가능
  • 지속성: 세션 또는 작업 단위로 컨텍스트 유지
  • 보안성: 민감한 컨텍스트 정보에 대한 접근 제어
    • LLM과 외부 세계(API, DB, 파일 등)의 연결
    • 모델이 필요한 부분, 도구, 사용자 상태 전달 및 활용에 초점
    • 다양한 도구 모음부터 멀티모달 입력까지 커버
    • 외부 도구의 구조 선언, 유형, 설명을 포함해 모델에 전달
    • LangChain, CrewAI, Anthropic Claude 등 다양한 LLM 프레임워크에서 채택되었습니다.

 

 

 

A2A(에이전트 대 에이전트)

  • AI 에이전트 간의 직접적인 상호작용 및 협업을 가능하게 하는 통신 프레임워크
  • A2A는 독립적이고 종종 불투명한 AI 에이전트가 동료로서 서로 통신하고 협업하는 방식을 표준화합니다.
  • 메커니즘:  AI 에이전트가 가능한 방식으로 직접 소통하고 협력할 수 있도록 하는 방식입니다.
  • 다양한 에이전트가 플랫폼, 개발자, 프레임워크와 관계없이 서로 다른 작업을 요청하고 공유할 수 있도록 설계되었습니다.
  • "수평적 통합"이라는 컴포넌트에서 각 에이전트가 클러스터로 자신의 역할을 처리하면서 네트워크처럼 연결되어 있는 워크플로우를 처리합니다.

 

A2A 구성 요소

 

  • 에이전트 인터페이스: 각 에이전트가 메시지를 송수신하는 API 또는 프로토콜
  • 공통 언어/표준: 의미 기반 메시지 교환을 위한 Ontology 또는 Schema
  • 중재자 또는 브로커 (선택적): 에이전트 간의 메시지를 라우팅하거나 조율
  • 상태 관리 및 컨텍스트 공유: 협업을 위한 공유 메모리 또는 컨텍스트 저장소

 

 

A2A 특징

 

  • 자율성: 각 에이전트는 독립적으로 판단하고 행동
  • 협업성: 공동 목표를 위해 역할 분담 및 정보 공유
  • 확장성: 다양한 종류의 에이전트 추가 가능
  • 비동기 통신: 실시간 또는 지연된 메시지 처리 가능
    • 벤더 참여(구글, 마이크로소프트, 오픈소스 모두 적용)
    • 에이전트 자동 탐색과 작업 구성(에이전트 카드 활용)
    • 함께 일하고 싶습니다.
    • 다양한 응용 프로그램 분야(채용 온보딩, 멀티 서비스 기반, 디지털 플로어 조정 등)

 

 

 

 

 

2. 기술 구조 비교

 

구분 A2A(에이전트 간) MCP(모델 컨텍스트 프로토콜)
주요 구조 키보드의 대리인가 네트워크 구조 연결, 역할 분담, 문자열 LLM 파일로 도구/데이터/컨텍스트 정보와 연결
커뮤니케이션 방식 HTTP(S) 기반 JSON-RPC, SSE(서버 발신 이벤트), 기본적으로 교환 주로 JSON 기반 API, 도구 및 컨텍스트 관리
주요 역할 에이전트 검색, 작업 요청/위임, 멀티에이전트 협력(분산형) 도구/API 연결, 패드/상태 정보 제공(집중형)
축소성 다양한 에이전트와 멀티클라우드에 대한 최적화, 반응 플로어 주로 LLM 내부 카트리지,공구 연결 확장
구성요소 에이전트 카드(.well-known/agent.json),   작업(Task) ,메시지(Message) ,아티팩트(Artifact) , 부분 등 확장 관리 모듈, 도구 인터페이스, LLM 코어, 클라이언트 등

 

 


* 에이전트 카드 ( .well-known/agent.json) : 각 에이전트가 자신이 어떤 역할을 할 것인지, 어떤 기능(API/스킬 등)을 제공하는지, 어떻게 접근해야 하는지 등을 사용하게 하는 표준 JSON 파일
{ "name": "Expense Processor Agent", "description": "직원 비용 정산 업무를 자동화합니다.", "url": "https://exp-agent.example.com", "capabilities": { "streaming": true }, "skills": [ { "id": "expense-check", "name": "비용 확인", "description": "지출내역을 확인합니다.", "examples": ["출장비 내역 확인해줘"] } ] }

* 작업(작업) 생성:

  •  사용자 또는 다른 에이전트는 A2A 클라이언트의 엔드포인트(작업/전송 등)를 통해 에이전트에게 특정 작업을 요청합니다.

 

* 메시지(Message) 복합작용:

  • 이 생성, 해당 작업 내에서 클라이언트(주로 role: user)와 에이전트( role: agent)가체인을 검색하며 연구 나노복합을 합니다.
  • 메시지는 여러 부분(부분, 텍스트/파일/데이터 등)로 구성되어, 문의 응답, 추가 입력 요청, 상태 안내 등 다양한 정보를 교환합니다.

 

  * 아티팩트(Artifact)   :

  • 작업(Task)  로 생성된 다양한 유형의 파일(문서, 이미지, 텍스트), 분석 결과 ,  데이터 파일, 구조화된 JSON 등

 

* 부분 :

  • 메시지나 아티팩트 안의 최소 주요 노드 블록, TextPart(텍스트), FilePart(파일 또는 URI), DataPart(구조화 JSON 등)

 

  • Task: 작업의 전체 단위(상태, 메시지, 아티팩트 등을 모두 포함)
  • 메시지: 작업 내부 커뮤니케이션 팀(명령, 피드백, 상태, 추가질문 등)
  • 아티팩트: 작업 결과로 가장 중요한 산물(파일, 데이터 등)

 

 

A2A와 MCP가 서로를 보완하는 활용 예시

 

 

 

분야 MCP 활용 A2A 활용
고객 상담 사용자 세션, 정책, API 결과를 모델에 전달하여 정확한 응답 생성 결제 에이전트 ↔ 기술지원 에이전트 간 협업으로 복합 문제 해결
헬스케어 환자 기록, 진단 정책, 외부 검사 결과를 컨텍스트로 제공 진단 에이전트 ↔ 치료 계획 에이전트 간 협업
금융 사용자 인증 정보, 거래 내역, 규정 정책을 헤더로 전달 리스크 평가 에이전트 ↔ 투자 추천 에이전트 간 협업
제조 작업 지시, 센서 데이터, 품질 기준을 모델에 전달 로봇 제어 에이전트 ↔ 품질 검사 에이전트 간 협업

 

예시 1: AI 고객 상담 시스템

  • A2A: 결제 관련 에이전트가 기술 지원 에이전트에게 사용자 문제를 전달
  • MCP: 사용자의 이전 구매 이력, 대화 로그, 선호 설정이 컨텍스트로 공유됨
  • 결과: 사용자는 끊김 없는 상담 경험을 얻고, 에이전트는 더 정확한 대응 가능

 

예시 2: 자율주행 차량 협업

  • A2A: 차량 간 실시간 교신으로 도로 상황 공유
  • MCP: 각 차량의 센서 데이터, 목적지, 속도 등이 컨텍스트로 전달됨
  • 결과: 교통 흐름 최적화 및 사고 예방

 

예시 3: AI 기반 콘텐츠 제작

  • A2A: 스토리텔링 에이전트 ↔ 이미지 생성 에이전트 ↔ 음성 합성 에이전트
  • MCP: 전체 시나리오, 감정 톤, 캐릭터 설정 등이 공유됨
  • 결과: 일관된 분위기의 멀티모달 콘텐츠 생성
728x90
반응형
저작자표시 비영리 동일조건 (새창열림)