DEVOCEAN

오늘은 지난주 구글에서 오픈 소스로 공개한 Agent2Agent(A2A)에 대해 알아보겠습니다.

Agent2Agent(A2A) 개념

다양한 에이전트가 자연스럽게 협업할 수 있을까?

지금까지의 에이전트 시스템은 각자 독립적으로 동작하는 경우가 많았습니다.

프레임워크도 다르고, 개발한 벤더도 제각각이기 때문에 서로 간의 소통이 쉽지 않았습니다.

Google의 A2A(Agent-to-Agent) 프로토콜은 바로 이 문제를 해결합니다.

다양한 환경에서 만들어진 자율 에이전트들이 서로 그리고 사용자와 자연스럽게 협업할 수 있도록 표준화된 통신 방식을 제시합니다.

이제는 하나의 언어로, 더 똑똑하게 함께 일할 수 있는 기반이 마련되었습니다.

기업 환경에서도 에이전트 통합을 쉽게

A2A는 복잡한 통합 과정을 단순화합니다.

기존의 엔터프라이즈 애플리케이션에 에이전트를 붙이고 싶어도 인터페이스, 권한, 보안 문제 등으로 골치가 아팠는데요,

A2A는 간단하고 일관된 방식으로 에이전트를 연결할 수 있게 도와줍니다.

덕분에 기업은 기존 시스템을 바꾸지 않고도 AI 에이전트의 역량을 비즈니스 전반에 확장할 수 있습니다.

보안, 기능, 사용자 경험까지 모두 고려

A2A는 단순한 연결 프로토콜을 넘어, 실제 운영 환경에서 필요한 핵심 기능들을 기본으로 갖추고 있습니다.

1. 기능 탐색 (Capability Discovery): 에이전트는 JSON 형식의 “에이전트 카드(Agent Card)“를 사용하여 자신의 기능을 알립니다.

2. 작업 관리 (Task and state Management): 클라이언트와 원격 에이전트 간의 통신은 작업 완료를 지향하며, 작업의 결과물은 “산출물(artifact)“로 표현됩니다.

3. 보안 협업 (Secure Collaboration): 에이전트는 엔터프라이즈 인증과 OpenAPI 기반의 권한 부여를 지원하여 보다 안전하게 컨텍스트, 응답, 산출물 또는 사용자 지침을 전달하여 협업할 수 있습니다.

4. 사용자 경험 협상 (User Experience Negotiation): 각 메시지에는 생성된 이미지와 같이 완전히 구성된 콘텐츠 조각인 “부분(parts)“이 포함되며, 사용자 인터페이스 기능에 대한 협상을 명시적으로 포함할 수 있습니다.

   결과적으로, A2A는 기업이 신뢰할 수 있는 에이전트 생태계를 구축하는 데 꼭 필요한 요소들을 두루 갖춘 프로토콜입니다.

MCP: 도구와 리소스를 연결하는 표준 프로토콜

에이전트를 현업에서 제대로 활용하려면, 단순히 똑똑하기만 해서는 부족합니다.

Tool, API, 외부 리소스와 자연스럽게 연결되어 실제 액션을 수행할 수 있어야 하며, 이를 위한 핵심 역할을 하는 것이 바로 MCP(Model Context Protocol)입니다.

MCP는 구조화된 입력/출력 체계를 통해 에이전트가 다양한 외부 자원과 연결될 수 있게 도와줍니다.

예를 들어, 사용자가 “환율 조회해줘”라고 말하면, 에이전트는 이를 MCP 형식으로 구성된 API 요청으로 변환하여 실제 환율 정보를 가져올 수 있게 됩니다.

특히 Google의 ADK(Agent Developer Kit)는 MCP 기반 도구를 기본적으로 지원하며, 이를 통해 다양한 MCP 서버와의 연동도 손쉽게 구현할 수 있습니다.

MCP는 에이전트의 실전 활용도를 크게 끌어올리는 중요한 요소입니다.

A2A: 에이전트들끼리도 말이 통해야 한다

현실은 하나의 에이전트만으로는 모든 일을 처리하기 어렵습니다.

검색, 요약, 의사결정, 실행 등 다양한 역할을 하는 에이전트들이 역할 분담과 협업을 통해 더 똑똑한 결과를 만들어낼 수 있으며, A2A를 통해 쉽게 가능해졌습니다.

A2A는 동적이고 멀티모달한 커뮤니케이션을 지원하면서도, 각 에이전트가 서로의 메모리나 리소스, 도구를 공유하지 않아도 되는 구조를 가지고 있습니다.

즉, 느슨하게 연결되어 있지만 유기적으로 협업할 수 있는 구조를 제공합니다.

무엇보다 A2A는 커뮤니티 주도 오픈 스탠다드로 발전 중이며, 이미 Google ADK, LangGraph, Crew AI 등 다양한 프레임워크에서 샘플 코드와 레퍼런스 구현이 제공되고 있습니다.

A2A x MCP = 진짜 실용적인 에이전트 생태계

MCP와 A2A는 서로 다른 역할을 맡고 있지만, 함께 사용할 때 에이전트 시스템의 실용성과 확장성이 극대화됩니다.

• MCP는 도구와의 연결을 책임지고

• A2A는 에이전트들 간의 협업을 담당합니다.

이 둘을 적절히 조합하면, 개별 에이전트를 넘어서 멀티 에이전트 기반의 실용적인 AI 시스템을 구축할 수 있습니다.

활용 사례

Live Demo 영상

공식 데모 영상에서는 채용 과정에서 A2A를 어떻게 활용하는지 확인할 수 있습니다.

LangGraph Agent 예제

Sample Code

마지막으로 A2A의 LangGraph Agent 예제를 수행해 보겠습니다.

Tutorial을 따라하실 분께서는 Google AI Studio의 API가 필요하오니 다음 링크에서 취득하시고 따라하시기 바랍니다.

Google AI Studio API Key

추가로 Python 3.13 이상이 필요하며 UV가 설치가 필요합니다.

먼저 아래와 같이 Git에서 코드를 다운받고 LangGraph 예제를 수행하여 A2A Server를 구동합니다.

서버는 기본적으로 port 10000으로 구동됩니다.

git clone https://github.com/google/A2A.git
cd A2A/samples/python/agents/langgraph
echo "GOOGLE_API_KEY=your_api_key_here" > .env
uv run .

그리고 새 터미널을 열어서 다음과 같이 A2A Client를 구동합니다.

cd A2A/samples/python
uv run hosts/cli --agent http://0.0.0.0:10000

USD와 KRW 환율을 물어봅니다.

Agent Card를 통해 Agent가 환율 툴 기능이 있다는 정보를 제공하고 이를 바탕으로 환율 정보를 API로 요청하여 원 달러 환율이 1431.68원으로 잘 나오는 것을 볼 수 있습니다.

이처럼 A2A와 MCP는 에이전트 기술을 단순한 실험 단계를 넘어, 실제 서비스에 적용할 수 있는 수준으로 끌어올려 줍니다.

결론

다양한 프레임워크 간의 호환성을 확보하고, 도구와의 유연한 연결, 보안까지 아우르는 통합 프로토콜은 앞으로의 멀티 에이전트 생태계에서 핵심적인 역할을 하게 될 것입니다.

앞으로 A2A 기반의 오픈 스탠다드가 더 많은 프로젝트와 커뮤니티에서 채택되고 확장되어, 보다 강력하고 실용적인 에이전트 협업 시스템이 등장하길 기대해 봅니다.

공식 레퍼런스 및 샘플 코드는 Google A2A GitHub에서 확인하실 수 있습니다.