A2A × MCP 멀티에이전트 오케스트레이션 실전

모델 중심 개발에서 구조 중심 설계로!
멀티 에이전트 구조의 원리와 구현을 실제 코드로 경험해보자!

단일 모델이 아닌 협력하는 AI로 진화
이제 AI는 거대한 모델 하나가 모든 문제를 해결하던 단계를 지나 여러 에이전트가 역할을 나누고, 서로 협력하며, 단계적으로 문제를 해결하는 A2A 구조로 진화했습니다. 이는 일시적인 유행이 아니라 AI 시스템 설계 방식의 근본적인 변화로, 이미 멀티 에이전트는 기업과 산업 현장에서 새로운 설계 표준으로 자리 잡았습니다. 앞으로는 '모델 활용 능력'이 아니라 이 구조를 이해하고 구현하는 '구조 설계 능력'이 경쟁력이 될 것입니다. 이 책이 그 첫걸음을 돕고자 합니다. 쉬운 설명, 기초부터 실전까지 자연스럽게 연결되는 흐름, 실제 프로젝트에서 바로 활용할 수 있는 요소들을 담았습니다.

다음과 같은 분들을 위해서 만들었습니다
? A2A, 멀티 에이전트 구조를 처음 접하는 입문자
? '멀티 에이전트'가 무엇인지 이해하고 싶은 기획자 · 개발자
? LLM을 사용해봤고 이제 더 복잡한 시스템을 만들어 보고 싶은 실무자
? 프로젝트나 PoC에서 에이전트 기반 구조를 도입해야 하는 엔지니어 · 아키텍트
이 책에서는 에이전트가 왜 필요한지, 단일 모델과 A2A의 차이가 무엇인지, 멀티 에이전트 구조가 실제 서비스에서 어떤 방식으로 활용되는지를 실전 중심으로 다루고자 했습니다. 코드를 통해 여러 에이전트가 협업하는 구조를 살펴보면서 오케스트레이션이 어떤 역할을 하고, 단계별 실습 프로젝트가 어떻게 돌아가는지 자연스럽게 이해할 수 있습니다. 간단한 실습으로 전체 흐름을 이해하고 싶은 분들을 위해, 실제로 동작하는 예제 코드를 하나하나 짚어 보며 멀티 에이전트의 구조와 동작 원리를 체계적으로 익히도록 구성했습니다.

다음 에이전트를 실행해보며 코드를 살펴봅니다
? 코드 내 취약점을 점검하는 에이전트
? 고도화된 검색 에이전트 설계 및 정확도 향상
? 사실 기반 응답을 보장하는 팩트 체크 및 콘텐츠 필터링 에이전트
? 여러 LLM을 비교해 응답 품질을 정량·정성 평가하는 벤치마킹 에이전트
? 비정형 데이터 기반 분석 에이전트
? 고객 불만을 요약하고 정책 개선안을 제안하는 에이전트
? 이탈 가능성이 높은 고객을 예측하고 사전 대응 전략을 제시하는 에이전트
? 문서 기반 생성 & 분석 에이전트
? 경쟁사 분석과 타깃 고객 분석을 기반으로 기획서 초안을 자동 생성하는 에이전트
? RFP 문서를 분석하여 제안서 목차를 자동 구성하고 자사 대응표를 작성하는 에이전트

1부 | (이론편) 에이전트와 A2A 알아보기

1장 에이전트
1.1 에이전트란?
1.2 에이전트의 기본 구성 요소

2장 A2A까지의 발전 과정
2.1 단일 에이전트
2.2 멀티 에이전트
2.3 MCP

3장 A2A란?
3.1 A2A 정의와 특징
3.2 A2A가 필요한 사용 환경
3.3 오케스트레이터 방식과의 차이
3.4 A2A 통신 방법
____3.4.1 RPC 방식
____3.4.2 gRPC 방식
____3.4.3 메시지 기반 방식

4장 A2A 구현 방법
4.1 설계 원칙
____4.1.1 역할 분리와 규칙
____4.1.2 신뢰성과 오류 처리
____4.1.3 보안 및 프라이버시
____4.1.4 에이전트 간 인터페이스와 컨텍스트 설계
4.2 구현 패턴
____4.2.1 Peer-to-Peer 호출 패턴
____4.2.2 Mixed 패턴(A2A + 오케스트레이터 혼합)

5장 미래의 A2A 051
5.1 산업별 적용 사례 052
5.2 A2A의 한계와 리스크
5.3 A2A가 가져올 미래


2부 | (준비편) 실습 환경 준비하기

6장 API 키 획득하기
6.1 OpenAI API 키 획득하기
6.2 Claude API 키 획득하기
6.3 Tavily API 키 획득하기
6.4 API 키를 환경 변수로 등록하기

7장 커서 준비하기
7.1 파이썬 설치하기
7.2 커서 설치하기
7.3 화면 소개

3부 | (실습편) 프로젝트 실습하기

8장 코드 내 취약점을 점검하는 에이전트
____8.1.1 agents/criteria_agent_server.py
____8.1.2 agents/quick_agent_server.py
____8.1.3 agents/remediation_agent_server.py
____8.1.4 agents/summary_agent_server.py
____8.1.5 agents/secrets_agent_server.py
____8.1.6 agents/static_agent_server.py
____8.1.7 mcp_server.py
____8.1.8 에이전트 실행하기
____8.1.9 MCP 서버 등록하기

9장 고도화된 검색 에이전트 설계 및 정확도 향상
9.1 사실 기반 응답을 보장하는 팩트체크 및 콘텐츠 필터링 에이전트
____9.1.1 agents/enhanced_content_filter.py
____9.1.2 agents/fact_checker.py
____9.1.3 agents/final_response.py
____9.1.4 agents/hallucination_filter.py
____9.1.5 agents/question_refiner.py
____9.1.6 agents/responder.py
____9.1.7 mcp_server.py
____9.1.8 agents.proto
____9.1.9 에이전트 실행하기
____9.1.10 MCP 서버 등록하기
9.2 여러 LLM을 비교해 응답 품질을 정량·정성 평가하는 벤치마킹 에이전트
____9.2.1 agents/__init__.py
____9.2.2 agents/critic_agent.py
____9.2.3 agents/draft_agent.py
____9.2.4 agents/scoring_agent.py
____9.2.5 agents/synth_agent.py
____9.2.6 llm_wrappers/__init__.py
____9.2.7 llm_wrappers/anthropic_chat.py
____9.2.8 llm_wrappers/openai_chat.py
____9.2.9 config.py
____9.2.10 json_utils.py
____9.2.11 mcp_server.py
____9.2.12 metrics.py
____9.2.13 orchestrator.py
____9.2.14 run_all_agents.ps1
____9.2.15 에이전트 실행하기
____9.2.16 MCP 서버 등록하기

10장 비정형 데이터 기반 분석 에이전트
10.1 VOC(고객 불만)를 요약하고 정책 개선안을 제안하는 에이전트
____10.1.1 agents/__init__.py
____10.1.2 agents/critic.py
____10.1.3 agents/evaluator.py
____10.1.4 agents/improver.py
____10.1.5 agents/interpreter.py
____10.1.6 agents/retriever.py
____10.1.7 agents/summarizer.py
____10.1.8 llm_wrappers/__init__.py
____10.1.9 llm_wrappers/anthropic_chat.py
____10.1.10 llm_wrappers/openai_chat.py
____10.1.11 utils/__init__.py
____10.1.12 utils/json_utils.py
____10.1.13 utils/settings.py
____10.1.14 utils/tools.py
____10.1.15 utils/utils.py
____10.1.16 voc.proto
____10.1.17 grpc_server.py
____10.1.18 main.py
____10.1.19 에이전트 실행하기
____10.1.20 MCP 서버 등록하기
10.2 이탈 가능성이 높은 고객을 예측하고 사전 대응 전략을 제시하는 에이전트
____10.2.1 agents/__init__.py
____10.2.2 agents/grpc_utils.py
____10.2.3 agents/llm_recommender.py
____10.2.4 agents/explainer.py
____10.2.5 agents/feature_engineer.py
____10.2.6 agents/predictor.py
____10.2.7 agents/hybrid_aggregator.py
____10.2.8 agents/recommender_collaborative.py
____10.2.9 agents/recommender_content.py
____10.2.10 agents/recommender_core.py
____10.2.11 agents/similar_customers.py
____10.2.12 churn.proto
____10.2.13 churn_mcp.py
____10.2.14 utils.py
____10.2.15 vector_search.py
____10.2.16 에이전트 실행하기
____10.2.17 MCP 서버 등록하기

11장 문서 기반 생성 및 분석 에이전트
11.1 경쟁사 분석과 타깃 고객 분석을 기반으로 기획서 초안을 자동 생성하는 에이전트
____11.1.1 agents/__init__.py
____11.1.2 agents/competitor_agent.py
____11.1.3 agents/customer_agent.py
____11.1.4 agents/feature_agent.py
____11.1.5 agents/revenue_agent.py
____11.1.6 agents/formatter_agent.py
____11.1.7 agents/markdown_writer.py
____11.1.8 orchestrator.py
____11.1.9 run.py
____11.1.10 agents.proto
____11.1.11 run_agents.ps1
____11.1.12 에이전트 실행하기
____11.1.13 MCP 서버 등록하기
11.2 RFP 문서를 분석하여 제안서 목차를 자동 구성하고 자사 대응표를 작성하는 에이전트
____11.2.1 agents/compliance_matrix_agent.py
____11.2.2 agents/rfp_outline_agent.py
____11.2.3 rfp.proto
____11.2.4 grpc_client.py
____11.2.5 grpc_server.py
____11.2.6 main.py
____11.2.7 에이전트 실행하기
____11.2.8 MCP 서버 등록하기
____11.2.9 마치며

서지영 마이크로소프트에서 Data & AI Specialist로 근무 중이며, 정보관리기술사와 컴퓨터시스템응용기술사로 20년 넘게 IT 분야에서 일하고 있다. 고려대학교 대학원에서 빅데이터 및 인공지능에 대한 전문적인 연구를 진행하면서 『모두의 인공지능 기초 수학』 (길벗, 2020), 『딥러닝 텐서플로 교과서』(길벗, 2021), 『딥러닝 파이토치 교과서』 (길벗, 2022), 『챗GPT, 거부할 수 없는 미래』 (길벗, 2023) 『랭체인으로 LLM 기반의 AI 서비스 개발하기』 (길벗, 2024), 『랭체인으로 RAG 개발하기: VectorRAG & GraphRAG』 (길벗, 2025), 『나만의 MCP 서버 만들기 with 커서 AI』 (길벗, 2025) 등을 저술했다.