구글의 A2A, AI 에이전트 시대의 새로운 표준이 될까? - MCP와의 비교부터 실제 사용 예시까지 한눈에 정리

 

 

AI 에이전트가 서로 대화한다고? A2A가 뭐길래 이렇게 주목받는 걸까?

AI 시스템의 진화는 더 이상 단일 모델만의 문제가 아닙니다. 이제는 **여러 에이전트(Agent)**들이 협업하며 하나의 목적을 달성하는 시대입니다. 이 흐름 속에서 구글이 새로운 오픈소스 프로토콜을 공개했습니다. 이름하여 A2A(Agent to Agent).

A2A는 이름 그대로, 에이전트 간 통신을 위한 프로토콜입니다. 이미 업계에서 빠르게 확산되고 있는 Anthropic의 **MCP(Model Context Protocol)**와 비교되며 등장했지만, 구글은 A2A가 MCP를 "보완하는 존재"라고 주장합니다. 과연 그럴까요?

이 글에서는 다음 내용을 다룹니다:

• A2A는 어떤 기술인가?
• 기존 MCP와는 무엇이 다른가?
• 실제로 어떻게 사용하며, 어떤 에이전트가 존재하는가?
• 개발자 입장에서 어떤 가치가 있는가?

지금부터 구글 A2A의 세계로 들어가 봅시다.

반응형

---

🔍 A2A란 무엇인가? – 개념과 등장 배경

A2A는 구글이 만든 에이전트 간 통신 프로토콜로, 오픈소스로 공개되었습니다. 목적은 단순합니다:

“서로 다른 AI 에이전트들이 표준화된 방식으로 소통하며 협업하게 하자.”

구글은 이 프로토콜을 클라이언트-서버 구조 기반으로 설계했습니다. 즉, 다양한 에이전트(서버)가 존재하고, 하나의 클라이언트에서 이들을 호출하고 조합하는 구조입니다. MCP가 LLM을 확장하는 구조라면, A2A는 독립적인 에이전트들 간의 협력에 초점을 둔 구조입니다.

---

🧱 A2A의 구조와 주요 구성 요소

A2A의 핵심 구성 요소는 다음과 같습니다.

✅ 1. Agent Card (에이전트 카드)

에이전트가 자신을 외부에 알리는 방식입니다. JSON 형태로 작성되며, 다음 정보를 담고 있습니다:

• 이름 및 설명
• 버전
• 지원하는 입력/출력 방식 (예: 텍스트)
• 보유한 스킬 목록 (기능 단위)
• 예시 문장 (사용자 요청 예시)

예: Google ADK의 Agent Card

{
  "name": "Reimbursement Agent",
  "description": "직원들의 비용 정산을 처리하는 에이전트",
  "url": "http://localhost:10002/",
  "capabilities": {
    "streaming": true,
    "pushNotifications": false
  },
  "skills": [
    {
      "id": "process_reimbursement",
      "name": "비용 정산 도구",
      "description": "지출 금액과 목적을 입력하면 정산 처리",
      "examples": ["Can you reimburse me $20 for my lunch with the clients?"]
    }
  ]
}

✅ 2. 클라이언트 앱

A2A 클라이언트는 웹 UI 형태로 제공되며, 브라우저를 통해 다음 작업을 할 수 있습니다:

• 에이전트 연결 (URL로 추가)
• 태스크 수행 내역 확인
• 채팅 기록, 이벤트 로그, 설정 등 UI 제공

에이전트를 연결하면 다음과 같은 모습으로 클라이언트에 표시됩니다:

연결된 에이전트
- Google ADK (localhost:10002)
- CrewAI (localhost:10001)
- LangGraph (localhost:10000)

---

🛠 실제 사용 예시 – A2A 에이전트 체험기

이번 데모에서는 세 가지 에이전트를 로컬에서 실행해 테스트했습니다.

🧾 1. Google ADK Agent

• 기능: 비용 정산
• 예시: “5유로 맥주 비용을 출장 중 청구하고 싶어요”
• 결과: 환율 확인 후 미국 달러로 자동 계산하여 보고서 작성

📸 2. CrewAI Agent

• 기능: 이미지 생성
• 예시: “눈 내리는 도시 풍경을 그려줘”
• 결과: 텍스트를 기반으로 이미지 생성

💱 3. LangGraph Agent

• 기능: 환율 정보 제공
• 예시: “1유로는 몇 달러인가요?”
• 결과: 실시간 환율을 확인해 응답

이 모든 에이전트는 클라이언트 하나에 연결된 상태에서 동시에 작동합니다.

---

🔄 복합 작업 테스트 – 여러 에이전트 조합

A2A의 진가는 복합 작업 처리 능력에서 드러납니다. 예를 들어:

“2025년 4월 4일 독일 출장 중 맥주 한 잔(5유로) 비용을 청구합니다.”

이 태스크를 처리하기 위해 A2A 클라이언트는 다음과 같은 플로우를 진행합니다:

1. LangGraph를 통해 환율 확인
2. Google ADK를 통해 달러 금액 기반으로 청구서 작성

결과적으로 하나의 목적(출장비 청구)을 위해 둘 이상의 에이전트가 협업하는 구조가 성공적으로 구현되었습니다.

---

🔄 MCP vs A2A – 뭐가 다를까?

항목 A2A MCP

주 용도	에이전트 간 협업	LLM 기능 확장 및 도구 연결
아키텍처	클라이언트-서버	호스트-LLM-리소스
인터페이스	JSON, Agent Card	JSON-RPC 2.0, 리소스/툴 구성
통신 방식	HTTP, JSON-RPC	stdio 기반 JSON-RPC, SSE
특징	다중 에이전트 관리, 태스크 중심, 멀티모달 지원	모듈성, 툴 재사용, 캐싱
생태계	구글 중심, 초기 단계	이미 대규모 도입 진행 중

A2A는 여전히 초기 단계지만, 구조가 단순하고 유연합니다. 반면 MCP는 성숙한 생태계와 빠른 도입 속도를 자랑합니다.

---

728x90

왜 A2A를 주목해야 할까?

A2A는 AI 시스템의 다음 단계를 제시합니다. 단일 모델을 뛰어넘어 여러 독립 에이전트들이 협업할 수 있는 기반을 마련한 것이죠.

✔ 기대되는 장점

• 다양한 기능을 독립적으로 분리 가능
• 멀티모달, 멀티태스크 시스템에 적합
• 표준화된 방식으로 에이전트 추가/삭제 가능

❗ 고려할 점

• 아직 생태계가 미성숙
• 에이전트 간 직접 통신 구조는 추후 개선 필요

📌 그래서 지금 배워야 하나요?

YES.
멀티 에이전트 기반 AI 시스템이 점점 확산되는 지금, A2A는 이를 구축하는 데 있어 실용적인 대안이 될 수 있습니다. 특히 구글 생태계를 사용하는 기업이나 개발자라면 더더욱 말이죠.

https://hackernoon.com/google-a2a-a-first-look-at-another-agent-agent-protocol

Google A2A - a First Look at Another Agent-agent Protocol | HackerNoon