반응형
최근 Agentic AI 시스템 구축을 위한 오픈소스 도구들을 잇달아 공개되면서, 멀티에이전트 환경에서의 표준화된 통신 방식을 제시하고 있습니다. 그 중 가장 핵심이 되는 두 가지가 바로:
- MCP (Model Context Protocol)
- A2A (Agent-to-Agent Protocol)
이 두 가지는 목적과 적용 범위가 다릅니다. 이 글에서는 그 차이점을 중심으로 설명해보겠습니다.
1. MCP (Model Context Protocol)
📌 개념
MCP는 LLM이 외부 도구(API) 를 안전하고 유연하게 사용할 수 있도록 하는 도구 통합 프로토콜입니다.
🧠 핵심 목적
"툴을 LLM 친화적으로 만들어주는 표준화된 연결 방식"
🛠 예시
- LLM이 Python 실행기, 날씨 API, 검색 API 등과 상호작용할 때 MCP를 통해 "이건 계산기야", "이건 검색기야"라는 식으로 설명해줌.
- 사용자가 “서울의 날씨 알려줘”라고 하면, LLM은 MCP를 통해 날씨 API를 호출하고, 그 응답을 자연어로 변환해 제공함.
🧩 특징
- 툴 중심 구조
- 도구의 입출력, 타입, 설명 등을 LLM이 이해할 수 있게 구조화
- LangChain, ADK, CrewAI 등 다양한 프레임워크에서 사용 가능
- LLM과 도구 간 1:1 구조 (single agent에게 tool 제공)
2. A2A (Agent-to-Agent Protocol)
📌 개념
A2A는 에이전트 간 통신을 표준화하기 위한 오픈 프로토콜입니다. 서로 다른 AI 에이전트들이 조직의 경계를 넘어 안전하게 대화할 수 있도록 합니다.
🧠 핵심 목적
"에이전트끼리 구조화된 방식으로 협업하게 만드는 통신 언어"
🛫 예시
- 여행 일정 플래너 에이전트가 사용자의 요청을 받아,
- 항공권 검색 에이전트에게 항공편 정보를 요청하고
- 호텔 검색 에이전트에게 숙소 정보를 요청한 뒤
- 이를 통합해 하나의 일정으로 반환
🧩 특징
- 에이전트 중심 구조
- 에이전트 간 요청은 task 단위로 처리됨
- .well-known/agent.json을 통해 자동 서비스 발견 가능
- JSON-RPC 기반 통신 (비동기 구조 지원)
- 다양한 모달 지원 (텍스트, 이미지, 오디오 등)
⚖️ 비교 요약
항목 | MCP | A2A |
목적 | LLM ↔️ 도구 연결 | 에이전트 ↔️ 에이전트 연결 |
역할 | 툴 제공자 | 독립적 역할 수행 에이전트 |
프로토콜 방식 | 함수 호출 기반 | JSON-RPC 기반 task 처리 |
사용 대상 | ADK, LangChain, CrewAI 등에서 도구 호출 시 | 멀티에이전트 협업 시스템 |
구조 | 단일 에이전트 중심 | 분산형 다중 에이전트 |
예시 | LLM이 날씨 API 호출 | 항공/호텔/일정 에이전트가 상호 협업 |
🏁 결론
- MCP는 툴을 모델과 연결해주는 “브릿지”라면,
- A2A는 여러 에이전트가 팀처럼 함께 일하게 해주는 “플랫폼”입니다.
👉 두 프로토콜은 경쟁 관계가 아니라 상호보완적이며,
실제로 MCP를 사용하는 에이전트들 간의 통신을 A2A로 연결하는 구조가 많이 활용됩니다.
💡 멀티에이전트 시스템을 설계할 땐, 도구 연결은 MCP로, 에이전트 간 협업은 A2A로 구분해서 접근해보세요!
반응형
'AI 공부 > AI 에이전트 (AI Agents)' 카테고리의 다른 글
자연어로 SQL을 생성하는 AI 비서 만들기: PostgreSQL + OpenAI API 활용 (0) | 2025.04.30 |
---|---|
🚀 AI 시대의 HTTP? MCP가 가져올 새로운 혁명 (1) | 2025.04.27 |
구글 ADK 🔧 Google Cloud로 나만의 AI 에이전트를 만드는 방법 (1) | 2025.04.21 |
🤖 🧠 Agentic RAG 에이전트 RAG 란 무엇인가? (1) | 2025.04.21 |
[AI 에이전트 프로젝트] 🧳 Part 3. 멀티 에이전트 시스템: 목적지 추천 → 날씨 확인 → 짐 리스트까지 (0) | 2025.04.21 |