단일 모델 중심의 자동화를 넘어, 여러 에이전트가 협력해 문제를 해결하는 새로운 개발 방식을 경험해보자.
단일 모델 중심의 자동화를 넘어,
여러 에이전트가 협력해 문제를 해결하는 새로운 개발 방식을 경험해보자.
하나의 모델이 모든 것을 해결하던 방식에서 벗어나, 여러 AI 에이전트가 각자의 역할을 나누고 협력하는 A2A(Agent-to-Agent) 멀티 에이전트 구조가 새로운 표준으로 떠오르고 있습니다. A2A와 멀티 에이전트는 앞으로 AI 시스템의 핵심 구조가 될 것입니다. 이 책은 이러한 변화에 맞춰 멀티 에이전트 시스템을 더 쉽게 이해할 수 있도록, 실습 프로젝트 중심으로 구성했습니다. 일곱 가지 서로 다른 A2A 실습 시나리오를 통해, 여러 에이전트가 협력해 문제를 해결하는 방식을 경험해봅니다. 단계별 프로젝트를 따라가며 에이전트가 어떻게 협력하고, 오케스트레이션을 통해 어떤 방식으로 전체 시스템이 연결되는지 자연스럽게 이해합니다. 또한 gRPC 기반 에이전트 호출, 평가–개선 루프, 문서 기반 RAG 등 실제 AI 서비스에서 활용되는 구조를 코드와 함께 살펴볼 수 있습니다. 각 프로젝트는 “복잡한 문제일수록 역할을 나누고 흐름을 설계하는 것이 강력한 전략이 된다”는 A2A의 핵심 원리를 잘 보여줄 수 있도록 준비했습니다. 책의 프로젝트 외에도 고객 응대, 문서 검증, 분석과 리서치, 품질 점검, 의사결정 지원 등 다양한 문제들이 A2A 관점에서 다시 설계될 수 있을 것입니다. 원리를 이해하고, 필요한 에이전트를 조합해 해결하는 역량을 기르는 데 도움이 되기를 바랍니다.
목차
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
저자&기여자
ㆍ지은이 서지영
- 소개
- 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.
보도자료
저작권 안내
인공지능(AI) 기술 또는 시스템을 훈련하기 위해 자료의 전체 내용은 물론 일부도 사용하는 것을 금지합니다.
All materials are protected by copyright law and may not be edited or reproduced in other media without permission.
It is prohibited to use all or part of the materials, including for training artificial intelligence (AI) technologies or systems, without authorization.
연관 프로그램
무료로 사용할 수 있는 정보를 안내해 드리니, 지원이 필요하면 해당 프로그렘 제작사로 문의해 주세요.
구매 도서 인증
A2A × MCP 멀티에이전트 오케스트레이션 실전
부가기호 확인하는 방법
- 종이책 :
-
도서 뒷표지 아래쪽에 있는 바코드의 오른쪽 위 숫자
- 전자책(eBook) :
- 전자책 앞 또는 뒷부분의 판권면 (발행인, 담당 편집자 등을 표시하는 곳) 중 ISBN 부분에 표기(예: 979-11-6050-407-1 05320로 된 곳의 뒤 다섯 자리 숫자 05320)
도서문의
A2A × MCP 멀티에이전트 오케스트레이션 실전
독자의견 남기기