Elasticsearch에서 A2A 프로토콜과 MCP를 사용하여 LLM 에이전트 뉴스룸 만들기: 1부

Agent Builder는 현재 기술 미리보기 버전으로 제공됩니다. Elastic Cloud 체험판으로 시작한 뒤, Agent Builder 문서를 여기에서 확인하세요.

소개

현재의 LLM 지원 시스템은 단일 모델 애플리케이션을 넘어 전문 에이전트가 함께 협력하여 이전에는 불가능하다고 생각했던 작업을 수행하는 복잡한 네트워크로 빠르게 진화하고 있습니다. 이러한 시스템이 복잡해짐에 따라 상담원 커뮤니케이션과 툴 액세스를 지원하는 인프라가 개발의 주요 초점이 되고 있습니다. 이러한 요구를 해결하기 위해 두 가지 상호 보완적인 접근 방식이 등장했습니다: 바로 멀티 에이전트 조정을 위한 A2A(에이전트2에이전트) 프로토콜과 표준화된 도구 및 리소스 액세스를 위한 MCP(모델 컨텍스트 프로토콜) 입니다.

각각의 기능을 서로 조화롭게 사용할 때와 사용하지 않을 때를 이해하면 애플리케이션의 확장성, 유지보수성 및 효율성에 큰 영향을 미칠 수 있습니다. 이 문서에서는 전문 LLM 에이전트가 협업하여 뉴스 기사를 조사, 작성, 편집 및 게시하는 디지털 뉴스룸의 실제 사례에서 A2A의 개념과 구현을 살펴봅니다.

관련 리포지토리는 여기에서 확인할 수 있으며, A2A의 구체적인 활용 사례는 섹션 5의 마지막 부분에서 살펴볼 것입니다.

필수 구성 요소

리포지토리는 A2A 에이전트의 Python 기반 구현으로 구성되어 있습니다. Flask에는 API 서버가 제공되며, 로깅 및 UI 업데이트를 위한 메시지를 라우팅하는 이벤트 허브라는 사용자 정의 Python 메시징 서비스도 있습니다. 마지막으로, 뉴스룸 기능을 독립적으로 사용할 수 있는 React UI가 제공됩니다. 모든 것이 도커 이미지에 포함되어 있어 쉽게 구현할 수 있습니다. 컴퓨터에서 직접 서비스를 실행하려면 이러한 기술이 설치되어 있는지 확인해야 합니다:

언어 및 런타임

• Python 13.12 - 핵심 백엔드 언어
• Node.js 18+ - 선택적 React UI

핵심 프레임워크 및 SDKS:

• A2A SDK 0.3.8 - 상담원 조정 및 커뮤니케이션
• Anthropic SDK - AI 생성을 위한 클로드 통합
• Uvicorn - 에이전트 실행을 위한 ASGI 서버
• FastMCP 2.12.5+ - MCP 서버 구현
• React 18.2 - 프론트엔드 UI 프레임워크

데이터 & 검색

• Elasticsearch 9.1.1+ - 문서 색인 및 검색

Docker 배포(선택 사항이지만 권장)

• Docker 28.5.1+

섹션 1: 에이전트2에이전트(A2A)란 무엇인가요?

정의 및 핵심 개념

공식 사양: https://a2a-protocol.org/latest/specification/

기원과 진화

에이전트 간 통신 또는 다중 에이전트 시스템의 개념은 수십 년 전의 분산 시스템, 마이크로 서비스 및 다중 에이전트 연구에 뿌리를 두고 있습니다. 분산형 인공 지능의 초기 연구는 협상, 조정, 협업이 가능한 에이전트의 토대를 마련했습니다. 이러한 초기 시스템은 대규모 소셜 시뮬레이션, 학술 연구, 전력망 관리를 위해 사용되었습니다.

LLM의 가용성이 시작되고 운영 비용이 절감되면서 멀티 에이전트 시스템은 Google과 광범위한 AI 연구 커뮤니티의 지원을 받아 '프로슈머' 시장에서 사용할 수 있게 되었습니다. 현재 에이전트2에이전트 시스템으로 알려진 A2A 프로토콜의 추가는 노력과 작업을 조정하는 여러 대규모 언어 모델 시대를 위해 특별히 설계된 최신 표준으로 발전했습니다.

A2A 프로토콜은 LLM이 연결되고 소통하는 상호작용 지점에 일관된 표준과 원칙을 적용하여 에이전트 간의 원활한 커뮤니케이션과 조정을 보장합니다. 이러한 표준화를 통해 서로 다른 기본 모델을 사용하는 서로 다른 개발자의 에이전트가 효과적으로 협업할 수 있습니다.

통신 프로토콜은 새로운 것이 아니며, 인터넷에서 이루어지는 거의 모든 디지털 거래에 널리 뿌리를 두고 있습니다. h ttps:// www.elastic.co/search-labs 를 브라우저에 입력해 이 문서에 도달했다면 TCP/IP, HTTP 전송 및 DNS 조회 프로토콜이 모두 실행되어 일관된 브라우징 환경을 보장할 가능성이 높습니다.

주요 특징

A2A 시스템은 원활한 커뮤니케이션을 보장하기 위해 몇 가지 기본 원칙을 기반으로 구축되었습니다. 이러한 원칙을 기반으로 구축하면 서로 다른 LLM, 프레임워크 및 프로그래밍 언어를 기반으로 하는 다양한 에이전트가 모두 원활하게 상호 작용할 수 있습니다.

다음은 네 가지 주요 원칙입니다:

• 메시지 전달: 에이전트는 잘 정의된 속성과 형식을 갖춘 구조화된 메시지를 통해 커뮤니케이션합니다.
• 조정: 상담원이 서로에게 작업을 위임하고 다른 상담원을 차단하지 않고 종속성을 관리하여 복잡한 워크플로우를 조율합니다.
• 전문화: 각 상담원은 특정 도메인이나 기능에 집중하여 해당 분야의 전문가가 되어 해당 스킬셋을 기반으로 작업 완료를 제공합니다.
• 분산 상태: 상태 및 지식이 중앙 집중화되지 않고 에이전트 간에 분산되며, 에이전트는 작업 상태 및 부분 반환(아티팩트)의 진행 상황을 서로 업데이트할 수 있습니다.

뉴스룸 실행 중인 예제

저널리즘의 각기 다른 측면을 전문으로 하는 AI 에이전트로 운영되는 디지털 뉴스룸을 상상해 보세요:

• 뉴스 책임자 (코디네이터/클라이언트): 스토리를 할당하고 워크플로우를 감독합니다.
• 리포터 에이전트: 리서치 및 인터뷰에 기반한 기사 작성
• 리서처 에이전트: 사실, 통계 및 배경 정보 수집
• 아카이브 에이전트: Elasticsearch를 사용하여 과거 기사를 검색하고 동향을 파악합니다.
• 에디터 에이전트: 품질, 스타일 및 SEO 최적화를 위해 기사를 검토합니다.
• 게시자 에이전트: CI/CD를 통해 승인된 글을 블로그 플랫폼에 게시합니다.

뉴스 책임자가 재생 에너지 도입에 관한 기사를 배정하면 기자는 통계를 수집하고, 편집자는 초안을 검토하고, 발행인은 최종 기사를 발행해야 합니다. 이러한 조정은 A2A 프로토콜을 통해 이루어집니다.

섹션 2: A2A 아키텍처 이해

클라이언트 에이전트 및 원격 에이전트 역할

A2A 아키텍처에서 에이전트는 두 가지 주요 역할을 수행합니다. 클라이언트 에이전트는 작업을 공식화하고 시스템의 다른 에이전트에게 전달할 책임이 있습니다. 이 정보를 사용하여 작업 위임에 대한 정보에 입각한 결정을 내릴 수 있도록 원격 상담원과 해당 상담원의 기능을 식별합니다. 클라이언트 에이전트는 전체 워크플로우를 조정하여 작업이 적절히 분배되고 시스템이 목표를 향해 진행되도록 합니다.

반면 원격 에이전트는 클라이언트로부터 위임받은 작업을 수행합니다. 요청에 대한 응답으로 정보를 제공하거나 특정 조치를 취하지만 독립적으로 작업을 시작하지는 않습니다. 원격 상담원은 자신에게 할당된 책임을 완수하기 위해 필요에 따라 다른 원격 상담원과 소통하여 전문화된 기능의 협업 네트워크를 만들 수도 있습니다.

뉴스룸에서는 뉴스 책임자가 클라이언트 에이전트 역할을 하고 기자, 연구원, 편집자, 발행인이 원격 에이전트로서 요청에 응답하고 서로 조율하는 역할을 합니다.

A2A 핵심 기능

A2A 프로토콜은 멀티 에이전트 협업을 가능하게 하는 몇 가지 기능을 정의합니다:

1. 발견

A2A 서버는 고객이 특정 작업에 언제, 어떻게 활용할 수 있는지 알 수 있도록 해당 기능을 알려야 합니다. 이는 상담원의 능력, 입력 및 출력을 설명하는 상담원 카드-JSON 문서를 통해 이루어집니다. 에이전트 카드는 일관되고 잘 알려진 엔드포인트(예: 권장되는 /.well-known/agent-card.json 엔드포인트)에서 제공되므로 클라이언트는 협업을 시작하기 전에 에이전트의 기능을 검색하고 조회할 수 있습니다.

다음은 Elastic의 사용자 정의 아카이브 에이전트에 대한 에이전트 카드 예시입니다 "Archie Archivist". Elastic과 같은 소프트웨어 공급자는 A2A 에이전트를 호스팅하고 액세스를 위한 URL을 제공한다는 점에 유의하세요:

이 에이전트 카드는 Elastic의 아카이브 에이전트에 대한 몇 가지 중요한 측면을 보여줍니다. 에이전트는 자신을 "Archie Archivist" 로 식별하고 그 목적을 Elasticsearch 인덱스에서 과거 뉴스 문서를 찾는 데 도움을 주는 것으로 명확하게 명시합니다. 이 카드는 공급자(Elastic)와 프로토콜 버전(0.3.0)을 지정하여 다른 A2A 호환 에이전트와의 호환성을 보장합니다. 가장 중요한 것은 skills 배열에 강력한 검색 기능 및 지능형 인덱스 탐색 등 이 에이전트가 제공하는 특정 기능이 열거되어 있다는 점입니다. 각 스킬은 지원하는 입력 및 출력 모드를 정의하여 클라이언트가 이 상담원과 통신하는 방법을 정확히 이해할 수 있도록 합니다. 이 에이전트는 데이터 저장소에서 단순히 검색하는 것이 아니라 데이터 저장소와 대화할 수 있도록 기본 LLM 지원 도구와 API 엔드포인트 제품군을 제공하는 Elastic의 에이전트 빌더 서비스에서 파생되었습니다. Elasticsearch의 A2A 에이전트에 대한 액세스는 여기에서 확인할 수 있습니다.

2. 협상

고객과 상담원은 적절한 사용자 상호작용과 데이터 교환을 위해 텍스트, 양식, 아이프레임, 오디오/비디오 등 커뮤니케이션 방식에 대해 합의해야 합니다. 이 협상은 상담원 협업이 시작될 때 이루어지며 워크플로 전반에 걸쳐 상호 작용을 관리할 프로토콜을 설정합니다. 예를 들어 음성 기반 고객 서비스 상담원은 오디오 스트림을 통해 통신하도록 협상할 수 있고, 데이터 분석 상담원은 구조화된 JSON을 선호할 수 있습니다. 협상 프로세스를 통해 양 당사자는 각자의 역량과 당면한 업무의 요구 사항에 맞는 형식으로 정보를 효과적으로 교환할 수 있습니다.

위의 JSON 스니펫에 나열된 기능은 모두 입력 및 출력 스키마를 가지고 있으며, 이는 다른 에이전트에서 이 에이전트와 상호 작용하는 방법에 대한 기대치를 설정합니다.

3. 작업 및 상태 관리

클라이언트와 상담원은 작업 실행 전반에 걸쳐 작업 상태, 변경 사항 및 종속성을 전달할 수 있는 메커니즘이 필요합니다. 여기에는 작업 생성 및 할당부터 진행 상황 업데이트 및 상태 변경에 이르기까지 작업의 전체 수명 주기를 관리하는 것이 포함됩니다. 일반적인 상태에는 보류 중, 진행 중, 완료 또는 실패 상태가 포함됩니다. 또한 시스템은 작업 간의 종속성을 추적하여 종속 작업이 시작되기 전에 선행 작업이 완료되도록 해야 합니다. 오류 처리 및 재시도 로직도 필수 구성 요소로, 시스템이 장애로부터 원활하게 복구하고 주요 목표를 향해 계속 나아갈 수 있도록 합니다.

작업 메시지 예시:

이 예제 작업 메시지는 A2A 커뮤니케이션의 몇 가지 주요 측면을 보여줍니다.

• 메시지 구조에는 고유 메시지 식별자, 전송되는 메시지 유형, 발신자 및 수신자 식별, 추적 및 디버깅을 위한 타임스탬프 등의 메타데이터가 포함됩니다.
• 페이로드에는 원격 에이전트에서 호출되는 기능을 지정하고 해당 기능을 실행하는 데 필요한 매개 변수를 제공하는 실제 작업 정보가 포함되어 있습니다.
• 컨텍스트 섹션에서는 상담원이 리소스를 할당하고 작업 일정을 잡는 방법을 알려주는 마감일 및 우선 순위 수준을 포함하여 수신 상담원이 더 넓은 워크플로우를 이해하는 데 도움이 되는 추가 정보를 제공합니다.

4. 협업

고객과 상담원은 역동적이면서도 구조화된 상호작용을 지원하여 상담원이 고객, 다른 상담원 또는 사용자에게 설명, 정보 또는 하위 작업을 요청할 수 있어야 합니다. 이를 통해 상담원은 초기 지침이 모호할 때 후속 질문을 하고, 더 나은 결정을 내리기 위해 추가 컨텍스트를 요청하고, 더 적절한 전문 지식을 갖춘 다른 상담원에게 하위 작업을 위임하고, 전체 작업을 진행하기 전에 피드백을 위한 중간 결과를 제공할 수 있는 협업 환경을 조성할 수 있습니다. 이러한 다방향 커뮤니케이션은 상담원이 고립된 채로 일하는 것이 아니라 지속적인 대화에 참여하여 더 나은 결과를 이끌어낼 수 있도록 합니다.

분산형 P2P 커뮤니케이션

A2A를 사용하면 여러 조직에서 에이전트를 호스팅할 수 있으며, 일부 에이전트는 사내에서 관리하고 다른 에이전트는 타사 서비스에서 제공하는 분산 커뮤니케이션이 가능합니다. 이러한 에이전트는 여러 클라우드 제공업체 또는 온프레미스 데이터 센터에 걸쳐 다양한 인프라에서 실행될 수 있습니다. 일부 에이전트는 GPT 모델, 다른 에이전트는 Claude, 다른 에이전트는 오픈 소스 대안으로 구동되는 등 서로 다른 기본 LLM을 사용할 수 있습니다. 에이전트는 데이터 주권 요건을 준수하거나 지연 시간을 줄이기 위해 여러 지역에 걸쳐 운영될 수도 있습니다. 이러한 다양성에도 불구하고 모든 에이전트는 정보 교환을 위한 공통 커뮤니케이션 프로토콜에 동의하여 구현 세부 사항에 관계없이 상호 운용성을 보장합니다. 이러한 분산 아키텍처는 시스템 구축 및 배포 방식에 유연성을 제공하여 조직이 특정 요구 사항에 가장 적합한 에이전트와 인프라를 혼합하여 사용할 수 있도록 합니다.

이것이 뉴스룸 애플리케이션의 최종 아키텍처입니다:

섹션 3: 모델 컨텍스트 프로토콜(MCP)

정의 및 목적

모델 컨텍스트 프로토콜(MCP)은 사용자 정의 도구, 리소스, 프롬프트 등 코드베이스에 추가된 추가 기능으로 개별 LLM을 개선하고 권한을 부여하기 위해 Anthropic에서 개발한 표준화된 프로토콜입니다. MCP는 언어 모델과 작업을 효과적으로 완료하는 데 필요한 외부 리소스 간의 범용 인터페이스를 제공합니다. 이 문서에서는 사용 사례, 새로운 트렌드, Elastic의 자체 구현 사례를 통해 MCP의 현재 상태를 간략하게 설명합니다.

핵심 MCP 개념

MCP는 세 가지 주요 구성 요소로 구성된 클라이언트-서버 아키텍처에서 작동합니다:

• 클라이언트: MCP 서버에 연결하여 해당 기능에 액세스하는 애플리케이션(예: 클로드 데스크톱 또는 사용자 지정 AI 애플리케이션)입니다.
• 서버: 리소스, 도구 및 프롬프트를 언어 모델에 노출하는 애플리케이션입니다. 각 서버는 특정 기능이나 데이터 소스에 대한 액세스를 제공하는 데 특화되어 있습니다.
  • 도구: 데이터베이스 검색, 외부 API 호출 또는 데이터에 대한 실행 변환과 같은 작업을 수행하기 위해 모델이 호출할 수 있는 사용자 정의 함수입니다.
  • 리소스: 모델이 읽을 수 있는 데이터 소스, 동적 또는 정적 데이터로 제공되며 URI 패턴(REST 경로와 유사)을 통해 액세스됩니다.
  • 프롬프트: 모델이 특정 작업을 수행하도록 안내하는 변수가 포함된 재사용 가능한 프롬프트 템플릿입니다.

요청-응답 패턴

MCP는 REST API와 유사한 친숙한 요청-응답 상호 작용 패턴을 따릅니다. 클라이언트(LLM)가 리소스를 요청하거나 도구를 호출하면 MCP 서버가 요청을 처리하고 결과를 반환하며, LLM은 이를 사용하여 작업을 계속 진행합니다. 주변 서버가 있는 이 중앙 집중식 모델은 피어 투 피어 에이전트 통신에 비해 더 간단한 통합 패턴을 제공합니다.

뉴스룸의 MCP

뉴스룸의 예에서 개별 에이전트는 MCP 서버를 사용하여 필요한 도구와 데이터에 액세스합니다:

• 연구원 에이전트 사용:
  • 뉴스 API MCP 서버(뉴스 데이터베이스에 액세스)
  • 사실 확인 MCP 서버(신뢰할 수 있는 출처에 대한 클레임 확인)
  • 학술 데이터베이스 MCP 서버(학술 논문 및 연구)
• 리포터 에이전트 사용:
  • 스타일 가이드 MCP 서버(뉴스룸 작성 표준)
  • 템플릿 MCP 서버(문서 템플릿 및 형식)
  • 이미지 라이브러리 MCP 서버(스톡 사진 및 그래픽)
• 에디터 에이전트 사용:
  • 문법 검사기 MCP 서버(언어 품질 도구)
  • 표절 감지 MCP 서버(독창성 검증)
  • SEO 분석 MCP 서버(헤드라인 및 키워드 최적화)
• 게시자 에이전트 사용:
  • CMS MCP 서버(콘텐츠 관리 시스템 API)
  • CI/CD MCP 서버(배포 파이프라인)
  • Analytics MCP 서버(추적 및 모니터링)

섹션 4: 아키텍처 비교

A2A 사용 시기

A2A 아키텍처는 진정한 멀티 에이전트 협업이 필요한 시나리오에서 탁월한 성능을 발휘합니다. 조율이 필요한 다단계 워크플로, 여러 순차적 또는 병렬 단계가 포함된 작업, 반복 및 개선이 필요한 워크플로, 체크포인트 및 검증이 필요한 프로세스의 경우 A2A의 이점을 크게 누릴 수 있습니다. 뉴스룸의 예에서 스토리 워크플로에서는 기자가 글을 작성해야 하지만 특정 사실에 대한 신뢰도가 낮으면 리서처에게 다시 전달한 다음 편집자에게 전달하고 마지막으로 게시자에게 전달해야 할 수도 있습니다.

여러 영역에 걸친 도메인별 전문화는 A2A의 또 다른 강력한 사용 사례입니다. 더 큰 작업을 수행하기 위해 다양한 분야의 여러 전문가가 필요하고 각 에이전트가 서로 다른 측면에 대한 심층적인 도메인 지식과 전문화된 추론 기능을 제공하는 경우 A2A는 이러한 연결을 만드는 데 필요한 조정 프레임워크를 제공합니다. 뉴스룸은 정보 수집을 전문으로 하는 연구원, 글쓰기를 전문으로 하는 기자, 품질 관리를 전문으로 하는 편집자 등 각기 다른 전문성을 가진 팀원들로 구성되어 있습니다.

에이전트의 자율적인 행동이 필요하기 때문에 A2A는 특히 유용합니다. 독립적인 의사 결정을 내리고, 변화하는 상황에 따라 능동적인 행동을 보이며, 워크플로 요구 사항에 동적으로 적응할 수 있는 상담원은 A2A 아키텍처에서 성공할 수 있습니다. 전문 기능의 수평적 확장은 또 다른 주요 이점입니다. 단일 마스터 오브 올 트레이드가 아닌 여러 전문 에이전트가 협력하여 작업하고 동일한 에이전트의 여러 인스턴스가 하위 작업을 비동기적으로 처리할 수 있습니다. 예를 들어, 뉴스룸에서 뉴스 속보를 작성할 때 여러 명의 리포터가 동시에 같은 기사를 다른 각도에서 작업할 수 있습니다.

마지막으로 진정한 멀티 에이전트 협업이 필요한 작업은 A2A에 이상적입니다. 여기에는 배심원 평가 메커니즘, 합의 도출 및 투표 시스템, 최상의 결과에 도달하기 위해 다양한 관점이 필요한 협업적 문제 해결이 포함됩니다.

MCP 사용 시기

모델 컨텍스트 프로토콜은 단일 AI 모델의 기능을 확장할 때 이상적입니다. 단일 AI 모델이 여러 도구 및 데이터 소스에 액세스해야 하는 경우, MCP는 중앙 집중식 추론과 분산 도구 및 간단한 도구 통합을 결합한 완벽한 솔루션을 제공합니다. 뉴스룸 예시에서 리서처 에이전트(한 모델)는 뉴스 API, 사실 확인 서비스, 학술 데이터베이스 등 여러 데이터 소스에 액세스해야 하며, 모두 표준화된 MCP 서버를 통해 액세스할 수 있습니다.

도구 통합의 광범위한 공유와 재사용성이 중요한 경우 표준화된 도구 통합이 우선순위가 됩니다. MCP는 공통 통합을 위한 개발 시간을 크게 단축하는 사전 구축된 MCP 서버 에코시스템으로 빛을 발합니다. 단순성과 유지보수가 필요한 경우, MCP의 요청-응답 패턴은 개발자에게 친숙하고 분산 시스템보다 이해와 디버깅이 쉬우며 운영 복잡성이 낮습니다.

마지막으로, MCP는 소프트웨어 제공업체에서 시스템과의 원격 통신을 용이하게 하기 위해 제공하는 경우가 많습니다. 이러한 제공업체 제공 MCP 서버는 온보딩 및 개발 시간을 크게 단축하는 동시에 독점 시스템에 대한 표준화된 인터페이스를 제공하므로 맞춤형 API 개발보다 훨씬 간편하게 통합할 수 있습니다.

둘 다 사용해야 하는 경우(A2A ❤️의 MCP)

많은 정교한 시스템은 A2A와 MCP 통합에 대한 A2A 문서에 명시된 대로 A2A와 MCP를 결합하면 이점을 얻을 수 있습니다. 조정과 표준화가 모두 필요한 시스템은 하이브리드 접근 방식에 이상적인 후보입니다. A2A는 상담원 조정 및 워크플로 오케스트레이션을 처리하고 MCP는 개별 상담원에게 툴 액세스를 제공합니다. 뉴스룸의 예에서 에이전트는 A2A를 통해 조율하며, 워크플로는 리포터에서 리서처, 편집자, 퍼블리셔로 이동합니다. 하지만 각 에이전트는 전문화된 도구에 MCP 서버를 사용하므로 아키텍처가 깔끔하게 분리되어 있습니다.

각각 도구 액세스를 위해 MCP를 사용하는 여러 전문 에이전트는 A2A가 처리하는 에이전트 조정 계층과 MCP가 관리하는 도구 액세스 계층이 있는 일반적인 패턴을 나타냅니다. 이렇게 우려 사항을 명확하게 분리하면 시스템을 더 쉽게 이해하고 유지 관리할 수 있습니다.

두 가지 접근 방식을 결합하면 상당한 이점이 있습니다. 전문화, 자율성, 병렬 처리 등 멀티 에이전트 시스템의 조직적 이점을 누리는 동시에 툴 통합, 리소스 액세스 등 MCP의 표준화 및 에코시스템의 이점도 누릴 수 있습니다. 에이전트 조정(A2A)과 리소스 액세스(MCP)는 명확하게 분리되어 있으며, 중요한 점은 A2A는 API 액세스 같은 소규모 작업에는 필요하지 않으며, 멀티에이전트 오케스트레이션의 오버헤드 없이 MCP가 효율적으로 처리한다는 점입니다.

FAQ: A2A와 MCP- 사용 사례

결론

이 글은 데이터 및 도구에 대한 지원과 외부 액세스를 제공하기 위해 MCP 서버로 강화된 A2A 기반 에이전트의 구현을 다루는 두 편의 글 중 첫 번째 섹션입니다. 다음 글에서는 온라인 뉴스룸의 활동을 모방하기 위해 함께 작동하는 실제 코드를 살펴볼 것입니다. 두 프레임워크 모두 그 자체로 매우 훌륭하고 유연하지만, 함께 작업할 때 서로를 얼마나 보완하는지 알게 될 것입니다.