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.

[목 차]
  

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

작가의 말

많은 사람이 멀티 에이전트 시스템을 어렵고 복잡한 기술로 느낍니다. 새로운 개념이 많고 구성 요소도 다양해, ‘대체 어디서부터 시작해야 할까?’라는 고민에 곧잘 부딪히기 때문입니다. 문서를 아무리 읽어도 실제 작동 방식이 와닿지 않고, 예제를 따라 해도 구조를 이해하기 어려울 때가 많습니다. 이 책은 그러한 장벽을 낮추기 위해 기획되었습니다. 입문자가 가장 어렵게 느끼는 부분을 제거하고, ‘작동하는 예시’를 통해 자연스럽게 이해할 수 있도록 구성했습니다. 복잡한 이론을 먼저 완벽히 이해해야만 따라갈 수 있는 책이 아니라, 실습을 통해 동작 원리를 체감하고 그 과정에서 개념이 자연스럽게 정리되도록 유도하는 책입니다.

A2A와 멀티 에이전트는 앞으로 우리가 만들 AI 시스템의 중심이 될 것입니다. 기업과 산업, 그리고 사용자들의 기대 수준이 높아지면서 AI는 단일 모델이 아니라 여러 역할을 가진 에이전트들이 하나의 팀처럼 유기적으로 움직이는 구조를 바탕으로 발전할 것입니다. 이러한 흐름 속에서 이 구조를 먼저 이해하고 구현할 수 있는 사람은 앞으로의 AI 시대에서 큰 경쟁력을 갖게 될 것입니다.