“AI 에이전트”라는 말, 요즘 자주 들어보셨죠?
간단히 말하면 사람 대신 일을 처리해주는 AI 프로그램이에요. 챗봇처럼 질문에만 답하는 게 아니라, 실제로 업무를 수행하는 AI이죠.
예를 들어:
- 고객 문의가 들어오면 자동으로 답변하는 고객 상담 에이전트
- 재고가 부족하면 알아서 주문하는 재고 관리 에이전트
- 회의 일정을 조율해주는 스케줄링 에이전트
이런 식으로 각자 전문 분야에서 일하는 AI들이 바로 에이전트입니다.
그런데 문제가 있어요.
이 에이전트들은 서로 대화를 못 한다는 겁니다. 고객이 “주문한 상품 언제 와요?”라고 물어봐도, 고객 상담 에이전트가 “잠깐만요, 재고 담당자에게 확인해볼게요”라고 할 수 없거든요. 각자 다른 언어를 쓰고 있으니까요.
그런데 구글이 이 문제를 해결할 방법을 들고 왔습니다.
바로 그게 Agent-to-Agent(A2A) 프로토콜이죠.
드디어 에이전트들이 협업할 수 있게 됐다
2025년 4월, 구글이 “이제 AI 에이전트들끼리 대화하게 해주겠다” 면서 A2A 프로토콜을 발표했습니다.
핵심은 간단합니다. 서로 다른 회사에서 만든 에이전트들도 A2A만 지원하면 협업할 수 있다는 거죠.
예를 들어볼까요?
고객이 “주문한 상품 언제 와요?”라고 물어봤을 때:
- 주문 관리 에이전트가 주문 정보를 찾고
- 배송 관리 에이전트에게 “이 주문 배송 상태 어때?”라고 물어보고
- 배송 에이전트가 답변하면
- 최종적으로 고객에게 통합된 답변을 준다
이런 게 가능해진 거예요.
왜 이게 중요할까요?
지금까지 AI 에이전트들의 가장 큰 문제는 서로 다른 API와 데이터 형식을 사용한다는 거였습니다.
- A회사 고객상담 에이전트: REST API로 JSON 형태의 고객 정보 처리
- B회사 재고관리 에이전트: GraphQL로 XML 형태의 재고 데이터 처리
- C회사 배송추적 에이전트: gRPC로 Protocol Buffer 형태의 배송 정보 처리
이들을 연결하려면 개발자가 각각 다른 연결 코드를 따로 작성해야 했어요. 에이전트 3개면 연결 코드도 3개, 10개면 10개… 새로운 에이전트가 추가될 때마다 복잡도는 기하급수적으로 증가했죠.
A2A의 해결책: 공통 언어 제공
A2A는 마치 번역기 같은 역할을 합니다. 기존에는 서로 다른 언어를 쓰는 에이전트들이 각자 자기 할 말만 했다면, A2A는 이들이 공통적으로 이해할 수 있는 ‘표준 언어’를 만들어 주는 거죠. 그래서 모든 에이전트가 HTTP + JSON-RPC라는 이미 널리 사용되는 웹 통신 방식을 통해 소통하게 됩니다. HTTP는 웹사이트 접속할 때 쓰는 기본 규칙이고, JSON-RPC는 데이터를 주고받는 방식이라고 생각하면 돼요. 새로운 복잡한 기술을 배우지 않아도 된다는 게 큰 장점입니다.
어떻게 작동하나요?
쇼핑몰에서 “주문한 상품 언제 와요?”라는 고객 문의로 예를 들어볼게요.
Step 1. 에이전트 카드 (Agent Card)
각 AI 에이전트는 자신이 처리할 수 있는 업무와 기능을 JSON 형식의 ‘에이전트 카드’로 정의해 공개합니다. 이 카드에는 “내가 할 수 있는 일”, “필요한 입력”, “응답 형태” 등이 표준화된 방식으로 담겨 있어, 다른 에이전트들이 역할을 쉽게 파악할 수 있게 해줍니다.
Step 2. 능력 발견 (Capability Discovery)
고객이 “주문한 상품 언제 와요?”라고 묻으면, 고객상담 에이전트는 질문을 분석해 배송 관련 정보가 필요하다고 판단하고, A2A 네트워크에서 해당 기능을 가진 에이전트를 탐색합니다.
Step 3. 작업 위임 (Task Delegation)
배송추적 에이전트를 찾은 상담 에이전트는 A2A 프로토콜의 표준 메시지 형식을 통해 “이 주문의 배송 상태를 확인해줘”라는 요청을 전달합니다.
Step 4. 결과 통합 (Result Integration)
배송추적 에이전트는 배송 상태를 확인해 표준 형식으로 응답하고, 상담 에이전트는 이를 종합해 고객에게 “주문하신 상품은 내일 오후 2시 도착 예정입니다”처럼 완성된 답변을 제공합니다.
이처럼 A2A는 각 에이전트의 역할을 자동으로 연결하고, 부분적인 결과를 하나의 통합된 응답으로 만들어주는 디지털 협업 구조의 핵심 메커니즘입니다.
기존의 MCP와 무엇이 다른가요?
그러면 A2A 이전에 등장한, Anthropic의 MCP(Model Context Protocol)라는 개념과는 무엇이 다를까요? MCP는 AI 에이전트가 외부 도구나 데이터에 접근할 수 있게 해주는 프로토콜로, 2024년 11월 발표되었습니다.
그림에서 보듯이, MCP와 A2A는 서로 경쟁하는 개념이 아닙니다. 오히려 서로 다른 방향에서 AI 에이전트의 역량을 확장해주는 역할을 하죠.
MCP는 에이전트가 외부 도구나 데이터에 직접 접근할 수 있게 만들어줍니다. 쉽게 말해, “에이전트야, 이 도구 써봐”라는 식으로 도구 사용 능력을 부여하는 거예요.
반면 A2A는 에이전트가 다른 에이전트와 협업할 수 있게 도와줍니다. 즉, “에이전트야, 저 친구한테 물어봐”처럼 업무를 분담하고 조율할 수 있는 구조를 제공하죠.
결국 MCP는 개별 에이전트가 더 유능해지는 것, A2A는 에이전트들이 팀으로 움직이게 만드는 것에 가깝습니다. 마치 사람도 혼자 일 잘하는 능력(역량)과 다른 사람과 협업하는 능력(팀워크)이 모두 중요한 것처럼, MCP와 A2A 역시 함께 활용될 수 있는 상호보완적인 구조입니다.
물론 도전과제도 있어요
지금까지의 흐름만 보면 A2A가 완벽한 시스템처럼 느껴질 수 있지만, 실제 현업에 적용하려면 해결해야 할 과제들도 적지 않습니다.
- 보안
- A 에이전트는 우리 회사, B 에이전트는 다른 회사 소속이라면?
- 개인정보나 기업 데이터 같은 민감한 정보는 어떻게 안전하게 주고받을 수 있을까요?
- 성능
- A가 B한테 묻고, B는 다시 C한테 묻고… 이렇게 되면 답변이 느려질 수도 있어요.
- 실시간성이 중요한 서비스라면 이 부분은 특히 신경 써야 해요.
- 표준화
- 아무리 프로토콜이 있다 해도, 각 회사가 조금씩 다르게 구현한다면?
- 결국 또 호환성 이슈가 생길 수도 있겠죠.
그래서 지금은 초기 단계라고 보는 게 맞아요. 그러나 초기에 고민할수록 더 잘 만들어질 수 있는 것도 사실이죠.
앞으로 어떻게 될까?
꽤 큰 변화가 시작되고 있는 지금, A2A가 가져올 가장 큰 전환점은 바로 ‘디지털 노동력의 협업’입니다. 우리는 이미 AI와 함께 일하고 있어요. 하지만 지금까지의 AI는, 회의 일정을 잡아주거나 자동 응답을 해주는 등 한정된 업무를 보조하는 도구에 가까웠죠.
그런데 A2A가 본격화되면, 이제는 AI들이 서로 협업하는 팀이 되어 복잡한 문제도 함께 해결하는 시대가 열릴 수도 있는 거죠.
앞으로는 “어떤 AI를 쓸까?”보다 “우리가 만든 AI들이 어떻게 팀을 짜고, 협업하게 만들까?“를 고민하는 시점이 올지도 모릅니다.
그때가 되면 AI는 더 이상 단순한 툴이 아닐 거예요. 함께 문제를 해결하고, 역할을 나누며, 때론 우리보다 더 빠르게 새로운 아이디어를 도출하는 ‘디지털 동료’가 될 수도 있겠죠.
에이전트들이 서로 대화하고 협업하는 모습을 보면서, 우리가 상상했던 AI의 미래도 실감하게 될 수 있지 않을까요? 그리고 그 미래를 누가 먼저 준비하느냐에 따라, 경쟁력은 완전히 달라질지도 모르겠습니다.
참고 자료
- 구글 개발자 블로그 – A2A 발표
- https://towardsdatascience.com/inside-googles-agent2agent-a2a-protocol-teaching-ai-agents-to-talk-to-each-other/
