A Practical MCP×A2A Integration Framework for Interoperability in LLM-Based Autonomous Multi-Agent Systems
C. Jeong · Journal of Intelligence and Information Systems · 2025
최근 대규모 언어 모델(LLM)의 발전은 다양한 분야에서 복잡한 작업을 수행할 수 있는 자율 에이전트의 개발을 가속화하고 있다. 그러나 실제 환경에서 LLM 기반 멀티에이전트 시스템(MAS)의 적용은 여전히 제한적이며, 그 주요 원인으로는 이기종 에이전트 간의 동적 상호운용성 부족과 외부 도구 및 서비스와의 구조화된 연동의 어려움이 있다. 본 논문은 이러한 문제를 해결하기 위해 Google의 Agent-to-Agent(A2A) 프로토콜과 Anthropic의 Model Context Protocol(MCP)을 통합한 실용적인 프레임 워크를 제안한다. A2A는 에이전트 카드, 구조화된 메시지, 작업 기반 워크플로우를 통해 표준화된 에이전트 간 통신을 제공하며, MCP는 JSON 스키마 기반 인터페이스를 통해 외부 API 및 리소스와의 안전하고 맥락 중심적인 상호작용을 지원한다. 본 연구는 두 프로토콜의 기술 구조 및 핵심 작동 메커니즘을 분석하고, 이들이 상호작용하며 창출하는 시너지 효과를 극대화하는 독자적인 통합 설계 원칙을 제시한다. 제안된 프레임워크는 LangGraph를 기반으로 구현되며, 순환 논리와 동적 컨텍스트 전달이 가능한 에이전트 워크플로우를 구성할 수 있으며 사례로 주식 정보 시스템을 구현하여, 에이전트들이 실시간 금융 데이터, 뉴스 스크래핑, 분석 도구와 연동하여 복잡한 사용자 질의를 협업으로 처리하는 과정을 제시한다. 이 프레임워크는 LLM 기반 에이전트 시스템의 개발 효율성, 시스템 확장성, 실용성을 크게 향상시시키고 상호운용 가능한 엔터프라이즈급 자율 에이전트 시스템을 구축하고자 하는 개발자와 연구자를 위한 구현 방법론과 아키텍처 설계 지침을 제공하며, AI 에이전트 기술의 실용적 채택을 촉진하는 기반을 마련하는데 시사점이 있다.