Google A2A 프로토콜 첫인상 - MCP와의 비교
(hackernoon.com)- Google이 새로운 에이전트-에이전트 프로토콜 A2A (Agent to Agent)를 오픈소스로 공개함
- Anthropic의 MCP와 유사하지만, 목적과 구조 측면에서는 차별점이 존재. Google은 A2A가 MCP를 보완하는 형태로 설계되었음을 강조함
- 두 프로토콜은 경쟁보다는 상호 보완 혹은 통합을 통한 표준화 방향으로 발전할 가능성이 있음
A2A 사용해보기
- A2A는 MCP와 사용 방식이 거의 유사함
- 여러 A2A 서버(에이전트)를 실행한 뒤 A2A 클라이언트에서 연결하여 사용할 수 있음
- 클라이언트와 서버는 각각 독립적으로 운영 가능함
예제 에이전트 구성
- Google에서 제공하는 세 가지 예제 에이전트를 로컬에서 실행함
- Google ADK: 직원 비용 환급을 처리하는 에이전트
- CrewAI: 이미지를 생성하는 에이전트
- LangGraph: 환율 정보를 제공하는 에이전트
- 에이전트는 JSON 형식의 Agent Card를 통해 기능과 인터페이스를 외부에 알림
예시 - Google ADK의 Agent Card 구성 요약:
- 이름: Reimbursement Agent
- 설명: 직원의 비용 환급 프로세스를 처리
- URL: http://localhost:10002/
- 지원 기능: 스트리밍 가능, 푸시 알림 불가
- 기본 입력/출력 형식: text / text-plain
- Skill: process_reimbursement (비용 환급 도구), 예시 문장 포함
A2A 클라이언트 데모 앱 실행
- Google이 제공하는 웹 클라이언트를 실행해 브라우저에서 A2A 테스트 가능
- 디자인은 Gemini AI Studio와 유사한 Google Material UI 기반
- 에이전트 등록 시 사용하는 기본 URL 예시:
- Google ADK:
localhost:10002 - CrewAI:
localhost:10001 - LangGraph:
localhost:10000
- Google ADK:
- Agent Card는 각 에이전트의
.well-known/agent.json경로에 위치함
클라이언트에서 확인 가능한 요소
- 등록된 에이전트 리스트
- 에이전트와의 채팅 히스토리
- 각종 이벤트 및 작업(task) 리스트
- 설정 화면은 간단한 구성
다중 에이전트 연동 테스트
- 여러 에이전트를 조합해 단일 목표 수행 가능 여부 테스트
- 예시: “2025년 4월 4일, 독일 출장 중 맥주 5유로 비용 환급 요청”
- LangGraph가 환율을 계산하고
- Google ADK가 환급 요청을 처리함
- 에이전트 간 자연스러운 협업을 통해 최종적으로 달러 환산 금액이 포함된 환급 요청서 생성 성공
A2A 프로토콜 초기 인상
- 클라이언트-서버 구조가 명확하여 배포와 운영이 용이함
- 에이전트 구성은 단순 URL 등록만으로 가능하며, 실행 중에도 에이전트 추가/삭제 가능
- 클라이언트가 각 에이전트를 개별적으로 호출하는 구조로, 실제 에이전트 간의 협업 흐름이 사용자에게는 명확하게 드러나지 않음
- 현재는 도구 호출 방식에 가까운 구조임
A2A와 MCP 비교 요약
- A2A는 에이전트 간의 직접적인 통신 및 협업을 위한 프로토콜로 설계됨
- MCP는 LLM 중심의 컨텍스트 관리와 외부 도구 연동에 초점을 둠
기능별 차이 설명:
-
사용 목적:
- A2A는 독립적인 에이전트들 간의 협업에 중점을 둠
- MCP는 하나의 LLM이 외부 API나 도구를 활용해 기능을 확장하는 데 중점을 둠
-
구조 차이:
- A2A는 클라이언트-서버 구조에서 서로 다른 에이전트들이 각기 독립적으로 존재함
- MCP는 애플리케이션-LLM-도구 간 구조로, 중심은 LLM임
-
통신 방식:
- A2A는 HTTP, JSON-RPC, SSE 등의 웹 표준 기반
- MCP는 JSON-RPC 2.0 기반 통신과 HTTP 스트리밍 지원
-
기능 구성:
- A2A는 태스크, 메시지, 아티팩트 등으로 기능 구성
- MCP는 리소스, 도구, 메모리, 프롬프트 등을 중심으로 구성
-
강점 차이:
- A2A는 비동기 처리와 협업에 강점
- MCP는 컨텍스트 효율성과 병렬 처리, 캐싱에 강점
-
커뮤니티 상황:
- A2A는 구글 클라우드 고객 중심으로 초기 지지 확보 중
- MCP는 이미 널리 채택되어 활발한 개발자 커뮤니티 존재
결론
- A2A와 MCP는 결국 AI 시스템에서 복잡한 목표를 달성하기 위한 멀티 에이전트/도구 호출 구조를 지원한다는 점에서 목적이 유사함
- 두 프로토콜 모두 자동 등록, 검색 기능이 부족하여 수동 구성이 필요함
- MCP는 시장 선점과 활발한 커뮤니티를 보유
- A2A는 Google의 강력한 백업을 바탕으로 빠르게 성장 중
- 두 프로토콜은 경쟁보다는 상호 보완 혹은 통합을 통한 표준화 방향으로 발전할 가능성 있음
- 개발자 입장에서는 더 많은 선택지와 개방형 표준이 제공되는 긍정적인 흐름임
A2A 글올라온지도 얼마안된 것 같은데 비교글이라니.. 대단합니다. 저도 성실해지고 싶네요. 마침 뭐가 다른걸까 싶었는데 덕분에 잘봤습니다.