오픈소스 포털

[기획기사] 기업 업무 자동화의 새 축 : 협업형 AI 에이전트와 A2A·MCP

2025.09.22

기업 업무 자동화의 새 축 : 협업형 AI 에이전트와 A2A·MCP

이지현 IT전문기자(j.lee.reporter@gmail.com)

생성형 AI 시장 초기의 LLM 중심 논의에서 벗어나, 최근에는 실제 업무에 투입 가능한 AI 에이전트로 관심이 집중되고 있다. 에이전트 기술이 단순 보조 도구를 넘어서 광범위한 업무 영역에서 자동화를 주도할 것이라는 기대감이 높아지면서 기술 개발 경쟁이 치열해지고 있다. 이와 함께 업계 전반에 필요한 개방형 표준의 중요성도 부각되고 있다.

기업 자동화의 미래 ‘AI 에이전트’

AI 에이전트는 단순한 모델이나 프로그램이 아니라, 특정 목표를 가지고 환경을 인식하며 스스로 행동하는 지능형 소프트웨어 단위를 의미한다. 이 개념은 1990년대 AI 학계에서 주목받기 시작했으며¹⁾, 생성형 AI 시대에 들어 컨설팅·시장조사 기관들이 본격적으로 활용하고 빅테크 기업 수장들이 AI 에이전트의 중요성을 강조하면서 업계의 핵심 미래 기술로 자리잡았다.

가령 컨설팅 기업 PwC는 2025년 6월 발간한 보고서를 통해 “향후 12~24개월 내 AI 에이전트는 기업 운영 방식을 혁신해 이전에는 상상할 수 없었던 속도와 규모로 전략적 움직임을 가능하게 할 것”이라고 분석했으며²⁾, 또 다른 컨설팅 기업인 미국 A&M은 같은해 5월 펴낸 보고서를 통해 “AI 에이전트를 도입한 기업은 고객 서비스, 영업, 인사(HR) 등 기능별 운영 효율성이 최대 50% 향상되었다”라고 평가했다.³⁾

물론 현재의 AI 에이전트가 영화 아이언맨의 ‘자비스(Jarvis)’처럼 모든 작업을 스스로 처리하는 수준에 이른 것은 아니다. 일정 관리, 이메일 초안 작성, 코드 생성 등 제한된 업무 지원은 어느정도 가능하지만, 여전히 사람의 구체적인 지시가 필요하고 여러 맥락을 동시에 이해하는 데에는 한계가 있다.

그럼에도 불구하고 많은 기업은 AI 에이전트 기술이 더욱 고도화될 것으로 전망하고 있으며, 특히 다수의 AI 에이전트가 함께 작동하고 서로 정보를 주고받으며 자율적으로 협력하는 ‘멀티에이전트’ 또는 ‘협업형 AI 에이전트’ 시대가 도래할 것으로 기대하고 있다. 이런 시대에는 에이전트가 마치 하나의 ‘디지털 동료’의 역할을 맡을 수 있다. 기획자는 시장 데이터를 요청하고, 개발자는 테스트 자동화를 지시하며, 보안 담당자는 리스크 평가를 맡기는 식으로 에이전트가 인간 팀과 함께 의사결정을 지원하게 된다. 또는 에이전트끼리 서로 소통해야 할 수 있다.

멀티에이전트 구조에서는 현재 기업의 많은 업무를 자동화하고 생산성을 증진하며, 업무 방식 자체를 혁신할 수 있다는 점에서 관련 기술 개발이 가속화되고 있다. 특히 그 토대 기술로 MCP(Model Context Protocol)와 A2A(Agent-to-Agent)가 주목받고 있다.

AI 에이전트 협업을 여는 개방형 표준의 부상

MCP는 AI 기업 앤트로픽(Anthropic)이 2024년 11월 오픈소스로 공개한⁴⁾ 개방형 표준이다. ‘AI 애플리케이션의 USB-C 포트’로 불리는 MCP는 개발자가 자신의 데이터 소스와 AI 기반 도구 간에 안전한 양방향 연결을 구축할 수 있도록 지원한다. MCP 존재 이전에는 GPT, 클로드, 제미나이 등 AI 모델을 다양한 외부 시스템·툴·DB와 연결하려면 각각 커스텀 API나 플러그인을 개발해야 했다. 앤트로픽은 이를 ‘M×N 통합 문제’라 정의했는데, M개의 모델과 N개의 도구를 연결하려면 총 M×N개의 개별 연결이 필요해 비효율적이라는 의미다.

이 문제를 해결하기 위해 앤트로픽은 모든 리소스를 단일 프로토콜로 연동해 확장성을 확보하는 구조를 MCP에 담았다. 클라이언트-서버 아키텍처를 기반으로 안전한 경계를 설정하고 단계별 인증과 권한 부여를 지원하며, JSON-RPC 기반 구조를 통해 범용 API나 외부 시스템과의 연동에도 적합하도록 설계했다. 결과적으로 MCP 구조 덕분에 누구든 ‘서버’만 개발하면 다양한 도구와 데이터를 AI가 자유자재로 활용할 수 있고, 생태계 참여와 확장성이 비약적으로 높아진다.

[그림 1] MCP 구조

[그림 1] MCP 구조 (* 출처 : 공식 홈페이지 ⁵⁾)

아울러 앤트로픽은 이 프로토콜을 파이썬, 타입스크립트, C#, 자바 등 다양한 프로그래밍 언어용 소프트웨어 개발 키트(SDK)와 함께 공개했으며, 구글 드라이브, 슬랙, 깃, 포스트그레스 등 주요 엔터프라이즈 시스템을 위한 참조용 MCP 서버 구현체도 오픈소스로 제공하고 있다. MCP 서버는 MCP 프로토콜을 실제로 구현해 데이터와 도구 연동을 가능하게 하는 프로그램인데, AI 기업은 물론 일반 개발자와 커뮤니티 누구나 MCP 서버를 직접 개발하고 있다. 현재 외부에 공개된 MCP 서버만 1만 개⁶⁾를 넘어설 만큼 MCP 생태계가 빠르게 성장하고 있다.

A2A는 구글이 2025년 4월 발표한 프로토콜로, AI 에이전트들이 서로 소통하고 정보를 안전하게 교환할 수 있게 한다. 업계에선 이를 ‘AI 에이전트들 간의 공용어’라고 표현하며 복잡한 멀티에이전트 오케스트레이션과 차세대 AI 워크플로의 핵심 기반이라고 보고 있다.

기술적으로 보면 A2A는 먼저 기능 검색에서는 에이전트가 JSON 기반의 ‘에이전트 카드’를 통해 자신의 역량을 알리고, 클라이언트 에이전트는 이를 바탕으로 가장 적합한 원격 에이전트를 찾아 통신할 수 있다. 작업 관리 기능은 클라이언트와 원격 에이전트 간의 상호작용이 요청 완수로 이어지도록 돕는다. 각 작업은 프로토콜이 정의한 '작업 객체'로 표현되며, 즉시 처리되거나 장기 실행되는 경우 최신 진행 상황을 공유해 동기화를 유지한다. 결과물은 ‘아티팩트' 형태로 제공된다.

또한 에이전트 간 협업 기능이 마련되어 있어 메시지를 주고받으며 컨텍스트, 답변, 아티팩트, 사용자 지시 사항 등을 교환할 수 있다. 마지막으로 사용자 경험 협상을 통해 클라이언트와 원격 에이전트는 출력 형식을 조율한다. 예를 들어 메시지에 포함된 이미지, 동영상, 웹 양식 등 다양한 UI 요소를 적절히 표시할 수 있도록 협상이 이뤄진다.

A2A는 구글 외에도 여러 기업이 함께 개발하고 있다. 애틀래시안, 세일즈포스, SAP, 서비스나우, 몽고DB, 페이팔 등 50여 개 기술 기업과 액센츄어, BCG, PwC 등 글로벌 컨설팅 업체들이 참여하고 있다. 여기에 구글은 A2A를 2025년 6월 리눅스 재단으로 이관⁷⁾하면서 벤더 중립성과 개방성을 확보했다.

[그림 2] A2A 구조

[그림 2] A2A 구조 (* 출처:구글 블로그 ⁸⁾)

얼핏 비슷해 보이는 A2A와 MCP는 경쟁이 아니라 서로 보완하는 관계다. 즉 MCP가 AI 애플리케이션과 외부 서비스·데이터 소스를 연결하는 표준 계층이라면, A2A는 에이전트 간 소통을 가능하게 하는 프로토콜이다. 구글은 공식적으로 A2A를 "MCP를 보완하는 개방형 프로토콜"이라 정의하며, 내부 멀티에이전트 시스템 운영 경험을 토대로 설계했다고 밝혔다.⁹⁾

비유하자면, 자동차 수리점에서 재고 에이전트가 MCP를 통해 내부 데이터베이스와 연결해 부족한 부품을 감지하면, 주문 에이전트는 A2A를 활용해 외부 공급업체 에이전트와 소통하며 자동으로 주문을 처리하는 방식이다.

물론 각각의 강점을 발휘하는 영역은 다를 수 있다. 미국 벡터DB 기업 질리즈(Zilliz)는 일반적 함수 호출 기능과 함께 MCP, A2A의 특장점을 다음과 같이 분석했다.

[표 1] MCP, A2A의 특장점 비교

구분	함수 호출 (Function Calling)	MCP	A2A
해결하는 문제	모델 → API 호출	모델 → 툴 접근(표준화)	에이전트 → 에이전트 협업
적합한 용도	단순 실시간 질의	확장 가능한 툴 생태계	분산형 멀티에이전트 워크플로우
한계점	표준 부재, 멀티모델 지원이 뒤엉킴	서버 설정 필요	아직 초기 단계, 제한적 지원
현실 세계 비유	AI에게 전화를 걸도록 가르치는 것	어떤 스마트 앱이든 손쉽게 모든 데이터베이스/API에 접근하는 것	여러 봇이 동료처럼 팀을 이뤄 함께 일하는 것

* 출처 질리즈 블로그¹⁰⁾

궁극적으로 MCP와 A2A를 활용하면 기업은 다양한 제공업체의 에이전트를 자유롭게 조합하고, 여러 플랫폼과 클라우드 환경 전반에서 이를 표준화된 방식으로 관리할 수 있다. 나아가 이러한 표준화는 에이전트 관련 오픈소스 생태계 성장의 직접적인 촉매제 역할을 하고 있다.

일례로 랭체인(LangChain), 오토GPT(AutoGPT), 크루AI(CrewAI) 같은 오픈소스 프레임워크는 MCP를 통해 외부 툴과의 연결을 표준화했으며, A2A 구조와 결합하면서 단일 에이전트를 넘어선 협업형 워크플로우까지 지원하고 있다. 오픈데빈(OpenDevin), 헤이스택(Haystack) 같은 특정 업무에 최적화된 에이전트형 오픈소스 프로젝트들도 표준 프로토콜을 기반으로 상호 연동되고 호환되며, 개별 실험 단계를 넘어 서로 연결된 에이전트 생태계로 빠르게 확장되고 있다.

※ 참고 문서

첫 댓글을 작성해보세요!

댓글 작성

댓글을 작성하려면 게시글 작성 시 입력한 이메일과 패스워드를 입력해주세요.