A2A MCP 통합

Cheng Zhang·2025년 6월 4일
A2AMCPagentopenrouter

Git 저장소：A2A MCP

이 저장소는 a2a-python SDK를 설정하고 사용하여 간단한 서버와 클라이언트를 만들어 a2a 프로토콜을 구현하는 방법을 보여주며, 에이전트 서버는 mcp로 구현됩니다.

개요

  • A2A (Agent-to-Agent): 상호 운용 가능한 AI 에이전트를 구축하기 위한 프로토콜 및 SDK입니다.
  • 이 예제: 기본 A2A 서버와 클라이언트를 실행하고, 메시지를 교환하며, 응답을 확인하는 방법을 보여줍니다.

전제 조건

  • Python 3.13+
  • uv (빠른 종속성 관리 및 실행용)
  • OpenRouter API 키 (OPENROUTER_API_KEY로 설정)

설치

  1. 저장소 복제:

    git clone https://github.com/sing1ee/a2a-mcp-openrouter
cd https://github.com/sing1ee/a2a-mcp-openrouter

  2. 종속성 설치:

    uv venv
source .venv/bin/activate

  3. 환경 변수 설정:

    export OPENROUTER_API_KEY=your-openrouter-api-key

    또는 다음 내용으로 .env 파일을 생성하세요:

    OPENROUTER_API_KEY=your-openrouter-api-key

    참고: OpenRouter API 키는 https://openrouter.ai/에서 얻을 수 있습니다.

예제 실행

1. 서버 시작

uv run --env-file .env a2a-server
  • 서버는 포트 9999에서 시작됩니다.

에이전트 카드 검증:

2. 클라이언트 실행

새 터미널에서:

uv venv
source .venv/bin/activate
uv run --env-file .env a2a-client --question "A2A 프로토콜이 무엇인가요?"
  • 클라이언트가 서버에 연결하여 요청을 보냅니다.

3. 응답 확인

  • 클라이언트의 응답은 response.xml에 저장됩니다.

구성

시스템은 다음 구성을 사용합니다:

  • 모델: OpenRouter를 통한 google/gemini-flash-1.5
  • 기본 URL: https://openrouter.ai/api/v1

파일 구조

  • src/a2a_mcp_openrouter/server/: 서버 구현.
  • src/a2a_mcp_openrouter/client/: 클라이언트 구현.
  • response.xml: 클라이언트의 예제 응답.

문제 해결

  • 종속성 누락: uv가 설치되어 있는지 확인하세요.
  • API 키 오류: OPENROUTER_API_KEY가 올바르게 설정되어 있는지 확인하세요.
  • 포트 충돌: 포트 9999가 사용 가능한지 확인하세요.

A2A vs MCP: 프로토콜 유사성과 통합 접근법

이 구현을 통해 A2A (Agent-to-Agent)와 MCP (Model Context Protocol)가 놀라운 아키텍처 유사성을 공유한다는 것을 발견했습니다. 두 프로토콜 모두 발견, 기능 교환 및 실행에 대해 유사한 패턴을 따릅니다.

통합 구현 패턴

핵심 발견: A2A와 MCP 모두 동일한 기본 구현 패턴을 따릅니다:

  • HTTP 기반 통신: 둘 다 통신에 HTTP를 사용합니다 (A2A는 REST API, MCP는 Server-Sent Events 사용)
  • 프롬프트 기반 설계: 둘 다 무엇을 호출할지와 어떻게 호출할지 결정하기 위해 LLM 프롬프트에 의존합니다
  • 발견 메커니즘: 둘 다 사용 가능한 기능을 발견하는 방법을 제공합니다
  • 구조화된 응답: 둘 다 프로그래밍 방식으로 처리할 수 있는 구조화된 데이터를 반환합니다

mcp.py 구현을 보면 다음과 같습니다:

# HTTP를 통한 MCP 도구 발견
async with sse_client(url) as (read, write):
    resources = await session.list_tools()
    
# LLM 의사 결정을 위한 프롬프트 생성
return template.render(tools=resources.tools)

# HTTP를 통한 도구 호출 실행
return await session.call_tool(tool_name, arguments=arguments)

이는 A2A 에이전트 호출 패턴과 개념적으로 동일합니다 - 기능을 발견하고, LLM을 사용하여 무엇을 호출할지 결정한 다음, 호출을 실행합니다.

범용 인터페이스로서의 A2A

핵심 통찰: A2A는 호출 패턴이 본질적으로 동일하기 때문에 에이전트 간 통신과 도구 호출 모두에 대한 통합 인터페이스 역할을 할 수 있습니다:

  1. A2A → 에이전트: 클라이언트 → HTTP → 에이전트 → LLM 응답
  2. A2A → 도구: 클라이언트 → HTTP → 도구 래퍼 → MCP 도구 응답

두 패턴 모두 다음을 사용합니다:

  • HTTP 통신
  • 기능 발견
  • LLM 기반 의사 결정
  • 구조화된 요청/응답 형식

이 통합 접근법의 이점

  • 단일 인터페이스: 클라이언트는 하나의 호출 패턴만 이해하면 됩니다
  • 상호 운용성: 동일한 워크플로에서 에이전트와 도구를 원활하게 혼합할 수 있습니다
  • 일관된 아키텍처: 다양한 기능 유형에 걸쳐 동일한 구현 패턴을 사용합니다
  • LLM 네이티브 설계: 둘 다 지능적인 기능 선택을 위해 LLM 추론을 활용합니다

이는 A2A와 MCP가 경쟁하는 프로토콜이 아니라 단일 인터페이스 패러다임 하에서 통합될 수 있는 상호 보완적인 패턴임을 보여줍니다.

시스템 아키텍처 및 플로우

다음은 클라이언트 입력에서 최종 응답까지 A2A 프로토콜의 완전한 플로우를 보여주는 상세한 시퀀스 다이어그램입니다:

A2A MCP

주요 기능

  • 에이전트 발견: A2A 프로토콜을 통한 사용 가능한 에이전트의 자동 발견
  • LLM 기반 선택: LLM 추론을 사용한 지능적인 에이전트 및 도구 선택
  • MCP 통합: 지식 검색을 위한 MCP 도구와의 원활한 통합
  • 스트리밍 파이프라인: 전체 파이프라인에 걸친 실시간 스트리밍 응답
  • 반복 처리: 컨텍스트가 유지되는 다중 반복 도구 호출

플로우 설명

시스템은 다음과 같은 주요 단계를 따릅니다:

클라이언트 단계: 사용자 질문 입력 → 클라이언트가 에이전트 발견 → LLM이 관련 에이전트 선택

서버 단계: 서버가 요청 수신 → 에이전트가 도구 발견 → LLM이 도구 선택 → 도구가 반복적으로 실행

응답 단계: 결과가 파이프라인을 통해 스트리밍됨 → 클라이언트가 최종 답변 합성 → 사용자가 응답 수신

이 아키텍처는 서로를 발견하고 협력할 수 있는 상호 운용 가능한 AI 에이전트를 만드는 A2A 프로토콜의 힘을 보여주며, 외부 지식 소스에 액세스하기 위해 MCP 도구를 활용합니다.

A2A MCP

profile
Cheng Zhang
독립 개발자
이전 포스트

A2A 프로토콜 기반 LlamaIndex 파일 채팅 워크플로우

다음 포스트

A2A Java 샘플

0개의 댓글