A2A 프로토콜이란? — 등장 배경과 핵심 개념

A2A 프로토콜(Agent-to-Agent Protocol)은 2025년 4월 구글이 50개 이상의 업계 파트너와 함께 공개한 AI 에이전트 간 통신 개방형 표준입니다. 현재는 Linux Foundation 산하 오픈소스 프로젝트로 관리되며, 마이크로소프트·IBM·SAP·Twilio 등 글로벌 빅테크가 이미 합류한 상태입니다.

등장 배경을 이해하려면 2024~2025년의 AI 생태계 변화를 알아야 합니다. 기업들이 멀티 에이전트 시스템을 도입하면서 문제가 생겼습니다. A사의 재고 에이전트, B사의 물류 에이전트, C사의 결제 에이전트가 각각 다른 프레임워크로 만들어져 서로 대화할 방법이 없었던 것입니다. LangChain으로 만든 에이전트와 CrewAI로 만든 에이전트는 마치 한국어와 일본어처럼 서로 통하지 않았습니다.

A2A 프로토콜은 이 문제를 해결하는 ‘에이전트 생태계의 공통 언어’입니다. 어느 회사가 만들었든, 어느 프레임워크를 썼든, 어느 클라우드에 호스팅됐든 상관없이 AI 에이전트끼리 대화할 수 있도록 표준화된 메시징 계층을 제공합니다. 쉽게 말해 에이전트를 위한 HTTP 같은 존재입니다.

▲ 목차로 돌아가기

MCP와 A2A의 차이 — 헷갈리면 둘 다 놓친다

A2A 프로토콜을 이해할 때 가장 많이 혼동되는 것이 Anthropic의 MCP(Model Context Protocol)와의 관계입니다. 결론부터 말하면, 두 프로토콜은 경쟁이 아니라 상호 보완 관계입니다. 역할 자체가 다릅니다.

실제 시나리오를 보면 더 명확해집니다. 소매점 AI 시스템을 예로 들면, 재고 에이전트는 MCP를 사용해 데이터베이스(외부 도구)와 통신하고 재고 부족 상품을 감지합니다. 그런 다음 재고 에이전트는 A2A를 사용해 외부 공급업체 에이전트에게 발주를 요청합니다. MCP가 ‘팔’이라면 A2A는 ‘입’인 셈입니다.

▲ 목차로 돌아가기

A2A의 작동 구조 — 에이전트 카드부터 아티팩트까지

A2A 프로토콜이 실제로 어떻게 작동하는지 이해하려면 핵심 구성 요소 7가지를 알아야 합니다. 복잡해 보이지만 실제로는 명함 → 악수 → 대화 → 결과물이라는 직관적인 흐름을 따릅니다.

1에이전트 카드(Agent Card) — 에이전트의 디지털 명함입니다. JSON 파일 형태로 에이전트 이름, 기능 설명, 서비스 엔드포인트 URL, 지원 데이터 형식, 인증 요구 사항이 담겨 있습니다. LLM의 ‘모델 카드’와 개념적으로 유사하며, 다른 에이전트가 이 카드를 보고 “저 에이전트가 나한테 필요한 일을 할 수 있는가”를 판단합니다.

2A2A 클라이언트(Client Agent) — 요청을 위임하는 쪽입니다. 인간 사용자일 수도 있고, 다른 AI 에이전트일 수도 있습니다. 오케스트레이터 역할을 맡아 여러 원격 에이전트에게 작업을 나눠줍니다.

3A2A 서버(Remote Agent) — 요청을 받아 처리하는 쪽입니다. A2A 프로토콜과 호환되는 HTTP 엔드포인트를 노출하며, 작업을 처리한 뒤 상태 업데이트 또는 결과로 응답합니다.

4작업(Task) — 하나의 업무 단위입니다. 고유 ID가 있고 ‘제출됨 → 작업 중 → 완료됨/실패’ 수명 주기를 가집니다. 멀티턴 처리와 장시간 실행 협업에 특히 유용합니다.

5메시지(Message) & 아티팩트(Artifact) — 메시지는 대화의 한 번 교환이고, 아티팩트는 작업의 실제 결과물(문서, 이미지, 스프레드시트 등)입니다. 대용량 아티팩트는 SSE(Server-Sent Events)로 실시간 스트리밍이 가능합니다.

3단계 워크플로: 탐색 → 인증 → 커뮤니케이션

실제 통신은 세 단계로 이루어집니다. 먼저 탐색(Discovery) 단계에서 클라이언트 에이전트가 에이전트 카드를 조회해 가장 적합한 원격 에이전트를 찾습니다. 다음으로 인증(Authentication) 단계에서 API 키, OAuth 2.0, OpenID Connect 등 OpenAPI 사양에 부합하는 보안 절차를 거칩니다. 마지막으로 커뮤니케이션(Communication) 단계에서 HTTPS + JSON-RPC 2.0으로 안전하게 데이터를 교환합니다.

▲ 목차로 돌아가기

A2A 확장 프로그램 — 2026년 현재 무엇이 달라졌나

2026년 현재 A2A의 가장 큰 진화는 ‘확장 프로그램(Extensions)’ 생태계의 성장입니다. 핵심 프로토콜은 표준화되어 있지만, 각 도메인에 특화된 기능이 필요한 경우 누구나 확장 프로그램을 정의하고 배포할 수 있습니다. 고유한 URI로 식별되는 이 확장 프로그램들은 에이전트 카드에 선언만 하면 바로 사용 가능합니다.

① 추적성 확장 프로그램 (Traceability Extension)

다중 에이전트가 오류 없이 협업하려면 무엇이 어디서 잘못됐는지 추적할 수 있어야 합니다. 추적성 확장 프로그램은 ResponseTrace라는 구조화된 로그를 통해 에이전트가 수행한 작업 시퀀스를 캡처합니다. ToolInvocation(도구 호출)과 AgentInvocation(다른 에이전트 호출)의 두 가지 단계 유형을 지원하며, 계층 구조로 중첩 추적이 가능해 전체 워크플로를 처음부터 끝까지 시각화할 수 있습니다.

② Twilio 지연 시간 인식 확장 프로그램

음성 AI 에이전트에서는 지연 시간(Latency)이 사용자 경험을 결정합니다. Twilio는 ConversationRelay 기반 음성 에이전트의 모델 선택을 최적화하기 위해 지연 시간 정보를 브로드캐스팅하는 전용 확장 프로그램을 개발했습니다. 이는 “도메인 특화 기능은 핵심 프로토콜이 아닌 확장으로 처리한다”는 A2A 철학의 교과서적 사례입니다.

③ 이더리움 ERC-8004 — 블록체인과의 만남

가장 흥미로운 확장은 이더리움 진영에서 나왔습니다. ERC-8004 제안은 AI 에이전트를 위한 신뢰 계층을 블록체인으로 구현합니다. 신원, 평판, 검증을 위한 온체인 레지스트리를 도입해 서로 다른 조직의 에이전트들이 신뢰할 수 있는 방식으로 상호 작용하는 것을 목표로 합니다. AI와 Web3의 만남이 A2A 확장 생태계에서 먼저 이루어지고 있는 것입니다.

▲ 목차로 돌아가기

실제 기업 활용 사례 — 재고 관리부터 음성 에이전트까지

A2A 프로토콜이 실제 현장에서 어떻게 쓰이는지 구체적인 사례를 살펴보면 추상적인 개념이 훨씬 명확해집니다. 2026년 현재 엔터프라이즈 현장에서 확인된 활용 패턴은 크게 세 가지로 정리됩니다.

사례 1: 소매업 재고-발주 자동화

국내 한 대형 유통 기업의 시나리오를 보면 구조가 한눈에 들어옵니다. 사내 재고 에이전트가 MCP로 내부 데이터베이스를 조회해 품절 임박 상품을 감지합니다. 감지 즉시 A2A를 통해 외부 공급업체 에이전트에게 발주 요청 메시지를 보냅니다. 공급업체 에이전트는 자체 시스템을 확인하고 가용 재고 및 납기 아티팩트를 반환합니다. 사람이 개입하지 않아도 재고 사이클이 자동으로 완성됩니다.

사례 2: 멀티에이전트 디지털 뉴스룸

Elastic이 공개한 사례는 A2A의 잠재력을 가장 잘 보여줍니다. 조사 에이전트가 Elasticsearch로 관련 정보를 수집하고, 작성 에이전트가 초안을 생성하고, 편집 에이전트가 팩트체크와 교열을 수행하고, 게시 에이전트가 최종 콘텐츠를 발행합니다. 네 에이전트 모두 A2A로 연결되어 있으며, 각자 다른 프레임워크와 인프라를 사용합니다. 이것이 바로 A2A가 실현하는 ‘부서 간 협업’의 AI 버전입니다.

사례 3: B2B 세일즈 에이전트 협업 (Salesforce Agentforce)

Salesforce는 A2A를 활용한 에이전트 협업에서 ‘폴리포닉(polyphonic)’ 구조를 강조합니다. 고객 응대 에이전트, 제안서 작성 에이전트, CRM 업데이트 에이전트가 동시에 각자의 역할을 수행하면서 A2A의 에이전트 카드와 시맨틱 레이어로 조율됩니다. UCSF 사례에서는 이 구조를 통해 특정 업무 자동화율이 88%에 달했다고 보고되었습니다.

▲ 목차로 돌아가기

A2A 도입 시 반드시 알아야 할 주의사항

A2A 프로토콜은 분명 강력한 표준이지만, 도입 전에 반드시 알아야 할 현실적인 제약과 주의사항이 있습니다. 맹목적인 도입은 오히려 기술 부채를 쌓을 수 있습니다.

보안: 신뢰할 수 없는 에이전트 문제

A2A 프로토콜은 에이전트를 ‘불투명 에이전트’로 취급해 내부 구현을 공개하지 않아도 됩니다. 이는 프라이버시 측면에서 장점이지만, 동시에 “이 에이전트를 얼마나 믿을 수 있는가?”라는 신뢰 문제를 만들어 냅니다. Identity Machines의 제로 트러스트 확장 프로그램이나 이더리움의 ERC-8004가 바로 이 문제를 해결하려는 시도입니다. 기업 도입 시 에이전트 신원 검증 체계를 별도로 구축하는 것을 권장합니다.

거버넌스: AI가 AI에게 권한을 위임하는 문제

A2A에서 오케스트레이터 에이전트가 다른 에이전트에게 작업을 위임할 때, 무엇을 얼마나 위임하는가에 대한 거버넌스 정책이 없으면 의도치 않은 범위의 작업이 실행될 수 있습니다. Identity Machines의 확장 프로그램은 목적, 예산, 기능, 모델, PII 상태 등의 조건이 에이전트가 작업을 수락하기 전에 적용되도록 하는 방식으로 이를 해결합니다. 2026년 현재 이런 AI 거버넌스 레이어는 선택이 아닌 필수가 되어가고 있습니다.

학습 곡선: MCP보다 복잡합니다

MCP가 개인 개발자도 하루 만에 시작할 수 있는 반면, A2A는 에이전트 카드 설계, 인증 체계, 작업 수명 주기 관리 등 더 많은 사전 설계가 필요합니다. Google Codelabs의 “MCP, ADK, A2A 시작하기” 튜토리얼이 현재로서는 가장 진입 장벽이 낮은 학습 경로입니다.

▲ 목차로 돌아가기

Q&A — A2A 프로토콜에 대한 5가지 핵심 질문

▲ 목차로 돌아가기