에이전트를 만드는 데서 끝나지 않는다
협업형 AI 시스템을 설계하고 운영까지 끌고 가는 멀티 에이전트 개발서. 
싱글 에이전트부터 멀티 에이전트까지, MCP와 A2A로 완성하는 실전 AI 에이전트 개발 가이드
* MCP·A2A 기반 멀티 에이전트 실습 
* 현업 시나리오 기반 9가지 실전 프로젝트 수록
혼자 일하는 AI의 시대는 끝났다. 실제 서비스 단계에 들어서면 단일 LLM 호출만으로는 풀리지 않는 문제가 줄줄이 나타난다. 역할이 다른 에이전트를 동시에 실행하고, 결과를 검증하며, 다시 평가하고 수정해야 한다. 이제 필요한 것은 더 좋은 모델 하나가 아니라, 여러 AI가 함께 일하는 구조다.
이 책은 바로 그 흐름을 따라간다. 싱글 에이전트 구현부터 시작해 멀티 에이전트 구조로 확장하고, MCP와 A2A 기반 협업 시스템까지 단계적으로 직접 구현해 본다. 영업 데이터 분석·시각화, 개인정보 탐지·마스킹, 문서 기반 Q&A, Whisper 음성 Q&A, 이상 거래 탐지, 맞춤형 여행 플래너 등 실제 업무 시나리오를 바탕으로 9가지 프로젝트를 실습하며, 오케스트레이터 설계, 병렬 실행, 상태 관리, MCP 서버 연동, A2A 통신 구조까지 함께 익힐 수 있다.
이 책을 덮을 무렵, 독자는 단순히 "에이전트를 만들어 본 개발자"를 넘어 운영 가능한 멀티 에이전트 시스템을 설계하고 확장할 수 있는 개발자로 한 단계 성장하게 될 것이다.
 

| Part 01 | 멀티 에이전트 시스템의 기초

Chapter 01 | 멀티 에이전트 이해
1.1 에이전트의 등장과 구조
____1.1.1 에이전트의 개념과 구성 요소
____1.1.2 에이전트란 무엇인가?
1.2 멀티 에이전트로의 확장
____1.2.1 싱글 에이전트와 멀티 에이전트
____1.2.2 멀티 에이전트 유형
1.3 멀티 에이전트 실행 구조
____1.3.1 에이전트 간 상호작용 패턴
____1.3.2 AgentContext와 상태 전달
1.4 에이전트 간 직접 통신 A2A
____1.4.1 A2A의 구조와 통신 방식
____1.4.2 A2A 설계 고려 사항

Chapter 02 | 멀티 에이전트 동작 원리
2.1 오케스트레이터의 역할과 구조
2.2 MCP 및 FastMCP 기반 구현
____2.2.1 MCP 구조와 동작 원리
____2.2.2 Cursor 및 Claude Desktop에서 활용
____2.2.3 FastMCP 기반 실행 구조
2.3 운영 환경 고려 사항과 최적화
____2.3.1 보안 및 규정 준수
____2.3.2 품질 관리와 모델 평가
____2.3.3 성능과 비용 최적화

Chapter 03 | 실습 환경 준비
3.1 OpenAI API 발급
3.2 Claude API 및 Tavily API 발급
____3.2.1 Claude API 키 발급 및 환경 변수 등록
____3.2.2 Tavily API 발급 및 환경 변수 등록
3.3 Slack Webhook URL 획득
____3.3.1 Slack API 로그인 및 워크스페이스 생성
____3.3.2 Webhook URL 생성
3.4 Python 및 Cursor 설치
____3.4.1 Python 설치
____3.4.2 Cursor 설치

| Part 02 | 싱글 에이전트 실전 구현

Chapter 04 | 영업 데이터 분석과 시각화
4.1 폴더 열기 및 라이브러리 설치
4.2 데이터 처리
____4.2.1 설정 관리
____4.2.2 데이터 수집
____4.2.3 벡터 지식 관리
____4.2.4 시각화 계획 수립
4.3 시각화 구현
____4.3.1 MCP 서버 통합
____4.3.2 차트 스펙 생성
____4.3.3 차트 렌더링
____4.3.4 통합 테스트
4.4 MCP 서버 등록 및 결과 확인

Chapter 05 | 개인정보 탐지와 마스킹
5.1 폴더 열기 및 라이브러리 설치
5.2 에이전트 구현
____5.2.1 애플리케이션 진입점 설정
____5.2.2 워크플로우 조율
____5.2.3 개인정보 탐지
____5.2.4 약관 검색
5.3 웹에서 결과 확인

| Part 03 | 멀티 에이전트 실전 구현

Chapter 06 | 약관 기반 질의응답
6.1 폴더 열기 및 라이브러리 설치
6.2 검색 구현
____6.2.1 문서 인덱싱
____6.2.2 의미 기반 검색
____6.2.3 키워드 기반 검색
____6.2.4 하이브리드 검색
6.3 에이전트 구현
____6.3.1 답변 평가
____6.3.2 워크플로우 조율
____6.3.3 MCP 서버 통합
6.4 MCP 서버 등록 및 결과 확인

Chapter 07 | Whisper 기반 음성 Q&A
7.1 폴더 열기 및 라이브러리 설치
7.2 에이전트 구현
____7.2.1 답변 생성
____7.2.2 에이전트 기반 클래스 정의
____7.2.3 답변 평가
____7.2.4 답변 개선
____7.2.5 문서 검색
____7.2.6 음성 텍스트 변환
____7.2.7 워크플로우 조율
____7.2.8 MCP 서버 통합
7.3 MCP 서버 등록 및 결과 확인

Chapter 08 | 병렬 검색으로 속도 개선
8.1 폴더 열기 및 라이브러리 설치
8.2 에이전트 구현
____8.2.1 에이전트 모듈 설정
____8.2.2 검색 에이전트
____8.2.3 타당성 평가 에이전트
____8.2.4 데이터 모델과 설정 관리
____8.2.5 워크플로우 조율
____8.2.6 MCP 서버 통합
8.3 MCP 서버 등록 및 결과 확인

Chapter 09 | 반복 평가로 응답 품질 개선
9.1 폴더 열기 및 라이브러리 설치
9.2 에이전트 구현
____9.2.1 답변 생성 에이전트
____9.2.2 평가·피드백·통계 에이전트
____9.2.3 문서 검색 에이전트
____9.2.4 에이전트 기반 클래스와 설정 관리
____9.2.5 워크플로우 조율
9.3 애플리케이션 진입점 설정과 결과 확인
____9.3.1 애플리케이션 진입점 설정
9.4 MCP 서버 등록 및 결과 확인

Chapter 10 | 뉴스 기반 종목 영향 평가
10.1 폴더 열기 및 라이브러리 설치
10.2 에이전트 구현
____10.2.1 에이전트 모듈 설정
____10.2.2 뉴스 파싱 에이전트
____10.2.3 영향 요인 분석 에이전트
____10.2.4 LLM 클라이언트 설정
____10.2.5 워크플로우 조율
____10.2.6 MCP 서버 통합
10.3 MCP 서버 등록 및 결과 확인

Chapter 11 | 이상 거래 탐지
11.1 폴더 열기 및 라이브러리 설치
11.2 에이전트 구현
____11.2.1 에이전트 모듈 설정
____11.2.2 데이터 수집과 이상 탐지 에이전트
____11.2.3 특징 추출 에이전트
____11.2.4 보고서 생성과 알림 처리 에이전트
____11.2.5 타입 및 유틸리티 정의
____11.2.6 워크플로우 조율
____11.2.7 MCP 서버 통합
11.3 MCP 서버 등록 및 결과 확인

Chapter 12 | 맞춤형 여행 플래너
12.1 폴더 열기 및 라이브러리 설치
12.2 에이전트 구현
____12.2.1 에이전트 모듈 설정
____12.2.2 여행 서비스 에이전트
____12.2.3 여행 일정 계획 에이전트
____12.2.4 에이전트 컨텍스트 관리
____12.2.5 데이터 모델과 설정 관리
____12.2.6 워크플로우 조율
____12.2.7 MCP 서버 통합
12.3 MCP 서버 등록 및 결과 확인

MCP와 A2A, 협업하는 AI를 만든다
오케스트레이터 설계부터 병렬 실행, 반복 평가까지 — 운영 환경의 멀티 에이전트 시스템 구축 가이드
LLM API를 호출해 본 개발자는 이미 많다. RAG로 답변 품질을 끌어올려 본 경험도 이제는 특별한 일이 아니다. 그런데 거기까지 와 본 개발자라면 이미 알고 있을 것이다. 검색을 잘 붙이는 것만으로는 더 이상 풀리지 않는 문제들이 있다는 사실을.
검색 결과를 다시 검증해야 하고, 역할이 다른 에이전트들을 동시에 가동해야 하며, 실행 결과를 평가해 다시 수정하는 루프까지 만들어야 한다. 이제 중요한 것은 "어떤 모델을 쓰느냐"가 아니다. 여러 AI가 어떻게 역할을 나누고 협업하는가. 거기에 답이 있다.
MCP와 A2A는 바로 그런 흐름 속에서 빠르게 주목받고 있는 협업 구조다. Anthropic의 MCP, Google의 A2A 공개 이후 멀티 에이전트는 더 이상 개념 설명에 머무르지 않고 실제 구현 가능한 시스템 단계로 넘어가기 시작했다. 흐름은 이미 시작됐고, 따라잡을 시간은 그리 길지 않다.
이 책은 그 흐름을 실습 중심으로 따라간다. 단순히 프롬프트를 작성하거나 API를 연결하는 수준에 머물지 않고, 싱글 에이전트가 멀티 에이전트로 확장되는 과정을 따라가며 실제 서비스에 가까운 협업형 AI 시스템을 단계적으로 구현한다.
특히 오케스트레이터 설계, MCP 서버 연동, A2A 기반 통신 구조, 병렬 실행과 반복 평가처럼 운영 환경에서 중요한 핵심 구조를 9가지 실전 프로젝트와 함께 다룬다는 점이 이 책의 가장 큰 차별점이다. 구현 방법만 익히는 데서 멈추지 않고, 설계와 운영까지 이어지는 실전 감각을 함께 키울 수 있도록 구성했다.
AI 에이전트를 어디서부터 시작해야 할지 막막했던 개발자에게도, RAG 너머의 다음 단계가 필요했던 개발자에게도, 이 책은 가장 현실적인 안내서가 되어줄 것이다.