A2A 3

31. Agent-to-Agent: Google ADK 기반 A2A. Multi-Agent Travel Planner 2.0

먼저 이 프로젝트를 한 문장으로 정의하면 다음과 같습니다.Google ADK로 전문 에이전트를 만들고, A2A 프로토콜로 각 에이전트를 독립 서버로 공개한 다음, Manager Agent가 이들을 병렬·순차적으로 조율하여 최종 여행 계획서를 생성하는 분산형 멀티 에이전트 시스템입니다.아래 설명은 첨부된 코드의 실제 흐름을 기준으로 합니다. 코드를 그대로 해설하는 것에 더해, 현재 구조의 장점과 보완할 점도 구분해서 설명하겠습니다. 1. 프로젝트 전체 구조1-1. 폴더와 파일의 역할adk_2/│├── .env├── requirements.txt├── test_gemini_api.py├── test_a2a.py│├── common/│ ├── __init__.py│ └── agent_cards.py│├..

30. Agent-to-Agent: Google ADK 기반 A2A. Multi-Agent Travel Planner 1.0

Weather Agent 서버 구축부터 Consuming Agent(클라이언트) 호출까지이번 실습은 상당히 중요한 단계입니다. 앞서 만든 Weather Agent를 단순히 하나의 AI 에이전트로 실행하는 데서 끝나는 것이 아니라, 독립적인 서버에서 실행되는 에이전트를 다른 AI 에이전트가 원격으로 발견하고 호출하여 자신의 업무에 활용하는 구조를 완성한 것입니다.이번 실습의 전체 주제는 다음과 같습니다.Google ADK로 Weather Agent를 만들고, A2A 프로토콜을 통해 독립적인 원격 에이전트로 공개한 다음, 별도의 Travel Agent가 이를 호출하여 여행 안내 업무를 수행하도록 만든다.이 과정을 서버, Agent Card, Skill, Client, RemoteA2aAgent, Manage..

[2/3] 하니스엔지니어링(Harness Engineering) 로직 구현

이번 코드는 앞서 공부한 MCP + Skill 구조에서 한 단계 더 발전한 형태입니다.이전에는 우리가 다음 구조를 공부했습니다.SKILL.md → LLM → MCP Tool → MCP Server → 실제 데이터 → LLM → 답변이번에는 여기에 Harness Engineering이 추가됩니다.즉,“LLM에게 일을 시키는 것”에서 끝나는 것이 아니라, LLM이 여러 작업을 안정적으로 수행하도록 바깥에서 계획·상태·저장·재실행을 관리하는 구조입니다.특히 이번 코드에서 꼭 이해해야 할 핵심은 다음 5가지입니다.① SKILL.md → AI에게 "어떻게 일할지" 가르친다.② Tool → AI가 실제 데이터를 가져오게 한다.③ Agent Loop → Tool 호출 → 결과 전달..

Agentic AI/AI_AGENT 2026.10.04
반응형