A2A 오케스트레이션: MuleSoft로 구현하는 실행형 AI

지난 10년간 기업들은 데이터 분석과 자동화를 위해 AI에 큰 투자를 해왔습니다. 하지만 이제는 단순한 인사이트만으로는 부족하다는 한계를 인식하고 있습니다. AI는 관찰과 추천을 넘어, 실제 실행으로 이어져야 합니다. 

이러한 흐름은 ‘실행형 AI’ 시대의 시작을 의미합니다. AI는 더 이상 분석 도구에 머무르지 않고, 운영 과정에 직접 참여하는 주체로 발전하고 있습니다. 자율 에이전트는 데이터를 해석하고 의사결정을 조율하며, 기업 시스템 전반에서 실제 작업을 수행합니다. 핵심은 더 똑똑한 분석이 아니라, 더 빠르고 연결된 실행입니다. 

하지만 다양한 부서에 AI 에이전트가 도입되면서 새로운 문제가 발생합니다. 대부분의 에이전트는 서로 고립되어 있어 협업이 어렵고, 그 결과 AI의 잠재력이 충분히 활용되지 못합니다. 

이 문제를 해결하기 위해 Agent2Agent(A2A, 에이전트 간) 협업이 중요한 개념으로 떠오르고 있습니다. 에이전트가 서로 기능을 공유하고 안전하게 협력하려면 적절한 인프라가 필요하며, MuleSoft는 이러한 연결과 협업을 가능하게 하는 핵심 플랫폼 역할을 합니다. 

더 알아보기: 세일즈포스 도입 시 피해야 할 10가지 실수 

현대 기업에서 자동화는 단일 시스템이 아닌, 여러 개의 전문화된 AI 에이전트에 의해 수행됩니다. 예를 들어 마케팅 에이전트는 캠페인을 최적화하고, 물류 에이전트는 배송 지연을 예측하며, 금융 에이전트는 거래 리스크를 모니터링합니다. 각 에이전트는 개별적으로 잘 작동하지만, 진정한 가치는 이들이 함께 협업할 때 나타납니다. 

A2A 협업은 에이전트 간 컨텍스트 공유, 의사결정 정렬, 조직 전반의 실행 오케스트레이션을 가능하게 합니다. AI 에이전트는 고립된 도구가 아니라 복잡한 비즈니스 시나리오를 해결할 수 있는 조율된 생태계의 일부가 됩니다. 

예를 들어 공급망 문제가 발생했을 때: 

• 물류 에이전트가 지연을 감지하면 

• 영업 에이전트는 배송 약속을 조정하고 

• 구매 에이전트는 대체 공급처를 찾으며 

• 고객 서비스 에이전트는 고객에게 선제적으로 안내합니다 

조직은 부서별이 아닌, 하나의 유기적인 시스템처럼 대응하게 됩니다. 

A2A 협업은 유망하지만, 구현에는 상당한 아키텍처적 도전 과제가 따릅니다. 에이전트는 서로 소통할 뿐만 아니라 서로를 이해하고 기업 시스템과 안전하게 상호작용해야 합니다. 구조화된 통합 레이어가 없으면 에이전트 간의 직접적인 연결은 금세 관리 불가능한 상태가 됩니다. 

• 의미 불일치: 시스템마다 비즈니스 개념을 다르게 표현하여 데이터 다름. 

• 파편화된 시스템 접근: 에이전트가 직접적인 DB 접근 없이 여러 시스템과 상호작용할 보안 방법 필요. 

• 운영 거버넌스: 자율 에이전트는 규정 준수, 보안 및 추적성을 보장하기 위해 엄격한 정책 범위 내에서 작동해야 함. 

• 통신 확장성: 에이전트 수가 증가 시 복잡성 폭증 

따라서 이러한 문제를 해결하려면 기업은 단순한 통합이 아닌, 구조화된 통합 환경이 필요합니다. 

MuleSoft의 Agent Fabric은 Google이 주도하고 Salesforce가 지원하는 오픈소스 A2A 프로토콜을 기반으로 구축되었습니다. 이 프로토콜은 협업 환경 내에서 동작하는 AI 에이전트들을 위한 표준화된 커뮤니케이션 모델을 제공합니다. 이를 하나의 구조화된 디지털 워크포스로 이해할 수 있습니다. 즉, 에이전트들이 각각 고립되어 작동하는 것이 아니라, 각자의 역할을 가진 전문가 팀처럼 협력하여 엔드투엔드 작업을 수행합니다. 

이러한 거버넌스 기반 네트워크에 참여하기 위해서는 모든 에이전트가 Agent Card를 구현해야 합니다. 이 메타데이터에는 일반적으로 에이전트의 이름, 기능 설명, 사용 가능한 스킬, 엔드포인트 위치, 지원되는 작업 등이 포함됩니다. 실제로 Agent Card는 에이전트의 디지털 신원 및 역량 프로파일 역할을 하며, 다른 에이전트나 오케스트레이터가 해당 에이전트가 협업 워크플로우에 어떻게 기여할 수 있는지를 이해할 수 있도록 합니다. 

오케스트레이터가 에이전트를 활용하기 위해서는 Agent Card가 표준화된 URL: ${agent.url}/.well-known/agent-card.json에 호스팅되어야 합니다. 이 “well-known” 경로를 통해 MuleSoft Agent Registry는 새로운 에이전트가 배포될 때 해당 역량을 자동으로 탐색하고 인덱싱할 수 있습니다. 

A2A 프레임워크 내에서 에이전트 간의 통신은 일반적으로 JSON-RPC라는 경량 프로토콜을 기반으로 이루어집니다. 이 프로토콜은 구조화되고 언어에 종속되지 않는 메시지 교환을 지원합니다. 이를 통해 메시지 전달은 일관된 구조와 높은 정밀도를 유지하며, Salesforce 기반 에이전트와 Google Cloud 상의 Python 기반 커스텀 에이전트 간에도 원활한 통신이 가능해집니다. 

MuleSoft의 API 중심 아키텍처는 A2A 상호작용을 노출하고, 모니터링하며, 관리할 수 있는 안전하고 거버넌스가 적용된 통합 레이어를 제공합니다. API는 에이전트가 Agent Card를 통해 호출하는 실행 인터페이스로 작동하며, 모든 상호작용이 기업의 보안 및 거버넌스 정책을 준수하도록 보장합니다. 

A2A 프로토콜은 에이전트 간 통신을 가능하게 하지만, 여전히 기업 시스템과 상호작용하기 위한 메커니즘이 필요합니다. 이때 중요한 역할을 하는 것이 바로 MCP(Model Context Protocol)입니다. MCP는 AI 모델과 에이전트가 기업 환경 내에서 도구를 탐색하고, 구조화된 컨텍스트에 접근하며, 작업을 실행하는 방식을 정의합니다. 

MCP 호환 인터페이스를 통해 에이전트는 사전에 하드코딩된 통합에 의존하지 않고도 사용 가능한 서비스를 동적으로 탐색할 수 있습니다. MuleSoft의 API 생태계는 AI 에이전트에 노출되는 하나의 ‘도구 라이브러리’로 작동합니다. 각 API 엔드포인트는 고객 정보 조회, 주문 상태 업데이트, 워크플로우 실행과 같은 특정 기능을 나타내며, 에이전트는 이를 호출하여 작업을 수행할 수 있습니다. 

이러한 아키텍처는 API를 AI가 활용할 수 있는 도구로 전환합니다. 개발자가 AI 모델과 백엔드 시스템을 일일이 연결할 필요 없이, MuleSoft는 에이전트가 표준화된 방식으로 기업의 기능을 탐색하고 상호작용할 수 있도록 지원합니다. 

그 결과, 새로운 에이전트를 빠르게 도입할 수 있는 유연한 환경이 구축됩니다. 조직이 AI 생태계를 확장함에 따라, MCP 기반 API는 에이전트 간의 상호운용성과 확장성을 지속적으로 보장합니다. 

복잡한 에이전트 생태계에서는 통신 패턴이 빠르게 복잡해집니다. 여러 에이전트가 동시에 정보를 교환하거나, 워크플로를 조정하거나, 상충하는 의사결정을 해결해야 할 수도 있습니다. 이러한 복잡성을 관리하기 위해 기업은 중앙 집중식 오케스트레이션 레이어를 필요로 합니다. 

MuleSoft 아키텍처 내에서 이 역할은 에이전트 간 상호작용을 위한 지능형 교환기 역할을 하는 논리적 구성 요소인 에이전트 브로커(Agent Broker)가 수행할 수 있습니다. 브로커는 에이전트 네트워크 전반에서 메시지 라우팅, 기능 발견 및 정책 집행을 관리합니다. 

에이전트들이 서로 직접 통신하는 대신 브로커를 통해 상호작용하게 되는데, 이러한 방식은 다음과 같은 몇 가지 주요 이점을 제공합니다. 

• 에이전트 상호작용 모니터링을 위한 중앙 집중식 거버넌스  

• 다수의 에이전트 간 확장 가능한 통신 라우팅  

• 규정 준수 및 보안 보장을 위한 정책 집행  

• AI 에이전트가 기업 워크플로에 미치는 영향에 대한 가시성 확보 

에이전트 브로커를 도입함으로써 조직은 A2A 협업이 구조화되고, 관찰 가능하며, 기업 정책과 일치하도록 보장할 수 있습니다. 

실행형 AI의 진정한 힘은 상황을 이해하고, 행동하며, 동적으로 적응하는 능력에 있습니다. 현대의 에이전트 아키텍처는 일반적으로 계획(Plan) - 실행(Execute) - 평가(Evaluate)의 반복 루프를 따르며, 이 과정에서 대규모 언어 모델(LLM)은 작업의 변화하는 컨텍스트를 기반으로 다음 행동을 지속적으로 결정합니다. 

이 과정은 A2A 클라이언트(사용자 인터페이스 또는 다른 시스템)가 호스트 에이전트에 의도를 전달하면서 시작됩니다. 이 순간, 에이전트는 단순한 실행 도구를 넘어 오케스트레이터로 전환됩니다. LLM의 인지 능력을 활용해 요청을 하나의 응답이 아닌 실행 계획으로 재구성하며, 필요한 도구와 순서, 그리고 요구되는 역량을 파악합니다. 

계획이 수립되면 에이전트는 실행 루프에 들어갑니다. 각 단계마다 API나 엔터프라이즈 서비스를 호출하고, 그 결과를 LLM에 전달해 평가를 받습니다. 모델은 다음 행동을 결정하고 이 과정을 반복하며, 작업이 완료될 때까지 지속적으로 조정합니다. 

이 구조에서 MuleSoft는 핵심 운영 레이어 역할을 합니다. API는 에이전트의 ‘두뇌’인 LLM이 활용하는 실행 수단으로, CRM이나 ERP와 같은 시스템에 안전하게 접근할 수 있게 합니다. 에이전트가 자율성을 제공한다면, MuleSoft는 가시성과 신뢰를 보장하여 모든 작업이 통제된 환경에서 이루어지도록 합니다. 

고객 경험 운영은 CRM, 서비스 관리, 마케팅 자동화, 물류 등 여러 시스템이 함께 작동하는 구조입니다. 하지만 기존에는 이들 간 협업이 주로 수작업이나 제한적인 통합에 의존해 왔습니다. 

A2A 협업을 통해 고객 응대는 지능형 에이전트들이 실시간으로 협력하는 방식으로 변화합니다. 예를 들어 배송 지연이 발생하면, 서비스 에이전트가 물류 및 주문 관리 에이전트와 자동으로 상호작용해 상황을 파악하고 최적의 대응을 결정합니다. 

MuleSoft의 API 레이어를 통해 에이전트들은 시스템에 직접 의존하지 않고도 데이터를 공유하고 행동을 조율할 수 있습니다. 그 결과, 더 빠르고 일관된 문제 해결이 가능해집니다. 

이러한 구조는 고객 지원을 단순한 사후 대응에서 벗어나, 선제적이고 지능적인 서비스 운영으로 전환시킵니다. 

공급망은 조달, 생산 계획, 물류, 재고 관리가 얽혀 있는 매우 복잡한 시스템입니다. 최신 분석 기술이 있더라도 공급 지연, 수요 변화, 물류 병목과 같은 문제는 빠르게 전체 네트워크에 영향을 미칠 수 있습니다. 

A2A 협업은 AI 시스템이 서로 독립적으로 작동하는 대신, 실시간으로 의사결정을 조율할 수 있도록 하여 운영 대응력을 높입니다. 

이러한 에이전트들은 MuleSoft API와 이벤트 기반 통합을 통해 연결되며, 모든 시스템이 동일한 데이터를 공유합니다. 한 에이전트의 결정은 즉시 다른 에이전트의 행동에 반영되어, 공급망이 지속적으로 최적화됩니다. 

이 방식은 제조, 전자, 리테일과 같이 여러 시스템과 파트너 간 빠른 협업이 중요한 산업에서 특히 큰 가치를 제공합니다. 

금융이나 헬스케어와 같은 규제가 강한 산업에서는 거래, 사용자 행동, 운영 데이터를 지속적으로 모니터링해야 합니다. 기존에는 리스크 탐지 시스템이 개별적으로 작동하고, 알림이 발생하면 사람이 직접 조사하고 대응을 조율해야 했습니다. 

A2A 아키텍처는 이러한 과정을 자동화할 수 있도록 합니다. 

예를 들어 금융 환경에서는 사기 탐지 에이전트가 이상 거래를 먼저 감지합니다. 이후 고객 검증 에이전트가 신원과 과거 행동을 분석하고, 컴플라이언스 에이전트가 규제 영향을 검토합니다. 동시에 고객 커뮤니케이션 에이전트는 거래 확인을 위한 안내를 준비하며, 대응이 빠르고 병렬적으로 이루어집니다. 

MuleSoft의 거버넌스 레이어를 통해 이러한 모든 과정은 추적 가능하며 보안 정책을 준수합니다. 각 에이전트의 행동은 중앙에서 기록, 감사, 통제됩니다. 

이 방식은 기업이 사후 대응 중심의 리스크 관리에서 벗어나, 사전 대응 중심의 리스크 완화 체계로 전환할 수 있도록 하며, 대응 속도와 운영 효율성을 크게 향상시킵니다. 

운영 자동화를 넘어, 에이전트 협업은 기업의 지식 활용 방식도 개선할 수 있습니다. 많은 기업은 문서 관리 시스템, CRM, 내부 데이터베이스, 협업 도구 등에 정보가 분산되어 있어 활용에 어려움을 겪고 있습니다. 

A2A 프레임워크는 이러한 데이터를 하나로 연결해 맥락 있는 인사이트를 제공합니다. 예를 들어, 지식 검색 에이전트가 관련 문서를 수집하고, 데이터 분석 에이전트가 핵심 정보를 추출하며, 의사결정 지원 에이전트가 이를 종합해 경영진을 위한 인사이트를 생성합니다. 

MuleSoft의 통합 구조를 통해 에이전트들은 여러 시스템에 안전하게 접근하면서도 데이터를 연계할 수 있습니다. 그 결과, 사람이 여러 플랫폼을 직접 탐색할 필요 없이, AI가 몇 초 만에 통합된 정보를 제공합니다. 

이러한 기능은 특히 복잡한 상황에서 빠른 판단이 필요한 환경에서 의사결정 속도를 크게 향상시킵니다. 

MuleSoft 기반 에이전트 아키텍처의 가장 큰 전략적 장점 중 하나는 확장성입니다. 기업이 AI 에이전트를 늘릴수록 통합 복잡성은 빠르게 증가하며, 공통 인프라가 없다면 새로운 에이전트마다 별도의 연결이 필요해집니다. 

MuleSoft의 API 중심 아키텍처는 이러한 문제를 해결합니다. 기업의 기능을 재사용 가능한 서비스로 전환하여, 어떤 에이전트든 동일한 API를 활용할 수 있게 합니다. 

고객 데이터 조회, 주문 관리, 워크플로우 자동화와 같은 핵심 기능이 API로 구축되면, 새로운 에이전트는 별도의 개발 없이 바로 이를 활용할 수 있습니다. 이는 개발 부담을 크게 줄이고, 조직 전반의 AI 도입 속도를 높입니다. 

결과적으로 기업은 새로운 서비스를 빠르게 추가하고 기존 에이전트와 유연하게 협업할 수 있는, 확장 가능한 AI 생태계로 발전하게 됩니다. 

UPP Global Technology는 확장 가능한 Agent2Agent 협업을 위한 아키텍처 설계와 구현을 지원합니다. 우리의 접근 방식은 AI 에이전트가 기업 시스템 및 다른 에이전트와 안전하게 상호작용할 수 있도록, 구조화된 통합 기반을 구축하는 데 초점을 맞추고 있습니다. 

저희의 방법론은 다음과 같은 단계로 진행됩니다. 

첫째, 데이터 및 통합 진단 단계에서는 기존 시스템 간 단절, API 성숙도, 데이터 접근성을 분석합니다. 이를 통해 어떤 기능을 AI 활용이 가능한 API로 전환해야 하는지 정의합니다. 

둘째, 에이전틱 API 설계 단계에서는 도메인 중심 설계를 기반으로 API 아키텍처를 구축합니다. 이 API들은 MCP와 같은 프로토콜을 통해 에이전트가 탐색하고 호출할 수 있는 실행 도구로 활용됩니다. 

셋째, 보안 및 거버넌스 구축 단계에서는 자율 에이전트가 규정과 보안 정책을 준수하도록 환경을 설계합니다. 정책 기반 게이트웨이, 인증 체계, 모니터링 시스템을 통해 안전한 실행을 보장합니다. 

마지막으로, 에이전트 오케스트레이션 구현 단계에서는 에이전트 간 협업을 위한 통신 구조와 브로커 메커니즘을 구축합니다. 이를 통해 에이전트들은 이벤트를 교환하고 조직 전반의 워크플로우를 조율할 수 있습니다. 

이러한 접근을 통해 UPP는 기업이 단순한 AI 실험을 넘어, 실제 운영 가능한 에이전트 기반 AI 생태계로 나아갈 수 있도록 지원합니다. 

차세대 에이전트 기반 엔터프라이즈 AI는 단순히 더 강력한 모델이 아니라, 모델 간 협업의 수준에 의해 결정될 것입니다. A2A 아키텍처는 고립된 자동화에서 벗어나, 협력적이고 자율적인 운영으로의 전환을 의미합니다. 

MuleSoft와 같은 플랫폼은 이러한 변화를 가능하게 하는 기반을 제공합니다. 기업의 기능을 거버넌스가 적용된 API로 노출하고, 에이전트 간 구조화된 통신을 지원함으로써 확장 가능하고 신뢰할 수 있는 AI 협업 환경을 구축합니다. 

AI 중심 전략을 추진하는 기업에게 중요한 과제는 더 이상 기술 도입 자체가 아닙니다. 핵심은 이러한 기술이 함께 작동할 수 있는 아키텍처를 설계하는 것입니다. 체계적인 통합 설계와 강력한 거버넌스를 통해, 기업은 인사이트를 실제 행동으로 연결하는 ‘실행 가능한 AI’를 실현할 수 있습니다. 

AI 통합과 엔터프라이즈 아키텍처에 대한 깊은 전문성을 바탕으로, UPP Global Technology JSC는 기업이 이러한 미래를 구축할 수 있도록 지원합니다. 지능형 에이전트가 자연스럽게 협업하고, 비즈니스가 더 빠르고 명확하며 유연하게 운영되는 환경을 만들어갑니다. 

더 알아보기: OpenAI Agents SDK와 비즈니스를 변화시키는 실행형 AI의 미래