MCP + Multi-Agent — 에이전트가 도구를 공유하고 협업하는 법
MCP로 N×M 통합 문제를 해결하고, CrewAI로 역할 기반 멀티 에이전트 팀을 구성합니다. A2A 패턴으로 에이전트 간 위임과 협업을 구현하는 방법.
MCP + Multi-Agent — 에이전트가 도구를 공유하고 협업하는 법
에이전트 하나는 강력합니다. 하지만 현실 세계의 복잡한 태스크는 하나의 에이전트로 해결하기 어렵습니다. 리서치, 코딩, 리뷰를 동시에 해야 한다면? 여러 에이전트가 각자의 역할을 맡아 협업하는 게 답입니다.
이번 글에서는 MCP(Model Context Protocol)로 도구 통합을 표준화하고, CrewAI로 멀티 에이전트 팀을 구성하며, A2A(Agent-to-Agent) 패턴으로 에이전트끼리 대화하는 방법을 다룹니다.
시리즈: Part 1: ReAct 패턴 | Part 2: LangGraph + Reflection | Part 3 (이 글) | Part 4: 프로덕션 배포
N×M 통합 문제
관련 포스트
AI Tools & Agents
나만의 autoresearch 만들기 — 다른 도메인에 자율 실험 적용하기
autoresearch 패턴을 텍스트 분류, 이미지 분류, RAG 파이프라인에 적용합니다. 범용 실험 러너와 program.md 템플릿 제공.
AI Tools & Agents
autoresearch 실전 — GPU 하나로 밤새 실험 돌리기
환경 설정부터 에이전트 실행, 밤새 100개 실험 결과 분석까지. 작은 GPU에서도 돌리는 튜닝 가이드와 실전 팁.
AI Tools & Agents
Karpathy의 autoresearch 해부 — 630줄로 AI 연구실 만들기
Andrej Karpathy의 autoresearch를 코드 레벨까지 분석합니다. 630줄 train.py, BPE 토크나이저, MuonAdamW 옵티마이저, 에이전트 프로토콜의 설계 원리를 파헤칩니다.