arXiv:2507.21105 cs.IR

AgentMaster: A Multi-Agent Conversational Framework Using A2A and MCP Protocols for Multimodal Information Retrieval and Analysis

제출 2025-07-08

한국어 초록

다음은 인공지능(AI) 분야의 논문 초록입니다. 멀티 에이전트 시스템(MAS)의 부상은 대규모 언어 모델(LLM)과 통합되어 복잡한 작업 해결을 크게 용이하게 했습니다. 그러나 현재 시스템은 여전히 에이전트 간의 통신, 조정 및 이질적인 도구와 자원과의 상호작용에서 어려움에 직면해 있습니다. 최근 Anthropic의 모델 컨텍스트 프로토콜(MCP)과 Google의 에이전트 간(A2A) 통신 프로토콜이 도입되었으며, 우리가 아는 한 두 프로토콜이 단일 MAS 프레임워크 내에서 동시에 사용되는 사례는 매우 드뭅니다. 우리는 동적 조정, 유연한 통신 및 빠른 반복을 가능하게 하는 자가 구현된 A2A 및 MCP를 갖춘 새로운 모듈형 다중 프로토콜 MAS 프레임워크인 AgentMaster의 파일럿 연구를 제시합니다. 통합된 대화형 인터페이스를 통해 시스템은 사전 기술 전문 지식 없이 자연어 상호작용을 지원하며, 정보 검색, 질문 응답 및 이미지 분석을 포함한 작업에 대한 멀티모달 쿼리에 응답합니다. 실험은 인간 평가와 BERTScore F1(96.3%) 및 LLM-as-a-Judge G-Eval(87.1%)을 포함한 정량적 지표를 통해 검증되었습니다. 이러한 결과는 강력한 자동화된 에이전트 간 조정, 쿼리 분해, 작업 할당, 동적 라우팅 및 도메인별 관련 응답을 보여줍니다. 전반적으로, 우리가 제안하는 프레임워크는 MAS에 의해 구동되는 도메인별, 협력적이며 확장 가능한 대화형 AI의 잠재적 능력에 기여합니다.

요약

인공지능(AI) 분야에서 **Multi-Agent Systems (MAS)**의 발전은 여러 지능형 에이전트가 협력하여 복잡한 문제를 해결하는 데 중요한 역할을 하고 있다. 그러나 현재의 MAS는 에이전트 간의 원활한 통신, 조정, 그리고 다양한 도구와 자원과의 상호작용에서 여러 도전 과제에 직면해 있다. 이러한 문제를 해결하기 위해 본 연구에서는 **AgentMaster**라는 새로운 모듈형 MAS 프레임워크를 제안한다. 이 프레임워크는 **Agent-to-Agent (A2A)** 통신 프로토콜과 **Model Context Protocol (MCP)**를 통합하여 동적 조정 및 유연한 커뮤니케이션을 가능하게 한다. AgentMaster는 사용자가 기술적 전문 지식 없이도 자연어로 시스템과 상호작용할 수 있도록 설계된 통합 대화형 인터페이스를 제공한다. 이를 통해 정보 검색, 질문 응답, 이미지 분석 등 다양한 멀티모달 쿼리에 대한 응답을 지원한다. 본 연구의 핵심 기여는 A2A와 MCP를 활용하여 에이전트 간의 효과적인 조정과 전문화된 검색 에이전트 간의 원활한 통신을 가능하게 하는 것이다. 또한, AgentMaster는 사용자 쿼리를 전문화된 워크플로우로 분해하고, 이를 통해 자동화된 쿼리 분해, 작업 할당, 동적 라우팅을 지원한다. 실험 결과, AgentMaster는 BERTScore F1에서 96.3%와 LLM-as-a-Judge G-Eval에서 87.1%의 높은 성과를 기록하였다. 이러한 결과는 에이전트 간의 강력한 자동화된 조정과 도메인 특정의 관련 응답을 입증하며, MAS의 가능성을 확장하는 데 기여한다. 본 연구는 A2A와 MCP를 통합한 MAS 프레임워크의 혁신성을 보여주며, 협력적이고 확장 가능한 대화형 AI의 발전에 중요한 기여를 할 것으로 기대된다.

함께 살펴볼 논문

공통 태그를 근거로 연결했습니다. 실제 인용 관계나 논문의 우수성을 뜻하지 않습니다.

공통 태그로 연결된 공개 논문이 아직 없습니다.

토론

이 논문과 연결된 포럼 글이 아직 없습니다.