Agentic AI는 단순히 질문에 답하는 수준을 넘어, 자율적으로 추론하고, 계획을 세우고, 도구를 사용하여 행동하는 AI 시스템입니다. 기존의 Supervised Agent가 사람의 지시를 단계별로 따르는 데 비해, Agentic AI는 목표를 받으면 스스로 최적의 경로를 찾아 실행합니다.
Supervised Agent vs Agentic AI
이 워크숍의 에이전트가 Agentic AI인 이유
이 워크숍에서 구축하는 에이전트는 Agentic AI의 핵심 특성을 모두 갖추고 있습니다:
자율적 추론: LLM이 사용자 요청을 분석하여 어떤 도구를 호출할지 스스로 결정합니다
도구 사용: MCP Gateway를 통해 DNS 조회, 보안 그룹 분석, CloudWatch 메트릭 조회 등을 동적으로 실행합니다
계획 수립: 복잡한 문제를 여러 단계로 분해하고 순차적으로 해결합니다
행동 실행: 문제를 진단할 뿐 아니라 보안 그룹 규칙 추가 등 직접 수정 작업까지 수행합니다
단일 에이전트의 한계와 멀티 에이전트
모듈 1에서 만든 단일 Agentic AI는 강력하지만, 현실 세계의 문제는 하나의 에이전트가 모든 도메인 지식과 도구를 갖기 어렵습니다:
네트워크 연결성 진단에는 DNS, 보안 그룹, VPC 경로 지식이 필요합니다
네트워크 성능 진단에는 Flow Monitor, Traffic Mirroring, TCP 분석 지식이 필요합니다
하나의 에이전트에 모든 도구를 넣으면 컨텍스트가 비대해지고 정확도가 떨어집니다
해결책은 전문 에이전트 분업입니다. 각 에이전트가 자신의 도메인에 집중하고, A2A 프로토콜로 서로 협업합니다.
이 구조가 바로 A2A 프로토콜이 필요한 이유입니다. 다음 섹션에서 A2A의 구체적인 동작 방식을 살펴보겠습니다.
A2A (Agent-to-Agent) 프로토콜은 여러 AI 에이전트가 협업하여 복잡한 문제를 해결하는 패턴입니다. 단일 에이전트가 모든 도메인을 다루는 대신, 전문 에이전트들이 분업하여 각자의 영역을 처리합니다.
1. Collaborator Agent (오케스트레이터)
사용자 요청을 분석하여 적절한 전문 에이전트로 라우팅합니다.
라우팅 로직:
2. Connectivity Troubleshooting Agent
네트워크 연결성 문제를 전문으로 진단합니다.
제공 도구:
connectivity: VPC Reachability Analyzer 실행 및 보안 그룹 수정
처리하는 문제: 보안 그룹 규칙 누락, NACL 차단, 라우팅 테이블 문제, DNS 해석 실패
네트워크 성능 문제를 전문으로 진단합니다.
제공 도구:
network-flow-monitor: Network Flow Monitor로 트래픽 패턴 분석
traffic-mirroring: Traffic Mirroring으로 패킷 수준 분석
처리하는 문제: TCP 재전송, 패킷 손실, 대역폭 포화, 지연 시간 증가
각 에이전트는 /.well-known/agent-card.json 엔드포인트를 통해 자신의 기능을 공개합니다:
Collaborator Agent가 전문 에이전트에 메시지를 전송하는 도구:
각 에이전트는 Amazon ECS에서 실행되며, Application Load Balancer를 통해 접근합니다.