- 주문상품수량
- 개
- 예상적립금
P - 상품할인금
- 원
- 배송료
- 원
- 주문합계
- 원
네비게이션 실시간 인기 책
베스트
A2A×MCP 멀티 에이전트 오케스트레이션 실전 현직 AI Specialist에게 배우는 A2A! A2A x MCP 시스템을 설계, 구축, 운영하며 멀티 에이전트의 기본을 경험한다!
- 서지영 저
- 길벗
- 2026년 03월 16일
-
정가33,000원
-
판매가29,700원 [10% 할인]
-
결제 혜택무이자
카드할인/포인트결제 안내
제휴카드
반디앤루니스 롯데카드 결제금액 최대 25% 청구할인 (1만원 이상 결제건에 한해 월 2회, 건당 최대 1만원 할인) 반디앤루니스 우리V카드 결제금액 10% 청구할인 포인트결제
OK캐쉬백 포인트 최소 10원부터 전액 사용 or 1% 적립 현대카드 M포인트 결제금액의 최대 10% 사용 가능 신한카드 포인트 결제금액의 최대 10% 사용 가능(일부카드) 하나(구.외환) 포인트 보유 한도 내에서 100% 사용 가능 씨티카드 포인트 결제금액의 최대 50% 사용 가능 할인카드
NH농협 TAKE5카드 20% 청구할인(Edu Pack) 채움 플래티늄 멀티카드 20% 청구할인 모바일 Tmoney 신한카드 10% 청구할인 신한카드 Shopping 10% 청구할인 NH농협 체크카드 10% 청구할인 NH20 해봄 신용카드 10% 청구할인 씨티 클리어 카드 7% 청구할인 NH20 해봄 체크카드 5% 청구할인 NH농협 LADY다솜카드 5% 청구할인 신한카드 큐브 5% 청구할인 신한카드 큐브 PLATINUM# 5% 청구할인 
무이자 안내
-
적립금1,650원 적립 [5%P]
추가 적립금 안내
[2천원 추가 적립]
총 주문금액 5만원 이상 구매 시 2,000원 추가 적립
도서(eBook포함)만 구매 시 적립 대상에서 제외업채배송상품 포함(기프트, 업체배송 등) 5만원[멤버십 추가 적립]
슈퍼루니 : 3% 추가 적립
골드루니 : 2% 추가 적립
실버루니 : 1% 추가 적립
단, 국내도서, eBook만 구매 시 적립 불가
-
배송료무료배송
-
출고예정일
출고예정일 안내
※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
2026년 04월 06일(월)※ 출고예정일은 도서 재고상황에 따라 변동될 수 있습니다.
당일배송 가능지역 검색
“도로명주소”를 쉽게 찾아보세요
1. 도로명으로 검색하기 (예, “직지길” or “직지길+322”)
2. 건물명으로 검색하기 (예, “반디앤루니스빌딩”)
3. 동(읍/면/리) 으로 검색 (예, “인사동” or “인사동+43”)
4. 도로명주소를 모르실 경우 도로명주소 안내시스템(http://www.juso.go.kr)에서 확인해주세요.
시/도
시/군/구
회원리뷰
ISBN: 9791140718085
452쪽
859g
188 x 257 (㎜)
지금 이책은
- 판매지수 : 0
- 주간 컴퓨터/IT: 84위
이 분야의 베스트셀러
-
처음 만나는 인공지능 [개정판]
김대수
26,000원
-
비전공자를 위한 이해할 수 있는 IT 지식
최원영
15,120원
-
컴퓨팅 사고 Level Up 소프트 파워 with 스크래치
김호다, 이지민, 정영철 외
20,700원
책 소개
이 책은
단일 모델 중심의 자동화를 넘어,
여러 에이전트가 협력해 문제를 해결하는 새로운 개발 방식을 경험해보자.
하나의 모델이 모든 것을 해결하던 방식에서 벗어나, 여러 AI 에이전트가 각자의 역할을 나누고 협력하는 A2A(Agent-to-Agent) 멀티 에이전트 구조가 새로운 표준으로 떠오르고 있습니다. A2A와 멀티 에이전트는 앞으로 AI 시스템의 핵심 구조가 될 것입니다. 이 책은 이러한 변화에 맞춰 멀티 에이전트 시스템을 더 쉽게 이해할 수 있도록, 실습 프로젝트 중심으로 구성했습니다. 일곱 가지 서로 다른 A2A 실습 시나리오를 통해, 여러 에이전트가 협력해 문제를 해결하는 방식을 경험해봅니다. 단계별 프로젝트를 따라가며 에이전트가 어떻게 협력하고, 오케스트레이션을 통해 어떤 방식으로 전체 시스템이 연결되는지 자연스럽게 이해합니다. 또한 gRPC 기반 에이전트 호출, 평가-개선 루프, 문서 기반 RAG 등 실제 AI 서비스에서 활용되는 구조를 코드와 함께 살펴볼 수 있습니다. 각 프로젝트는 “복잡한 문제일수록 역할을 나누고 흐름을 설계하는 것이 강력한 전략이 된다”는 A2A의 핵심 원리를 잘 보여줄 수 있도록 준비했습니다. 책의 프로젝트 외에도 고객 응대, 문서 검증, 분석과 리서치, 품질 점검, 의사결정 지원 등 다양한 문제들이 A2A 관점에서 다시 설계될 수 있을 것입니다. 원리를 이해하고, 필요한 에이전트를 조합해 해결하는 역량을 기르는 데 도움이 되기를 바랍니다.
출판사 리뷰
저자 소개
마이크로소프트에서 Data & AI Specialist로 근무 중이며, 정보관리기술사와 컴퓨터시스템응용기술사로 20년 넘게 IT 분야에서 일하고 있다. 고려대학교 대학원에서 빅데이터 및 인공지능에 대한 전문적인 연구를 진행하면서 『모두의 인공지능 기초 수학』 (길벗, 2020), 『딥러닝 텐서플로 교과서』(길벗, 2021), 『딥러닝 파이토치 교과서』 (길벗, 2022), 『챗GPT, 거부할 수 없는 미래』 (길벗, 2023) 『랭체인으로 LLM 기반의 AI 서비스 개발하기』 (길벗, 2024), 『랭체인으로 RAG 개발하기: VectorRAG & GraphRAG』 (길벗, 2025), 『나만의 MCP 서버 만들기 with 커서 AI』 (길벗, 2025) 등을 저술했다.
목차
1부 | (이론편) 에이전트와 A2A 알아보기
1장 에이전트
1.1 에이전트란?
1.2 에이전트의 기본 구성 요소
2장 A2A까지의 발전 과정
2.1 단일 에이전트
2.2 멀티 에이전트
2.3 MCP
3장 A2A란?
3.1 A2A 정의와 특징
3.2 A2A가 필요한 사용 환경
3.3 오케스트레이터 방식과의 차이
3.4 A2A 통신 방법
____3.4.1 RPC 방식
____3.4.2 gRPC 방식
____3.4.3 메시지 기반 방식
4장 A2A 구현 방법
4.1 설계 원칙
____4.1.1 역할 분리와 규칙
____4.1.2 신뢰성과 오류 처리
____4.1.3 보안 및 프라이버시
____4.1.4 에이전트 간 인터페이스와 컨텍스트 설계
4.2 구현 패턴
____4.2.1 Peer-to-Peer 호출 패턴
____4.2.2 Mixed 패턴(A2A + 오케스트레이터 혼합)
5장 미래의 A2A
5.1 산업별 적용 사례
5.2 A2A의 한계와 리스크
5.3 A2A가 가져올 미래
2부 | (준비편) 실습 환경 준비하기
6장 API 키 획득하기
6.1 OpenAI API 키 획득하기
6.2 Claude API 키 획득하기
6.3 Tavily API 키 획득하기
6.4 API 키를 환경 변수로 등록하기
7장 커서 준비하기
7.1 파이썬 설치하기
7.2 커서 설치하기
7.3 화면 소개
3부 | (실습편) 프로젝트 실습하기
8장 코드 내 취약점을 점검하는 에이전트
____8.1.1 agents/criteria_agent_server.py
____8.1.2 agents/quick_agent_server.py
____8.1.3 agents/remediation_agent_server.py
____8.1.4 agents/summary_agent_server.py
____8.1.5 agents/secrets_agent_server.py
____8.1.6 agents/static_agent_server.py
____8.1.7 mcp_server.py
____8.1.8 에이전트 실행하기
____8.1.9 MCP 서버 등록하기
9장 고도화된 검색 에이전트 설계 및 정확도 향상
9.1 사실 기반 응답을 보장하는 팩트체크 및 콘텐츠 필터링 에이전트
____9.1.1 agents/enhanced_content_filter.py
____9.1.2 agents/fact_checker.py
____9.1.3 agents/final_response.py
____9.1.4 agents/hallucination_filter.py
____9.1.5 agents/question_refiner.py
____9.1.6 agents/responder.py
____9.1.7 mcp_server.py
____9.1.8 agents.proto
____9.1.9 에이전트 실행하기
____9.1.10 MCP 서버 등록하기
9.2 여러 LLM을 비교해 응답 품질을 정량·정성 평가하는 벤치마킹 에이전트
____9.2.1 agents/__init__.py
____9.2.2 agents/critic_agent.py
____9.2.3 agents/draft_agent.py
____9.2.4 agents/scoring_agent.py
____9.2.5 agents/synth_agent.py
____9.2.6 llm_wrappers/__init__.py
____9.2.7 llm_wrappers/anthropic_chat.py
____9.2.8 llm_wrappers/openai_chat.py
____9.2.9 config.py
____9.2.10 json_utils.py
____9.2.11 mcp_server.py
____9.2.12 metrics.py
____9.2.13 orchestrator.py
____9.2.14 run_all_agents.ps1
____9.2.15 에이전트 실행하기
____9.2.16 MCP 서버 등록하기
10장 비정형 데이터 기반 분석 에이전트
10.1 VOC(고객 불만)를 요약하고 정책 개선안을 제안하는 에이전트
____10.1.1 agents/__init__.py
____10.1.2 agents/critic.py
____10.1.3 agents/evaluator.py
____10.1.4 agents/improver.py
____10.1.5 agents/interpreter.py
____10.1.6 agents/retriever.py
____10.1.7 agents/summarizer.py
____10.1.8 llm_wrappers/__init__.py
____10.1.9 llm_wrappers/anthropic_chat.py
____10.1.10 llm_wrappers/openai_chat.py
____10.1.11 utils/__init__.py
____10.1.12 utils/json_utils.py
____10.1.13 utils/settings.py
____10.1.14 utils/tools.py
____10.1.15 utils/utils.py
____10.1.16 voc.proto
____10.1.17 grpc_server.py
____10.1.18 main.py
____10.1.19 에이전트 실행하기
____10.1.20 MCP 서버 등록하기
10.2 이탈 가능성이 높은 고객을 예측하고 사전 대응 전략을 제시하는 에이전트
____10.2.1 agents/__init__.py
____10.2.2 agents/grpc_utils.py
____10.2.3 agents/llm_recommender.py
____10.2.4 agents/explainer.py
____10.2.5 agents/feature_engineer.py
____10.2.6 agents/predictor.py
____10.2.7 agents/hybrid_aggregator.py
____10.2.8 agents/recommender_collaborative.py
____10.2.9 agents/recommender_content.py
____10.2.10 agents/recommender_core.py
____10.2.11 agents/similar_customers.py
____10.2.12 churn.proto
____10.2.13 churn_mcp.py
____10.2.14 utils.py
____10.2.15 vector_search.py
____10.2.16 에이전트 실행하기
____10.2.17 MCP 서버 등록하기
11장 문서 기반 생성 및 분석 에이전트
11.1 경쟁사 분석과 타깃 고객 분석을 기반으로 기획서 초안을 자동 생성하는 에이전트
____11.1.1 agents/__init__.py
____11.1.2 agents/competitor_agent.py
____11.1.3 agents/customer_agent.py
____11.1.4 agents/feature_agent.py
____11.1.5 agents/revenue_agent.py
____11.1.6 agents/formatter_agent.py
____11.1.7 agents/markdown_writer.py
____11.1.8 orchestrator.py
____11.1.9 run.py
____11.1.10 agents.proto
____11.1.11 run_agents.ps1
____11.1.12 에이전트 실행하기
____11.1.13 MCP 서버 등록하기
11.2 RFP 문서를 분석하여 제안서 목차를 자동 구성하고 자사 대응표를 작성하는 에이전트
____11.2.1 agents/compliance_matrix_agent.py
____11.2.2 agents/rfp_outline_agent.py
____11.2.3 rfp.proto
____11.2.4 grpc_client.py
____11.2.5 grpc_server.py
____11.2.6 main.py
____11.2.7 에이전트 실행하기
____11.2.8 MCP 서버 등록하기
____11.2.9 마치며```
1장 에이전트
1.1 에이전트란?
1.2 에이전트의 기본 구성 요소
2장 A2A까지의 발전 과정
2.1 단일 에이전트
2.2 멀티 에이전트
2.3 MCP
3장 A2A란?
3.1 A2A 정의와 특징
3.2 A2A가 필요한 사용 환경
3.3 오케스트레이터 방식과의 차이
3.4 A2A 통신 방법
____3.4.1 RPC 방식
____3.4.2 gRPC 방식
____3.4.3 메시지 기반 방식
4장 A2A 구현 방법
4.1 설계 원칙
____4.1.1 역할 분리와 규칙
____4.1.2 신뢰성과 오류 처리
____4.1.3 보안 및 프라이버시
____4.1.4 에이전트 간 인터페이스와 컨텍스트 설계
4.2 구현 패턴
____4.2.1 Peer-to-Peer 호출 패턴
____4.2.2 Mixed 패턴(A2A + 오케스트레이터 혼합)
5장 미래의 A2A
5.1 산업별 적용 사례
5.2 A2A의 한계와 리스크
5.3 A2A가 가져올 미래
2부 | (준비편) 실습 환경 준비하기
6장 API 키 획득하기
6.1 OpenAI API 키 획득하기
6.2 Claude API 키 획득하기
6.3 Tavily API 키 획득하기
6.4 API 키를 환경 변수로 등록하기
7장 커서 준비하기
7.1 파이썬 설치하기
7.2 커서 설치하기
7.3 화면 소개
3부 | (실습편) 프로젝트 실습하기
8장 코드 내 취약점을 점검하는 에이전트
____8.1.1 agents/criteria_agent_server.py
____8.1.2 agents/quick_agent_server.py
____8.1.3 agents/remediation_agent_server.py
____8.1.4 agents/summary_agent_server.py
____8.1.5 agents/secrets_agent_server.py
____8.1.6 agents/static_agent_server.py
____8.1.7 mcp_server.py
____8.1.8 에이전트 실행하기
____8.1.9 MCP 서버 등록하기
9장 고도화된 검색 에이전트 설계 및 정확도 향상
9.1 사실 기반 응답을 보장하는 팩트체크 및 콘텐츠 필터링 에이전트
____9.1.1 agents/enhanced_content_filter.py
____9.1.2 agents/fact_checker.py
____9.1.3 agents/final_response.py
____9.1.4 agents/hallucination_filter.py
____9.1.5 agents/question_refiner.py
____9.1.6 agents/responder.py
____9.1.7 mcp_server.py
____9.1.8 agents.proto
____9.1.9 에이전트 실행하기
____9.1.10 MCP 서버 등록하기
9.2 여러 LLM을 비교해 응답 품질을 정량·정성 평가하는 벤치마킹 에이전트
____9.2.1 agents/__init__.py
____9.2.2 agents/critic_agent.py
____9.2.3 agents/draft_agent.py
____9.2.4 agents/scoring_agent.py
____9.2.5 agents/synth_agent.py
____9.2.6 llm_wrappers/__init__.py
____9.2.7 llm_wrappers/anthropic_chat.py
____9.2.8 llm_wrappers/openai_chat.py
____9.2.9 config.py
____9.2.10 json_utils.py
____9.2.11 mcp_server.py
____9.2.12 metrics.py
____9.2.13 orchestrator.py
____9.2.14 run_all_agents.ps1
____9.2.15 에이전트 실행하기
____9.2.16 MCP 서버 등록하기
10장 비정형 데이터 기반 분석 에이전트
10.1 VOC(고객 불만)를 요약하고 정책 개선안을 제안하는 에이전트
____10.1.1 agents/__init__.py
____10.1.2 agents/critic.py
____10.1.3 agents/evaluator.py
____10.1.4 agents/improver.py
____10.1.5 agents/interpreter.py
____10.1.6 agents/retriever.py
____10.1.7 agents/summarizer.py
____10.1.8 llm_wrappers/__init__.py
____10.1.9 llm_wrappers/anthropic_chat.py
____10.1.10 llm_wrappers/openai_chat.py
____10.1.11 utils/__init__.py
____10.1.12 utils/json_utils.py
____10.1.13 utils/settings.py
____10.1.14 utils/tools.py
____10.1.15 utils/utils.py
____10.1.16 voc.proto
____10.1.17 grpc_server.py
____10.1.18 main.py
____10.1.19 에이전트 실행하기
____10.1.20 MCP 서버 등록하기
10.2 이탈 가능성이 높은 고객을 예측하고 사전 대응 전략을 제시하는 에이전트
____10.2.1 agents/__init__.py
____10.2.2 agents/grpc_utils.py
____10.2.3 agents/llm_recommender.py
____10.2.4 agents/explainer.py
____10.2.5 agents/feature_engineer.py
____10.2.6 agents/predictor.py
____10.2.7 agents/hybrid_aggregator.py
____10.2.8 agents/recommender_collaborative.py
____10.2.9 agents/recommender_content.py
____10.2.10 agents/recommender_core.py
____10.2.11 agents/similar_customers.py
____10.2.12 churn.proto
____10.2.13 churn_mcp.py
____10.2.14 utils.py
____10.2.15 vector_search.py
____10.2.16 에이전트 실행하기
____10.2.17 MCP 서버 등록하기
11장 문서 기반 생성 및 분석 에이전트
11.1 경쟁사 분석과 타깃 고객 분석을 기반으로 기획서 초안을 자동 생성하는 에이전트
____11.1.1 agents/__init__.py
____11.1.2 agents/competitor_agent.py
____11.1.3 agents/customer_agent.py
____11.1.4 agents/feature_agent.py
____11.1.5 agents/revenue_agent.py
____11.1.6 agents/formatter_agent.py
____11.1.7 agents/markdown_writer.py
____11.1.8 orchestrator.py
____11.1.9 run.py
____11.1.10 agents.proto
____11.1.11 run_agents.ps1
____11.1.12 에이전트 실행하기
____11.1.13 MCP 서버 등록하기
11.2 RFP 문서를 분석하여 제안서 목차를 자동 구성하고 자사 대응표를 작성하는 에이전트
____11.2.1 agents/compliance_matrix_agent.py
____11.2.2 agents/rfp_outline_agent.py
____11.2.3 rfp.proto
____11.2.4 grpc_client.py
____11.2.5 grpc_server.py
____11.2.6 main.py
____11.2.7 에이전트 실행하기
____11.2.8 MCP 서버 등록하기
____11.2.9 마치며```
배송 시 유의사항
- 반디앤루니스에서 구매하신 도서는 물류 대행 위탁업체 웅진 북센을 통해 배송됩니다.
(배송 포장에 "웅진 북센"으로 표기될 수 있습니다.)
- 구매한 상품의 품질과 배송 관련 문의는 반디앤루니스로 문의 바랍니다.
- 천재지변 및 택배사의 사정에 따라 배송이 지연될 수 있습니다.
- 결제(입금) 완료 후 출판사 및 유통사의 사정으로 품절 또는 절판 되어 상품 구입이 어려울 수 있습니다. (별도 안내 예정)
- 도서산간지역의 경우 추가 배송비가 발생될 수 있습니다.
반품/교환
상품 설명에 반품/ 교환 관련한 안내가 있는 경우 그 내용을 우선으로 합니다. (업체 사정에 따라 달라질 수 있습니다)
반품/교환
-
반품/교환 반품/교환 방법 홈 > 고객센터 > 자주찾는질문 “반품/교환/환불” 안내 참고 또는 1:1상담게시판 반품/교환 가능 기간 반품,교환은 배송완료 후 7일 이내, 상품의 결함 및 계약내용과 다를 경우 문제발견 후 30일 이내에 신청가능 반품/교환 비용 변심 혹은 구매착오의 경우에만 반송료 고객 부담(별도 지정 택배사 없음) 반품/교환 불가 사유 - 소비자의 책임 사유로 상품 등이 손실 또는 훼손된 경우
- 소비자의 사용, 포장 개봉에 의해 상품 등의 가치가 현저히 감소한 경우
- 복제가 가능한 상품 등의 포장을 훼손한 경우 : 예)만화책, 잡지, 화보집 등
- 시간의 경과에 의해 재판매가 곤란한 정도로 가치가 현저히 감소한 경우
- 전자상거래등에서의 소비자보호에 관한 법률이 정하는 소비자 청약철회 제한 내용에 해당되는 경우
- 해외주문 상품(해외 원서)의 경우(파본/훼손/오발송 상품을 제외)
소비자 피해보상
환불지연에 따른 배상- 상품의 불량에 의한 반품, 교환, A/S, 환불, 품질보증 및 피해보상 등에 관한 사항은
소비자 분쟁해결 기준(공정거래위원회고시)에 준하여 처리됨 - 대금 환불 및 환불지연에 따른 배상금 지급 조건, 절차 등은 전자상거래 등에서의
소비자 보호에 관한 법률에 따라 처리함
반품/교환 주소 경기도 파주시 문발로 77, 웅진북센(반디앤루니스)
