본 논문은 대규모 언어 모델(LLM)과 통합된 다중 에이전트 시스템(MAS)의 복잡한 작업 해결 능력 향상에 초점을 맞추고 있습니다. 기존 시스템의 에이전트 간 통신, 조정 및 이종 도구 및 리소스와의 상호 작용의 어려움을 해결하기 위해, Anthropic의 Model Context Protocol (MCP)과 Google의 Agent-to-Agent (A2A) 통신 프로토콜을 모두 활용하는 새로운 모듈형 다중 프로토콜 MAS 프레임워크인 AgentMaster를 제시합니다. AgentMaster는 자체 구현된 A2A와 MCP를 통해 동적 조정, 유연한 통신 및 빠른 반복 개발을 가능하게 합니다. 통합된 대화형 인터페이스를 통해 기술 전문 지식 없이도 자연어 상호 작용을 지원하며, 정보 검색, 질문 답변 및 이미지 분석 등의 작업을 위한 다중 모드 쿼리에 응답합니다. BERTScore F1 (96.3%) 및 LLM-as-a-Judge G-Eval (87.1%)과 같은 정량적 지표와 인간 평가를 통해 실험의 유효성을 검증하였으며, 강력한 자동 에이전트 간 조정, 쿼리 분해, 작업 할당, 동적 라우팅 및 도메인 특정 관련 응답을 보여줍니다. 결론적으로 AgentMaster는 MAS 기반의 도메인 특정, 협력적이고 확장 가능한 대화형 AI의 잠재력에 기여합니다.
