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 051
5.1 산업별 적용 사례 052
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