1. 개요

안녕하세요, 저는 KT AI Future Lab 소속 송건학 이라고 합니다.

이번 Article에서는 “MS Build 2025로 보는 MCP/A2A 생태계 확장”을 주제로, AI Agent 생태계의 새로운 가능성을 다루고자 합니다.

최근 Microsoft가 개최한 MS Build 2025(25.05)는 AI가 단순한 기능 개선을 넘어, 지능형 Agent를 통해 새로운 생태계를 구축하고 있음을 보여주었습니다. 특히, ‘Open Agentic Web’이라는 담대한 비전 제시와 함께, 그 핵심 기술로MCP(Model Context Protocol)와 A2A(Agent-to-Agent) 프로토콜이 주목받았습니다. 이 두 프로토콜은 AI Agent가 단순 보조 도구를 넘어,복잡한 작업을 자율적으로 수행하고 다른 Agent와 원활하게 협업할 수 있도록 만드는 핵심적인 기반 기술입니다. Anthropic, Google 등이 제안한 이 개방형 표준은 그 자체로도 의미가 크지만, Microsoft와 같은 거대 플랫폼 생태계를 구축한 기업들이 협력적 관계를 구축했을 때, 진정한 잠재력이 발휘됩니다. Microsoft는 이번 MS Build 2025에서Azure AI Foundry, Teams AI Library, Copilot Studio, Windows 등 자사의 핵심 플랫폼 전반에 MCP/A2A를 통합하겠다고 발표하며, AI Agent 대중화를 위한 강력한 조력자로 나섰습니다. 이는 곧누구나 자신에게 필요한 지능형 자동화 시스템을 쉽고 용이하게 구축할 수 있는 시대가 열리고 있음을 의미합니다.

본 Article에서 저는 Microsoft가 MCP/A2A를 자사의 주요 플랫폼과 도구에 어떻게 통합하여 개발자에게 더 빠르고 강력한 개발 환경을 제공하는지살펴보고, 이를 통한 인사이트를 제공드리고자 합니다. 이 글이 AI Agent 개발에 관심 있는 분들께 의미 있는 가이드가 되기를 바라는 마음으로 시작하겠습니다.

2. MCP/A2A에 대한 요약 정리

2.1 MCP(Model Context Protocol)란 무엇인가

1️⃣ MCP는 왜 등장했을까

• 출처 :Model Context Protocol (MCP): Landscape, Security Threats, and...(25.03) Figure 1

MCP(Model Context Protocol)는 2024.11.26 Anthropic에서 제안한 개방형 프로토콜로 AI 애플리케이션, 특히, 대규모 언어 모델(LLM) 기반의 Agent들이 외부 도구, 데이터 소스, 그리고 다양한 시스템과 상호작용하는 방식을 표준화하기 위해 등장했습니다. 

• 참조 글 : [Official Anthropic] Introducing the Model Context Protocol

MCP가 등장하기 이전, AI 모델을 외부 시스템과 연결하기 위해서는 개발자들이 각 시스템의 특성에 맞춰 개별적인 Connector를 개발해야만 했습니다. 이는 Anthropic이 지적한 N x M 통합 문제로 이어졌는데, N개의 AI Agent/Application과 M개의 외부 시스템을 연결하기 위해 N x M개의 맞춤형 연동 로직이 필요하게 되는 상황을 의미합니다. 이러한 방식은 개발 복잡성을 크게 높일 뿐만 아니라, 시스템 간 호환성을 저해하고 새로운 기능을 추가하거나 기존 시스템을 변경할 때마다 많은 수정 작업을 요구하며, 보안 취약점을 야기할 가능성도 내포하고 있었습니다.  

예시) 외부 검색 툴 Tavily 활용

예를 하나 들어보겠습니다.

저는 langchain framework와 web search tool testing 용도로 tavily search를 자주 사용하는 편입니다. 그러나 아시는 바와 같이 Agent를 개발하는 framework에는 비단 langchain만 있는 것이 아니고 CrewAI, AutoGen, Microsoft Semantic Kernel, AutoGPT 등 다양하게 존재합니다. 각각의 개발 framework가 tavily searching tool과 연동하기 위해서 단순 API만 활용하면 되는 것이 아니라 자신의 framework에 맞게 class를 재정의하고, API를 받아 수용 및 활용할 수 있도록 함수를 정의해야합니다.

• Langchain based Agent Code (w. Tavily Search tool)

​from langchain_core.tools import Tool
from langchain_tavily import TavilySearch
from langgraph.prebuilt import create_react_Agent
# Initialize Tavily Search Tool
tavily_search_tool = TavilySearch(
    max_results=5,
    topic="general",
)
Agent = create_react_Agent(llm, [tavily_search_tool])
123456789

• AutoGen based Agent Code (w. Tavily Search tool)

​from tavily import TavilyClient
from autogen import AssistantAgent, UserProxyAgent, register_function
from autogen.cache import Cache
from autogen.coding import LocalCommandLineCodeExecutor
...
config_list = [
    {"model": "gpt-3.5-turbo", "api_key": os.environ["OPENAI_API_KEY"]},
]
tavily = TavilyClient(api_key=os.environ["TAVILY_API_KEY"])
def legal_search_tool(query: Annotated[str, "Legal search query"]) -> Annotated[str, "Search results from Tavily"]:
    return tavily.get_search_context(query=query, search_depth="advanced")
assistant = AssistantAgent(
    name="LegalResearchAgent",
    system_message="Only use the tools provided. Reply TERMINATE when done.",
    llm_config={"config_list": config_list, "cache_seed": None},
)
# Register Tavily search function for the Legal Research Agent
register_function(
    legal_search_tool,
    caller=assistant,
    executor=user_proxy,
    name="legal_search_tool",
    description="Search for legal rulings and updates using Tavily",
)
123456789101112131415161718192021222324

• 출처 :Star History Monthly March 2025 | MCP Server

이는 불필요한 시간과 노동을 야기하기 때문에 MCP는 LLM에 기반을 둔 MCP Host/Client와 MCP Server(외부 도구, 데이터, 시스템, Prompt) 간에 Context 정보를 주고받는 표준화된 방식을 제안합니다. MCP의 핵심 목표는 특정 AI 모델이나 플랫폼에 종속되지 않고, 다양한 시스템들이 마치 범용 커넥터인 USB-C 포트처럼 쉽게 연결되어 데이터를 교환할 수 있도록 하는 것입니다. 이를 통해 개발자들은 반복적인 연동 작업에서 벗어날 수 있습니다.

실제 공식 MCP Server github star 개수는 지속적으로 상승추세 곡선을 만들고 있다는 점은 개발자들로 하여금 이 효용성 가치를 인정함을 확인할 수 있습니다.

2️⃣ MCP 주요 특징은?

• 출처 :Model Context Protocol (MCP): Landscape, Security Threats, and...(25.03) Figure 2

MCP 주요 특징을 총괄적으로 요약 정리하면 다음과 같이 나타낼 수 있습니다.

• 표준화 기반 확장성 향상: 각 데이터 소스(API, DB, 파일 등)에 대한 별도 Connector 없이 MCP 표준 규격만 맞추면 손쉽게 확장적 연결 가능

• 통합 과정 단순화: 통합된 포멧의 형태의 단순화된 프로토콜 연결을 통한 효율적인 접근 가능.

• JSON-RPC 기반 유연한 통신 구조: JSON-RPC를 사용하여, 각 모듈 또는 컴포넌트가 네트워크를 통해 서로의 기능을 호출하고 데이터를 주고받는 유연하고 확장 가능한 통신 구조를 구현. 특히, Claude Desktop App, Cursor, Visual Studio는 아래와 같은 유사 방식의 json 형식으로 User가 원하는 MCP Server 활성화 가능

{
  "mcpServers": {
    "filesystem": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-filesystem", "/path/to/allowed/files"]
    },
    "git": {
      "command": "uvx",
      "args": ["mcp-server-git", "--repository", "path/to/git/repo"]
    },
    "github": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-github"],
      "env": {
        "GITHUB_PERSONAL_ACCESS_TOKEN": "<YOUR_TOKEN>"
      }
    },
    "postgres": {
      "command": "npx",
      "args": ["-y", "@modelcontextprotocol/server-postgres", "postgresql://localhost/mydb"]
    }
  }
}
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23

2.2 A2A란 무엇인가

• 출처 :https://google-a2a.github.io/A2A/latest/

A2A(Agent-to-Agent)는 2025.04.09 Google이 발표한 개방형 표준 통신 프로토콜로, 서로 다른 프레임워크나 플랫폼에서 동작하는AI Agent들이 공통된 통신 규약을 통해 작업을 요청하고 응답하며 협업할 수 있도록 설계되었습니다. 이는MCP(Model Context Protocol)와 함께 상호보완적으로 작용하며, Agent들이 다양한 엔터프라이즈 플랫폼과 애플리케이션 환경에서 정보를 안전하게 교환하고 작업을 효율적으로 조율할 수 있도록 지원합니다.

즉, A2A는 개발자가 표준화된 프로토콜 기반의 다른 Agent와 쉽게 연결할 수 있도록 지원하며, 사용자에게는 다양한 Agent를 유연하게 결합할 수 있는 환경을 제공합니다.

1️⃣ A2A는 왜 등장했을까?

등장 배경과 관련해서는 크게 2가지로 정리 요약할 수 있을 것 같습니다.

• 첫 번째 등장 배경은 단일 AI Agent의 능력만으로는 복잡한 작업을 처리하는 데 한계가 있기 때문입니다. 즉, Multi-Agent Systems(MAS)을 효과적으로 구축하고 운영하는 데 있어 핵심적인 통신 인프라 역할을 수행하기 위해 A2A가 등장했습니다.

• 두 번째 등장 배경은 서로 다른 프레임워크 혹은 플랫폼에서 발생하는 사일로화된 데이터 시스템(Siloed Data System)때문입니다. 즉, Agent 시대 Agent 간 통신과 협업을 위해 표준화된 방식으로 통합하고, 공통 규약을 준수하는 A2A의 필요성이 더욱 강조되었습니다.

• 출처 :Star History Monthly May 2025 | Agent Protocol

A2A 역시 MCP Server github star history와 마찬가지로 그 효용성 가치를 인정받아 지속적으로 상승추세 곡선을 만들고 있습니다.

2️⃣ A2A의 주요 특징은?

A2A 프로토콜의 주요 기능은Agent 간의 원활한 비동기 통신과 효율적인 작업 분담을 지원하는데 초점을 맞추고 있습니다. 각 Agent는 A2A 프로토콜을 사용하여 다른 Agent에게 특정 작업을 요청할 수 있으며, 요청받은 Agent는 해당 작업을 수행한 후 그 결과를 비동기적으로 응답합니다. 이러한 구조는 각 Agent가 독립적으로 작업을 처리하면서도 시스템 전체의 병목 현상을 최소화하며 반응성을 높입니다. 이로써 복잡하고 시간이 오래 걸리는 작업을 여러 Agent가 병렬적이거나 순차적으로 분담하여 효율적으로 처리할 수 있습니다.

A2A 프로토콜의 핵심 특징을 정리하면 다음과 같습니다.

• AgentCard를 통한 능력 공개 :각 Agent는 자신이 지원하는 기능과 인터페이스를 명확히 기술한AgentCard를 통해 자신의 기능을 다른 Agent에 공개.

• JSON-RPC 기반 API를 통한 표준화된 통신 :JSON-RPC 표준을 사용하여 서로 다른 벤더 및 플랫폼에 종속되지 않고 이기종 환경에서도 Agent 간 협력이 가능.

• 전문화된 작업 분담 :단일 Agent가 수행하기 어려운 복잡한 작업을 여러 전문 Agent들이 기능별로 나누어 수행함으로써 효율성을 극대화.

3️⃣ 참조 링크

• Google Official Blog :Google for Developers Blog - News about Web, Mobile, AI and Cloud
• A2A Github :GitHub - google-a2a/A2A: An open protocol enabling communication and interoperability between opaque agentic applications.
• A2A Tutorial :How to Build Two Python Agents with Google’s A2A Protocol - Step by Step Tutorial – Kanaries
• Google A2A Demo Video URL :https://storage.googleapis.com/gweb-developer-goog-blog-assets/original_videos/A2A_demo_v4.mp4

2.3 MCP와 A2A

MCP가 AI Agent와 외부 세계(다양한 도구, 외부 시스템, Prompt, Data 등) 간의 연결을 표준화하는 역할을 한다면, A2A는 Agent들 간의 내부 연결을 통한 협업 표준화하는 역할을 수행합니다. 이 두 프로토콜은 서로 배타적인 관계가 아니라 상호 보완적으로 작용하며 지능형 Agent 생태계의 완성도를 한층 높이는 데 핵심적인 기여를 제공하고 있습니다.

1️⃣ 사례

• 출처 :A Survey of AI Agent Protocols

예를 들어, 사용자로부터 다음과 같은 Prompt 요청했다고 가정해보겠습니다.

Prompt : “베이징에서 뉴욕 떠나는 5일 여행 계획을 수립해주세요.”

이때, MCP와 연결된 Travel Agent는 SSE 방식을 통해 3가지 MCP Server, 즉, Flight Server, Hotel Server, Weather Server와의 소통을 통해 여행 계획에 필요한 tool function을 호출하고, 여기서 얻은 Context를 기반으로 LLM을 활용한 최적의 계획을 수립합니다.

반면, A2A에 기반하여 여행 계획을 수립한다면 어떻게 바뀔까요.

MCP Server에 올라간 Tool function만을 활용하는 것 대비 보다 훨씬 복잡한 Multi-Agent System(MAS)이 구축될 것입니다. Travel Agent가 Orchestration의 역할을 수행하며 A2A로 호출된 다양한 Agent들 (e.g. Flight Agent, Hotel Agent, Weather Agent, Activity Agent)이 A2A를 통해 필요에 따라 서로 호출되어 유기적이고 고도화된 작업을 수행할 수 있습니다.

다만, 현재 제시한 A2A의 경우 MCP가 적용되지 않은 상태로 외부 시스템과의 소통에 제한을 받지만, 일반적으로는 각 Agent는 MCP와 A2A를 함께 활용함으로써 더욱 강력하고 유연하며 지능적인 Agent 시스템을 구축할 수 있습니다. 이는 곧 MCP와 A2A가 서로 경쟁적이거나 배타적인 것이 아닌 상호보완적인 측면을 강조함으로써 Agent에서의 표준화와 관련한 발전이 지속될 것임을 인지할 수 있습니다.

3. Microsoft 생태계 속 MCP/A2A 도입 내용

MS Build 2025에서는 MCP(Model Context Protocol)와 A2A(Agent-to-Agent) 표준화 프로토콜의 중요성을 강조하며, 해당 기술들을 Microsoft의 핵심 플랫폼 내에 통합하고 생태계를 확장하기 위한 다양한 발표가 이루어졌습니다. 본 장에서는 MS Build 2025에서 공개된 내용에 기반하여 Microsoft 생태계 속 MCP/A2A 관련 주요 도입 및 확장 업데이트 내용을 종합적으로 살펴보겠습니다. 특히, 여러 플랫폼 중 5가지 항목 (Copilot Studio, Teams AI Library v2, Visual Studio Code, Azure AI Foundry, NLWeb) 내 MCP 및 A2A 적용 사례를 중심적으로 살펴보며 시야를 넓여보도록 하겠습니다.

도입 1. Copilot Studio

[MS Build 2025 : Copilot Studio Session]

Copilot Studio는 개발적 능력 없이도 사용자나 기업이 자체 데이터와 업무 프로세스를 기반으로 맞춤형 AI Copilot을 쉽게 구축하고 관리할 수 있도록 지원하는 low-code 플랫폼입니다. 이번 MS Build 2025에서 Copilot Studio에서는Agent의 Computer Use, 1,900개 이상의 방대한 AI 모델 라이브러리를 사용할 수 있는Azure AI Foundry 모델 통합, 기업 자체 데이터로 학습할 수 있도록 제공한Copilot Tuning등 다양한 기능 업데이트를 통해 한층 더 발전했음을 발표하였습니다. 다만, 여기서는 MCP와 A2A와 관련 업데이트를 더 중점적으로 살펴보겠습니다.

1️⃣ MCP 지원 강화:

• Copilot Studio MCP의정식 버전(GA) 출시로 Copilot Studio Agent는외부 지식 서버 및 데이터 소스에 편의성 높은 방식으로 직접 연결하여 풍부한 컨텍스트를 확보합니다.  

• 도구(Tools) 탭에서 MCP Server를 쉽게 포함할 수 있고, 중앙에서 관리하고 재사용 가능합니다.

2️⃣ A2A 도입 및 Multi-Agent Orchestration:

• 출처 :What’s new in Copilot Studio: May 2025  | Microsoft Copilot Blog

• 개방형 A2A 프로토콜을 지원하여,Microsoft 365, Azure AI, Fabric 및 서드파티 플랫폼에서 구축된 Agent 간의 작업 위임 및 결과 공유를 통한 협업을 가능하게 합니다.  

• 기업은 Copilot Studio를 통해 다양한 출처의 Agent들을안전하게 호출하고 연결하여 복합적인 워크플로우를 자동화할 수 있습니다.  

• 새롭게 발표된Agent Store를 통해 사전 구축된 Agent를 쉽게 통합하고 활용 및 배포할 수 있습니다.  

3️⃣ Copilot MCP 설정하기

Demo 예시 영상 : Model Context Protocol now generally available in Copilot Studio!

아래의 이미지처럼 Agent별 MCP 연동이 매우 간단하게 추가/삭제할 수 있음을 확인할 수 있습니다.

4️⃣ 참조 링크:

• Copilot Studio 최신 기능: What’s new in Copilot Studio: May 2025  | Microsoft Copilot Blog
• Copilot Studio Build 2025 발표 내용: Multi-agent orchestration and more: Copilot Studio announcements | Microsoft Copilot Blog

도입 2. Teams AI Library v2

[MS Build 2025 : Visual Studio Code Session]

Microsoft Teams는 전 세계 수억 명의 사용자를 보유한 핵심 협업 플랫폼으로 Teams AI Library v2를 통해 AI Agent와의 협업 허브로의 변화를 추진하고 있습니다. 특히, Teams AI Library v2 SDK는 개발자들이 Microsoft Teams를 위한 AI 기반 봇을 보다 쉽게 개발할 수 있도록 MCP와 A2A를 기본 기능으로 지원합니다.  

1️⃣ MCP 도입 및 실행:

• Teams AI Library v2는 MCP 지원을 통해 Teams Agent가 표준화된 방식으로 외부 도구 및 데이터와 상호작용할 수 있는 기반을 마련합니다. 이는 Teams 환경 내에서 더욱 강력하고 확장 가능한 Agent 개발을 가능하게 하며, Teams Agent가 더 넓은 AI 생태계와 원활하게 연동될 수 있도록 합니다.  

• MCP Server와 클라이언트는 SDK를 통해 함수 정의 및 도구를 동적으로 로드하도록 설계되어, 연결된 MCP 클라이언트는 서버에 새로 추가된 도구를 자동으로 사용할 수 있습니다.  

• 현재 Preview 상태로 TypeScript와 C# 기반의 MCP 구동이 가능하며, 이에 대한 참조 링크는 아래와 같습니다.

  • C# MCP 가이드:MCP (C#)

  • TypeScript MCP 가이드:MCP (TypeScript)

[Teams AI Library v2 - TypeScript MCP Server] (출처 :MCP Server | Teams AI Library (v2))

const mcpServerPlugin = new McpPlugin({
  // Describe the MCP server with a helpful name and description
  // for MCP clients to discover and use it.
  name: 'test-mcp',
  description: 'Allows you to test the mcp server',
  // Optionally, you can provide a URL to the mcp dev-tools
  // during development
  inspector: 'http://localhost:5173?proxyPort=9000',
}).tool(
  // Describe the tools with helpful names and descriptions
  'echo',
  'echos back whatever you said',
  {
    input: z.string().describe('the text to echo back'),
  },
  async ({ input }) => {
    return {
      content: [
        {
          type: 'text',
          text: `you said "${input}"`,
        },
      ],
    };
  }
);
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26

[Teams AI Library v2 - TypeScript MCP Client] (출처 :MCP Client | Teams AI Library (v2))

const prompt = new ChatPrompt(
  {
    instructions: 'You are a helpful assistant. You MUST use tool calls to do all your work.',
    model: new OpenAIChatModel({
      model: 'gpt-4o-mini',
      apiKey: process.env.OPENAI_API_KEY,
    }),
  },
  // Tell the prompt that the plugin needs to be used
  // Here you may also pass in additional configurations such as
  // a tool-cache, which can be used to limit the tools that are used
  // or improve performance
  [new McpClientPlugin()]
)
  // Here we are saying you can use any tool from localhost:3000/mcp
  // (that is the URL for the server we built using the mcp plugin)
  .usePlugin('mcpClient', { url: 'http://localhost:3000/mcp' })
  // Alternatively, you can use a different server hosted somewhere else
  // Here we are using the mcp server hosted on an Azure Function
  .usePlugin('mcpClient', {
    url: 'https://pokemonmcp.azurewebsites.net/runtime/webhooks/mcp/sse',
    params: {
      headers: {
        // If your server requires authentication, you can pass in Bearer or other
        // authentication headers here
        'x-functions-key': process.env.AZURE_FUNCTION_KEY!,
      },
    },
  });
1
2
3
4
5
6
7
8
9
10
11
12
13
14
15
16
17
18
19
20
21
22
23
24
25
26
27
28
29

2️⃣ A2A 도입 및 실행:

• Teams AI Library v2는 개발자가 TypeScript를 사용하여 Teams 애플리케이션 내에 A2A를 손쉽게 통합할 수 있도록 지원을 제공합니다. 이를 통해 Teams 환경에서 작동하는 AI Agent는 다른 A2A 서버에 작업을 요청하는 클라이언트 역할을 수행하거나, 반대로 자신의 기능을 다른 A2A 클라이언트에게 서비스 형태로 제공하는 서버 역할을 할 수 있습니다.

  • 현재 Preview 상태이므로 개발자는npm install @microsoft/teams.a2a@preview명령으로 관련 패키지를 설치할 수 있습니다. (A2A TypeScript 가이드:A2A (Agent-to-Agent) Protocol (TypeScript))  

• 라이브러리 내에 포함된AgentManager클래스와A2AClientPlugin은 이러한 A2A 통신 기능을 구현하는 데 핵심적인 역할을 담당하며, 개발자들이 복잡한 프로토콜 구현에 대한 부담 없이 Agent 간의 상호작용 로직에 집중할 수 있도록 돕습니다.  

• 출처 :Microsoft Build 2025

3️⃣ 참조 링크:

• MS Build Teams AI Library : What’s New in Microsoft Teams | May 2025 - Build Edition | Microsoft Community Hub
• Teams AI Library 개요 : Teams AI Library v2 SDK (preview)
• Teams AI Library 코드 샘플 : Introduction to Teams AI library - Teams  
• Teams AI Library v2 MCP/A2A Code guide : MCP | Teams AI Library (v2)

도입 3. Visual Studio Code

[MS Build 2025 : Visual Studio Code Session]

Visual Studio Code(VS Code)는 Microsoft가 개발한 가볍고 강력한 무료 소스 코드 편집기로 다양한 언어의 개발 환경을 자유롭게 구축할 수 있습니다. 이번 MS Build 2025를 통해 GitHub Copilot의 Agent Mode 기반 쉽고 다양한 개발 환경 구축 및 추가적인 기능을 도입 및 소개하였으며 그 중에서도 MCP를 활용하여 새로운 coding Agent 개발 환경 경험을 소개해드리겠습니다.

1️⃣ MCP 도입 및 실행:

• Agent Mode에서 GitHub Copilot은 MCP Server와 통합되어 외부 서비스 및 API와 상호작용하며 광범위한 컨텍스트를 확보하고 복잡한 작업을 수행합니다.  

• 개발자는 사용자 지정 지침 파일과 MCP Server를 통해 특정 컨텍스트를 제공하여 AI Agent가 팀의 코딩 표준과 프로젝트별 모범 사례를 따르도록 유도할 수 있습니다.  

• 채팅 입력창에서 '#' 다음에 도구 이름을 입력하여 특정 MCP 도구를 직접 참조할 수 있습니다.  

실행 방법 (이미지 출처 :https://code.visualstudio.com/docs/copilot/chat/chat-Agent-mode):

• VS Code 최신 버전에서chat.Agent.enabled설정을 활성화하고 채팅 보기에서 Agent Mode를 선택하여 사용합니다.  

• Agent Mode는 다단계 코딩 작업, 범위가 불확실한 변경, 외부 앱/데이터 연동이 필요한 시나리오에 유용합니다.  

Github Copilot는 개발자를 위한 AI 보조 프로그래밍 도구로, 전 세계 약 1500만 명의 개발자가 코드 작성, 검토, 배포, 디버깅 등의 기능을 제공합니다. 특히, 이번 MS Build 2025에서는 새롭게 도입된Copilot Agent mode를 통해 코드 작성 자동화뿐 아니라 보다진화된 자율적 기능을 확장하여 개발 생산성을 더욱 향상시킵니다. 이는 단순하게 Github 내에서 자율적으로 처리를 해줄 수 있는 내용을 포함할 뿐 아니라VS Code 내 Github Copilot MCP Server 연동을 통한 관리 및 제어를 포함하고 있다는 것을 실제 Keynote Demo 내용을 통해 확인할 수 있습니다.

아래 이미지는 실제 github issue에 대한 처리를 위해 Assignees로 copilot을 설정하면 됨을 보여주며 이를 MCP 연동 copilot을 통해서도 진행할 수 있음을 보여줍니다.

• 출처 : MS Build 2025 Keynote Microsoft Build 2025 | Satya Nadella Opening Keynote

2️⃣ 참조 링크:

• VS Code Agent Mode 문서:https://code.visualstudio.com/docs/copilot/chat/chat-agent-mode
• VS Code Agent Mode 블로그:https://code.visualstudio.com/blogs/2025/04/07/agentMode
• Github Copilot 문서 :GitHub Copilot: Meet the new coding agent

도입 4. Azure AI Foundry

[MS Build 2025 : Azure AI Foundry Session]

Azure AI Foundry는 기업이 AI Agent를 효과적으로 구축, 배포, 확장 및 관리할 수 있도록 지원하는 Microsoft의 포괄적인 통합 플랫폼입니다. 즉, AI 모델 개발부터 Agent Orchestration, 그리고 엔터프라이즈 시스템과의 통합에 이르기까지 AI Agent Lifecycle 전반을 포괄적으로 지원함을 의미합니다. 이번 MS Build 2025를 통해 Azure AI Foundry는 MCP와 A2A를 적극 활용할 것임을 발표함으로써 전반적인 AI 서비스 구축 속도를 향상시키고, 운영 복잡성 감소를 목표로 하고 있습니다.

1️⃣ MCP 도입 및 실행:

• Azure AI Foundry의 모든 모델은 통합 API 및 MCP Server를 통해 접근 가능하여, Agent가 컨텍스트 데이터를 일관되게 공유하고 해석할 수 있도록 지원합니다.  

• 이를 통해 프로토타입에서 프로덕션으로 원활하게 전환할 수 있습니다.  

2️⃣ A2A 도입 및 실행:

• A2A 통신 프로토콜을 구현하여 서로 다른 Agent 간의 정보 교환 및 작업 조정을 가능하게 합니다.  

• Agent들은 서로를 "Connected Agents"로 호출하며 여러 클라우드 환경에 걸쳐 작업을 전달하고 복잡한 문제를 공동으로 해결할 수 있습니다.  

• Semantic Kernel과 AutoGen 프레임워크를 통합하여 이러한 Multi-Agent Orchestration을 지원합니다.  

• Azure AI Foundry Agent Service에서 Agent들이 서로 발견하고 작업 위임 및 결과 통합을 지원

주요 서비스 및 거버넌스:

• Azure AI Foundry Agent Service (GA):확장 가능하고 안정적인 AI Agent 배포 및 실시간 모니터링 기능을 제공하는 정식 서비스입니다. 인프라 및 오케스트레이션 관리를 자동화하고, SharePoint, Microsoft Fabric 등 1,400개 이상의 엔터프라이즈 데이터 소스에 대한 템플릿과 커넥터를 제공합니다.  

• Agent Catalog:특정 요구사항에 맞는 AI Agent를 신속하게 개발하고 배포할 수 있도록 사전 구축된 다양한 Agent 템플릿을 제공합니다.  

• Agent Knowledge:AI Agent가 Microsoft Fabric, SharePoint, Databricks 등 기업 내부 데이터 소스에 안전하게 연결하고 정보를 활용하도록 지원합니다.  

• 강화된 보안 및 거버넌스:Microsoft Entra Agent ID(Preview)는 Azure AI Foundry 또는 Copilot Studio로 구축된 모든 AI Agent에 고유 ID를 할당하여, 기업이 기존 ID 관리 시스템 및 보안 정책을 AI Agent에게도 일관되게 적용할 수 있도록 합니다. Microsoft Purview와의 통합은 데이터 보안 및 컴플라이언스 관리를 강화합니다

3️⃣ 참조 링크:

• Azure AI Foundry Build 2025 요약:Microsoft Build 2025: The age of AI agents and building the open agentic web - The Official Microsoft Blog

도입 5. NLWeb

[MS Build 2025 : NLWeb Session]

NLWeb(Natural Language Web)은 웹사이트에 자연어 기반의 대화형 인터페이스를 손쉽게 추가하고, 해당 웹사이트를 AI Agent가 이해하고 활용할 수 있는 정보 소스로 변환하기 위해 Microsoft가 공개한 오픈소스 프로젝트입니다. 이 프로젝트의 핵심 목표는 기존의 정적인 웹 콘텐츠를 사용자와 AI Agent 모두에게 더욱 접근하기 쉽고 상호작용 가능한 동적인 형태로 전환하는 것입니다. HTML이 웹 1.0 표준으로 발전 확장되었다면, NLWeb은 Agent에 기반한 AI 웹 상호작용 표준화의 시도입니다. MS Build 2025를 통해 Microsoft는 Open Agentic Web의 비전을 제시한만큼 이를 선점하기 위한 시도가 바로 NLWeb인 것입니다.

웹사이트를 위한 대화형 인터페이스 제공,Schema.org와 같은표준화된 구조화 데이터 형식 활용및 RSS 피드나 JSONL(JSON Lines) 파일과 같은다양한 형태의 데이터를 수집 능력외 여러 추가 기능을 발표했지만,가장 특별한 요소 중 하나는MCP 자동 지원을 통한 AI Agent 생태계와 연동입니다.

1️⃣ MCP 도입 및 실행:

• 모든 NLWeb 인스턴스는 MCP Server로 기능하여, 웹사이트 콘텐츠를 MCP 생태계 내의 AI Agent 및 다른 참여자들이 검색하고 접근할 수 있도록 선택적으로 공개할 수 있습니다.  

• 이는 웹 콘텐츠가 인간 사용자뿐 아니라 AI Agent에게도 의미 있는 방식으로 제공될 수 있음을 의미합니다.

• 결과적으로 AI Agent는 NLWeb이 적용된 웹사이트의 정보를 마치 구조화된 데이터베이스처럼 이해하고 활용하여, 사용자 질문에 답변하거나 특정 작업을 수행하는 데 필요한 정보를 얻을 수 있게 됩니다. 이는 MCP가 NLWeb을 에이전틱 웹의 핵심 구성 요소로 만드는 기본 프로토콜임을 명확히 보여줍니다.  

NLWeb and MCP (Github Readme.md 작성 내용 중 일부 발췌)
MCP (Model Context Protocol) is an emerging standard for enabling chatbots and AI assistants to interact with tools. Every NLWeb instance also acts as an MCP server and supports a core method,ask, which allows a natural language question to be posed to a website.
The response returned usesSchema.org - Schema.org— a widely adopted vocabulary for describing web data.
In short, MCP is to NLWeb what HTTP is to HTML.

2️⃣ 참조 링크:

• NLWeb 소개:Introducing NLWeb: Bringing conversational interfaces directly to the web - Source

• NLWeb github :GitHub - microsoft/NLWeb: Natural Language Web

4. 맺음말

MCP(24.11)와 A2A(25.04) 두 표준 프로토콜은 모두 Open 생태계 속 수많은 개발자와 벤더들의 적극적인 참여를 바탕으로 빠르게 확장되고 있는 상태였습니다. 이런 급진적 확장의 배경에는 2025년 한 해의 키워드인 Agent를 빼놓고 이야기할 수 없습니다.

Microsoft 또한 이 흐름을 인지하고 이번 MS Build 2025를 통해 MCP 및 A2A 프로토콜을 자사 생태계에 광범위하게 도입하고 확장하는 AI Agent 전략을 보여주었습니다. 이 두 프로토콜은 Agent가 외부 컨텍스트(MCP)를 효과적으로 공유하고, Agent 간 협업(A2A)하는 방식을 표준화하여, 보다 지능적이고 상호운용 가능한 AI 환경을 구축하는데 중요한 역할을 수행해주었습니다. 특히, Copilot Studio, Azure AI Foundry, Teams AI Library v2, Visual Studio Code, NLWeb 등을 포함한 Microsoft의 주요 플랫폼 전반에 걸친 MCP/A2A 통합은 개발자가 Agent 시스템을 쉽게 구축할 수 있게 합니다. 이는 정교한 MAS(Multi-Agent System)를 기반으로한 복잡한 비즈니스 프로세스 자동화, 방대한 웹 정보에 접근을 통한 Open Agentic Web의 비전을 현실화하는 중요한 토대를 만들었습니다.

AI의 지속적이고 급진적인 발전 속에서 MCP와 A2A는 하나의 흐름 중 하나일 수도 있고, 근시일내 또 다른 표준과 경쟁하거나 통합될 가능성이 있습니다. 하지만 많은 개발자와 벤더가 참여하고, 지속적으로 MCP/A2A 솔루션이 제공되는 현재 상황에서 급진적으로 바뀔 가능성은 크지 않아보입니다. 따라서 개발자는 현재 가장 확산된 MCP/A2A 표준을 활용하여 생산성과 효율성을 높이는 데 우선적으로 집중하고, 이를 통해 제공되는 더 빠르고 강력한 개발 환경을 기반으로 고객에게 제공할 수 있는 실질적 서비스에 대한 고민 또한 병행해야 할 것으로 보입니다.

이 글이 여러분의 기술적 선택과 판단에 작지만 유용한 인사이트가 제공되었기를 바랍니다.

긴글 읽어주셔서 감사합니다.

Reference

• Introducing the Model Context Protocol
• Model Context Protocol (MCP): Landscape, Security Threats, and...
• https://google-a2a.github.io/A2A/latest/
• Google for Developers Blog - News about Web, Mobile, AI and Cloud
• GitHub - google-a2a/A2A: An open protocol enabling communication and interoperability between opaque agentic applications.
• How to Build Two Python Agents with Google’s A2A Protocol - Step by Step Tutorial – Kanaries
• A Survey of AI Agent Protocols
• Extend your agent with Model Context Protocol - Microsoft Copilot Studio
• GitHub - microsoft/mcsmcp: Lab for creating an MCP Server and using it in Microsoft Copilot Studio.
• Model Context Protocol (MCP) is now generally available in Microsoft Copilot Studio  | Microsoft Copilot Blog
• What’s new in Copilot Studio: May 2025  | Microsoft Copilot Blog
• Multi-agent orchestration and more: Copilot Studio announcements | Microsoft Copilot Blog
• MCP Server | Teams AI Library (v2)
• A2A (Agent-to-Agent) Protocol (TypeScript)
• What’s New in Microsoft Teams | May 2025 - Build Edition | Microsoft Community Hub
• Teams AI Library v2 SDK (preview)
• Introduction to Teams AI library - Teams
• MCP | Teams AI Library (v2)
• https://code.visualstudio.com/docs/copilot/chat/chat-Agent-mode
• https://code.visualstudio.com/blogs/2025/04/07/AgentMode
• GitHub Copilot: Meet the new coding agent
• Azure AI Foundry: Your AI App and Agent factory
• Microsoft Build 2025: The age of AI agents and building the open agentic web - The Official Microsoft Blog
• Introducing NLWeb: Bringing conversational interfaces directly to the web - Source
• GitHub - microsoft/NLWeb: Natural Language Web

Appendix A. MS Build 2025 MCP/A2A 관련 영상 및 요약 링크