# Building a Multi-Agent A2A Architecture on Snowflake and Microsoft Fabric — Without Replacing Either

개요

기업들은 Snowflake와 Microsoft Fabric에 이미 투자한 상태에서 기존 시스템을 교체하지 않고 Azure OpenAI를 활용하여 AI를 통합하는 방안을 모색하고 있으며, 이를 위해 HealthIQ와 같은 통합 의료 인텔리전스 플랫폼이 A2A(Agent-to-Agent) 오케스트레이션 레이어를 갖춘 5개 계층 아키텍처로 구축될 수 있습니다.

주요 내용

* 문제점: 단일 데이터베이스에 연결된 챗봇 형태의 일반적인 "데이터에 AI 연결" 데모는 복잡한 엔터프라이즈 의료 분석 요구사항을 충족시키지 못하며, 여러 소스의 데이터를 통합하여 완전한 운영 현황을 파악하기 위해서는 단일 에이전트가 여러 도구를 관리하는 방식은 확장성과 일관성 저하를 야기합니다.
* 아키텍처 구성:
* 계층 1 (구조화된 분석): Snowflake Cortex Agent를 통해 SQL 작성 없이 자연어로 질의하여 구조화된 분석 결과를 얻을 수 있습니다.
* 계층 2 (운영 인텔리전스): Microsoft Fabric Data Agent를 통해 Lakehouse의 운영 데이터를 자연어로 질의하여 실시간 운영 정보를 얻을 수 있습니다.
* 계층 3 (문서 인텔리전스): Azure AI Search RAG를 통해 기존 문서 저장소의 지식 자산을 재구성 없이 추론 과정에 포함시켜 답변의 근거를 제공합니다.
* 계층 4 (오케스트레이션): ClaimsIntelligenceAgent와 HospitalOpsAgent라는 두 전문 에이전트가 A2A 프로토콜을 통해 협력하고, HealthcareOrchestratorV3 마스터 에이전트가 질의를 라우팅하고 응답을 종합하여 최종 답변을 생성합니다.
* 계층 5 (액션): Azure API Management 및 Logic App을 통해 AI가 트리거, 워크플로우 실행, 알림 발송 등 실제 시스템과의 상호작용을 수행할 수 있습니다.
* A2A 패턴의 중요성: 전문 에이전트와 마스터 오케스트레이터의 분리를 통해 각 에이전트는 특정 도메인에 집중하고, 마스터 에이전트는 데이터에 직접 접근하지 않고 질의를 위임하며, 이는 엔터프라이즈 AI의 확장성을 높입니다.
* 엔터프라이즈 AI의 가능성: 데이터 통합 없이도 지능을 통합할 수 있으며, 각 시스템은 자체 거버넌스와 데이터 관리 방식을 유지하면서 AI 오케스트레이션 레이어가 이를 조정합니다.
* 운영 고려사항:
* APIM (Azure API Management): API 호출 시 민감한 쿼리 파라미터의 노출을 방지하고, 엔터프라이즈 ID 공급자와 통합하여 API 접근 제어, 감사 로깅, 속도 제한 등을 중앙 집중식으로 관리합니다.
* 가드레일 및 추적: 에이전트 수준의 가드레일(콘텐츠 필터링, 억측 방지 등)과 전체 에이전트 호출에 대한 추적 기능을 통해 시스템의 신뢰성과 디버깅 가능성을 확보합니다.
* 프로덕션 준비를 위한 강화: 오류 처리(재시도 및 백오프 정책), 비용 및 지연 시간 관리, 동시 A2A 인증 강화가 필요합니다.
* 고려 및 기각된 대안:
* 단일 에이전트 vs. A2A 전문 에이전트: 다수의 도구를 가진 단일 에이전트는 복잡해질수록 성능이 저하되고 소유권 경계가 불분명해지는 반면, A2A 전문 에이전트 모델은 확장성과 명확한 소유권 경계를 제공합니다.
* API 게이트웨이 vs. 네이티브 커넥터: API 게이트웨이는 쿼리 파라미터 처리, ID 및 접근 제어, 감사 로깅 등의 이점을 제공하여 프로덕션 환경에서 필수적입니다.
* GPT-4.1 vs. 대형 프론티어 모델: GPT-4.1은 라우팅 및 구조화된 종합에 필요한 안정적인 형식 유지 능력과 비용 효율성을 제공하며, 특정 전문 에이전트는 더 강력한 모델을 사용할 수 있습니다.
* 구현 요소: Snowflake Semantic View, Snowflake Cortex Agent, Microsoft Fabric Lakehouse, Fabric Data Agent, Azure AI Search RAG, Azure AI Foundry의 전문/오케스트레이터 에이전트, APIM, Logic App, Entra ID 연동 등이 포함됩니다.
* 핵심 시사점: 데이터 통합 없이 지능을 통합하는 재사용 가능한 패턴으로, 복잡한 문제를 여러 도메인별 전문 에이전트로 분해하고 마스터 오케스트레이터로 조정하는 방식은 의료, 금융, 공급망 등 다양한 산업에 적용 가능합니다.

시사점

본 아키텍처는 기존의 데이터 자산을 그대로 유지하면서 AI 역량을 통합할 수 있는 실용적인 청사진을 제공하며, 향후 에이전트 마켓플레이스 모델을 통해 점진적으로 지능을 확장할 수 있는 경로를 제시합니다.