A2Aプロトコルを利用してエージェント同士を疎通させる

リックソフト開発部社内の生成AI活用チームエンジニア、LEEです。

リックソフト社内では2025年9月現在、自社開発の生成AI活用Slackアプリ「AIrick(アイリック)」を社内Slackに搭載し、社員の業務効率化や業務支援を行っています。

今回の記事では外部のサーバーで動いているエージェントとエージェントを繋げるプロトコルA2A(Agent to Agent by Google)について紹介しようと思います。

加えて Agentとデータソース（DB, Atlassian 製品）を繋げるMCPも交えたデモエージェントを構築し動きも少しだけ確認してみましょう。

まずは MCPから

MCPは、Anthropic社が2024年11月にオープンソースとして発表したAIモデルと外部のデータソースやサービスをつなぐための共通プロトコル。

今回のメインテーマとは少し離れているので詳細は省きます。

MCPを用いて Atlassian製品とエージェントを繋いでいろんなタスクをやらせてみた Ricksoftの過去記事もありますので興味がある方は是非ご確認ください。

Atlassian MCPを中心に社内用MCPアプリを作ってみた

A2Aとは

記事執筆時点である2025年9月だと生成AIを用いてサービス開発には数多くの課題が存在します。

RAGや MCPを使うと外部データソースを自然言語で探索することができ ＡＩが持っていない情報をまるで知っているかのように返答してしまういわゆるハルシネーション現象を画期的に減らすことが出来ました。

それに伴い AIサービス開発の規模が大きくなり一つのサービスに対しエージェントの数が増えつつあります。

それに伴い1つのサーバーに大きなマルチエージェントが存在しすべての処理を抱え込む形が一般的でした。しかし、サービスの規模が大きくなるにつれて以下のような課題が浮かび上がってきます。

• 一つのサーバーにあるマルチエージェントに過度な負荷が集中する
• 専門性の異なるタスクを一体で処理するため非効率になる
• 外部にエージェントを切り出した際サービスごとにAPIや接続方法が異なり、エージェント同士の連携が難しい

そこで出てきたのが A2Aです。

A2A (Agent to Agent) は、Google が提唱している エージェント同士をつなぐための共通プロトコル です。

名前の通り「エージェントとエージェントをつなぐ」仕組みで、異なる環境やサービス上で動いている AIエージェント同士が、標準化されたやり取りを通じて情報交換やタスク分担をできるようにするものです。

イメージとしては「人間のチームワーク」に近く、

• 営業担当のエージェント
• 技術サポート担当のエージェント
• データ分析担当のエージェント

のようにまるで社内部署を分けるかのようにエージェントを分けることが出来ます。

加えて全部署が必要とする社内ルール管理エージェントを1つのエージェントとして作り、各部署用のエージェントが共有することも A2Aを用いれば一貫性を持って実現が可能になります。

A2Aを用いた簡単な AIサービス設計

リックソフトでは常に新しい技術を習得し Atlassian製品との連携が可能かどうかを研究しています。

今回は A2Aの動作を確認する過程で Jira Service Management（以下、JSMという）のお問い合わせ検索エージェントも出てくるので

Atlassianと生成AIの活用を検討中であれば是非参考にしていただきたいです。

簡単なアーキテクチャ

大まかな流れは以下になります。

1. ユーザーが質問を投げる
2. 司令塔エージェントが呼び出すべきエージェントを判定
3. 各サブエージェントは外部サーバーのエージェントや MCPと疎通し情報取得やタスクを委任
4. 最終返答をユーザー側に返す

規模が大きくなってもサービス中核である Client Handler Serverは修正がほとんどなく外部エージェントを自社開発・外部のものを導入するだけでサービス機能を増やしたり性能を調整できます。

どうやって呼び出すエージェントを判定しているか

外部エージェントの内どれを呼び出すべきか判定するのはサービスの質においてとても大事です。

これにはいくつかの方法があります。

1. 外部エージェント呼び出しをツールとして実装する

一番実装が簡単です。ただし、あくまでツールとして扱われるためエージェントとしてのカスタマイズは限定的です。

2. 各A2Aサーバーから Agent情報を取得し適切なエージェントを評価させる

エージェントは外部エージェントサーバーからエージェントの情報が書いてある Agent Cardというものを受け取りスコアリングし最も高いスコアのエージェントを呼び出します。 実装は少し難易度がありますがエージェントのカスタマイズ性を活かしつつ A2Aのプロトコルの利点をフルで活かせます。

今回のデモアプリでは「２」を採用しました。

理由はエージェントの呼び出し理由を可視化でき、呼び出すエージェントが複数必要な場合の調整も容易だからです。

実際の動き

ここからは実際 JSMチケット検索や為替変換依頼をエージェントが正しく判定し望ましいエージェントが呼び出されるか見ていきましょう

Invoice テキストにあるドル価格を日本円に変えてもらう

Invoiceは例として下記を使います。

各要素の両替後金額、トータル金額を整理してもらおうと思います。

両替エージェントが呼び出され最新情報を元に正しい日本円変換が出来ていることが分かります。

自然言語でお客様のお問い合わせリストを検索する

今回はテスト用に作成したお問い合わせチケットをエージェントに検索してもらいます。

質問

Criticalがタイトルに含まれてるチケットを探してください

回答

今度は為替エージェントではなく JSMエージェントが呼び出され、JSMにあるチケットを抽出できました。

検証のため実際の JSMにチケットがあるか確認してみましょう。

デモ環境のチケット

しっかりチケットが存在していることが分かります。

終わりに

今回はマルチエージェントの疎通プロトコルである A2Aを用いて簡単なマルチエージェントの構築を行いました。

JSMチケット検索だけではなく色んなニーズに合わせた AIエージェントの構築が可能なのでもし興味がありましたら是非リックソフトにお問い合わせください。