투자 비서 Agent

Overview

주식·경제 관련 질문을 받으면 Manager 에이전트가 필요한 정보를 먼저 정리하고 계획을 세웁니다. 이후 웹 검색, 데이터 수집, 분석, 시각화 에이전트에게 단계별로 작업을 위임하고, 결과를 종합해 차트와 출처를 포함한 리서치 답변을 스트리밍합니다. Flutter 웹/모바일 앱의 리서치 채팅이 진입점입니다.

Demo

Key Features

1. Orchestrator 기반 동적 위임

WebSocket /chat-stream으로 들어온 질문을 Manager가 다음 순서로 처리합니다.

• Facts Survey: 질문에 이미 주어진 사실, 찾아야 할 사실, 추론할 사실을 정리합니다.
• Plan: 팀 구성을 바탕으로 초기 계획을 세웁니다.
• Progress Ledger 루프: 매 단계 structured output으로 목표 달성 여부, 답변 가능 여부, 진행·반복 여부, 다음 담당 에이전트와 지시를 판단합니다. 진행이 없거나 같은 단계가 반복되면 stall 카운트를 올리고, 상한(3)에 도달하면 루프를 끝냅니다.
• 의존성 검사: 에이전트마다 선행 에이전트를 선언합니다(예: Analyst는 DataCollector 또는 WebSearcher, Visualizer는 DataCollector). 조건을 충족하지 못하면 위임하지 않고 Manager에게 다시 판단하게 합니다.
• Final Answer: 분석 결과와 시각화 메타데이터를 바탕으로 최종 답변을 생성합니다.

2. 전문 에이전트

에이전트	역할
WebSearcher	Tavily 웹·뉴스 검색
DataCollector	yfinance 주가·종목 뉴스, Elasticsearch 뉴스 하이브리드 검색
Analyst	수집 데이터 기반 분석
Visualizer	LLM이 pandas/matplotlib 코드를 생성·실행해 차트 이미지 생성

3. WebSocket 스트리밍 프로토콜

• 태그로 메시지 종류를 구분합니다: SYSTEM(진행 단계), URLS(참고 기사), IMAGES(차트), MARKDOWN(답변 토큰).
• 클라이언트 ACK로 메시지 순서를 맞춥니다.

4. 멀티턴 세션

• 세션 히스토리를 다음 질문의 컨텍스트로 사용하고, 세션·메시지·차트를 저장해 다시 열람할 수 있습니다.

5. 경제 Knowledge Graph

• Identity/State 2계층 스키마: 고유 엔티티(회사, 지표 등)는 UPSERT하고, 시점별 사실(실적, 가격 변동 등)은 State로 INSERT해 시간축을 보존합니다.
• seed 카탈로그: 회사, 미국 거시지표, 원자재·통화, 투자 테마, 실적·FOMC 일정을 미리 넣고 뉴스에서 추출한 사실을 연결합니다.
• 질의 템플릿 도구: LLM이 읽기 전용 Cypher 템플릿과 인자를 고르는 방식으로 그래프를 조회합니다.
• 골든셋 평가: 같은 질문 세트로 「ES만」과 「ES + KG」 조건을 비교해 KG의 효과를 측정합니다.

Data & Storage

저장소	역할
Elasticsearch	경제 뉴스 색인, BM25 + 벡터 RRF 하이브리드 검색
Redis	요청 중 에이전트 작업 메모리(수집 데이터, 기사, 실행 이력), 세션 대화 히스토리(TTL)
PostgreSQL	채팅 세션, 메시지, 질의 로그
GCS	Visualizer가 생성한 차트 이미지
Neo4j	경제 Knowledge Graph
InfluxDB	거시지표(FRED), 원자재·통화 시세 시계열

외부 데이터 소스: yfinance(주가·종목 뉴스), Tavily(웹·뉴스 검색), investing.com RSS, FRED

Architecture

flowchart LR
  APP["Flutter 웹/모바일 앱"] -->|"WebSocket /chat-stream"| R["FastAPI research_router"]
  R --> M["Manager<br/>Facts Survey → Plan → Progress Ledger"]
  M --> WS["WebSearcher"]
  M --> DC["DataCollector"]
  M --> AN["Analyst"]
  M --> VZ["Visualizer"]
  WS --> TAV(["Tavily"])
  DC --> YF(["yfinance"])
  DC --> ES[("Elasticsearch")]
  VZ --> GCS[("GCS")]
  M --> RD[("Redis")]
  M --> PG[("PostgreSQL")]
  subgraph PIPE["배치 파이프라인 (cron)"]
    RSS["RSS 분류 + 테마 스윕"] --> TAV2(["Tavily"])
    KGB["KG 빌드"] --> NEO[("Neo4j")]
    IND["지표·시세 수집"] --> INF[("InfluxDB")]
  end
  TAV2 --> ES
  ES --> KGB

Challenges

1. 질문마다 다른 분석 경로
   • 문제: 고정 파이프라인으로는 단순 시세 질문과 복합 분석 질문을 함께 처리할 수 없었습니다.
   • 해결: Progress Ledger로 매 단계 다음 담당자를 동적으로 정하고, 진행·반복 여부를 판단하는 stall 감지로 무한 루프를 막았습니다.
2. 에이전트 간 실행 순서 제약
   • 문제: 데이터 없이 분석이나 시각화가 먼저 실행되면 근거 없는 내용이 만들어졌습니다.
   • 해결: 에이전트별 의존성(AND/OR 조합)을 선언하고, 위임 전에 실행 이력으로 검사했습니다.
3. 뉴스 수집 차단
   • 문제: 기사 페이지를 직접 크롤링하는 방식이 봇 차단에 막혔습니다.
   • 해결: RSS 제목을 LLM이 분류해 관련 기사만 Tavily로 검색하는 트랙과, 고정 테마 스윕 트랙으로 수집 구조를 바꿨습니다.
4. KG 컨텍스트 과다
   • 문제: 벡터로 진입한 엔티티의 주변을 통째로 펼치면 컨텍스트가 평균 1.37만 자가 되어 핵심 수치를 놓쳤습니다.
   • 해결: 질문 유형별 질의 템플릿을 도구로 노출해 컨텍스트를 평균 약 2.5천 자(약 1/5)로 줄였고, 골든셋 20문항에서 사실 재현율은 같은 수준을 유지했습니다.

Tech Stack

영역	기술
AI	Gemini, Multi-Agent Orchestration, Graph RAG
Backend	Python, FastAPI, WebSocket
Data	Elasticsearch, Redis, PostgreSQL, Neo4j, InfluxDB, GCS
Infra	GCP, Docker, Cloud Build, cron
Frontend	Flutter (웹/모바일)