6명의 AI 전문가가 동시에 답하는 투자 어시스턴트

소개

오픈클로에서 너무 API Limit에러를 많이내서... 이번주는 클로드코드로 작업을 많이했고, 그 중에 한가지를 공유합니다.

# "BTC 지금 사도 돼?" — 6명의 AI 전문가가 동시에 답하는 투자 어시스턴트를 만들었습니다

## 배경

### 투자 판단, 혼자 하기엔 봐야 할 게 너무 많다

"비트코인 지금 매수 괜찮아?" — 이 간단한 질문에 제대로 답하려면 놀라울 정도로 많은 걸 봐야 합니다.

- 온체인 데이터: 고래 움직임, DEX 볼륨, 펀딩비

- 기술적 분석: RSI, MACD, 볼린저 밴드, 캔들 패턴

- 거시경제: 금리, CPI, GDP, 수익률 곡선

- 시장 심리: 뉴스 트렌드, 공포탐욕 지수

- 리스크 관리: VaR, 포지션 사이징, 몬테카를로 시뮬레이션

이걸 매번 수동으로 확인하는 건 사실상 불가능합니다. 뉴스 기사 하나 읽고 "느낌" 으로 판단하거나, 유튜버 의견에 의존하게 되죠. 체계적이고 다각적인 분석을 자동으로 해주는 시스템이 있으면 좋겠다고 생각했습니다.

### 문제는 — 나는 개발자가 아니다

이런 시스템을 만들려면 Python, API 연동, 비동기 프로그래밍, 에이전트 아키텍처 설계 같은 전문 개발 역량이 필요합니다. Claude Code 없이는 아예 시작조차 어려운 프로젝트였어요.

---

## 과정

### 만든 것: ARIA (AI Research & Investment Advisor)

CLI에서 한 줄이면 됩니다:

```bash

invest-bot ask "비트코인 지금 사도 될까?"

```

이 명령어 하나가 실행되면, 6명의 AI 전문가가 동시에 분석을 시작합니다.

### 시스템 아키텍처: 6개 에이전트 + 리드 오케스트레이터

```

ARIA — Lead Orchestrator (Opus 4.6)

│

├── PULSE (Crypto Agent) — CoinGecko + DefiLlama + CCXT

│ "온체인 데이터는 진실이다. 가격은 그 그림자일 뿐."

│

├── LEDGER (Stock Agent) — Yahoo Finance + Alpha Vantage + SEC EDGAR

│ "SEC 공시와 내부자 거래가 모든 것을 말해준다."

│

├── SIGMA (Quant Agent) — MaverickMCP + TradingView MCP

│ "백테스트 승률 45% 미만? 신뢰도 0.2 감소."

│

├── ATLAS (Macro Agent) — FRED + MacroNorm

│ "수익률 곡선이 역전되면 6~18개월 내 침체 온다."

│

├── ECHO (Sentiment Agent) — Google News & Trends + CryptoPanic

│ "시장은 스토리를 따르지 않는다. 심리를 따른다."

│

└── AEGIS (Risk Agent) — MonteWalk + Empyrical

"리스크 에이전트가 NO라고 하면, 전체 판단이 뒤집힌다."

```

### 각 에이전트에게 "Soul"을 부여했다

가장 독특했던 점은, 각 에이전트에게 단순한 역할 설명이 아니라 성격과 철학(Soul) 을 부여한 것입니다.

예를 들어 Crypto Agent인 PULSE의 Soul 문서에는 이렇게 적혀 있습니다:

> "You are PULSE. You live on-chain and off-chain simultaneously. While others see candles, you see capital movement. You trust the data, not the narrative."

이렇게 하니까 에이전트의 분석 결과가 훨씬 일관되고, 각자의 전문 영역에 맞는 깊이 있는 인사이트를 제공했습니다.

### 핵심 기술 — 이런 것들이 자동으로 동작합니다

1) 질문 의도 자동 분류 (Intent Classification)

"비트코인 사도 될까?" → Crypto + Sentiment 에이전트 자동 선택

"S&P500 전망은?" → Stock + Quant + Macro 에이전트 자동 선택

"전체 시장 어때?" → 6개 에이전트 전부 가동

2) 에이전트 병렬 실행

6개 에이전트가 동시에 API를 호출하고 분석합니다. 순차 실행이면 몇 분 걸릴 작업이 수십 초로 줄어듭니다. 에이전트당 타임아웃 30초를 걸어서 하나가 느려도 전체가 멈추지 않습니다.

3) 시장 레짐 감지 (Market Regime Detection)

FEAR / NEUTRAL / GREED — 시장 상태를 자동으로 판별하고, 레짐에 따라 에이전트별 가중치가 동적으로 변합니다. 공포장에서는 Risk Agent의 발언권이 커지고, 탐욕장에서는 Quant Agent의 기술적 분석이 더 중요해집니다.

4) 하드 룰 시스템

소프트한 점수 합산만이 아니라, 절대 규칙이 있습니다:

- Risk Agent가 "NO"를 외치면 → 전체 판단이 뒤집힘

- 펀딩비 1% 초과 → 자동 리스크 플래그

- RSI 75 초과 → 과매수 경고

5) 포지션 사이징 추천

단순히 "사라/팔아"가 아니라, 포트폴리오의 몇 %를 투입할지까지 제안합니다.

### 결과물 예시 — 실제 터미널 출력

```

┌─── ARIA — Investment Decision ───────────────┐

│ DECISION BUY │

│ CONFIDENCE 0.72 │

│ REGIME NEUTRAL │

│ SCORE 0.4520 (threshold: ±0.40) │

│ HARD RULES None │

└───────────────────────────────────────────────┘

Agent Signal Conf. Key Reason

🪙 PULSE (crypto) BUY 0.78 DEX volume +180%, whale accumulation

📈 LEDGER (stock) NEUTRAL 0.50 Crypto-only query, low relevance

📊 SIGMA (quant) BUY 0.65 RSI 42, MACD bullish crossover

🌍 ATLAS (macro) HOLD 0.60 Rate cut expected Q2, cautiously bullish

🛡️ AEGIS (risk) BUY 0.70 VaR acceptable, position: 5% of portfolio

💬 ECHO (sentiment) BUY 0.75 Fear & Greed: 35 (Fear), contrarian buy

POSITION 5.0% of portfolio (AEGIS suggested)

┌─── REASONING ────────────────────────────────┐

│ Multiple agents signal buy with moderate-high │

│ confidence. On-chain data shows accumulation │

│ phase with DEX volume surge... │

└──────────────────────────────────────────────┘

⚠️ This is not financial advice...

```

---

## 프로젝트 규모

| 항목 | 수치 |

|------|------|

| Python 소스 파일 | 26개 |

| 오케스트레이터 코드 | 378줄 |

| Soul/Identity 문서 | 14개 (에이전트당 2개) |

| 연동 API/MCP | 10+ (CoinGecko, FRED, Yahoo Finance 등) |

| PDCA 문서 | Plan + Design + Mockup |

| 기술 스택 | Python 3.12, Anthropic SDK, Rich, Click |

---

## 결과

### Before vs After

| 항목 | Before | After |

|------|--------|-------|

| 투자 분석 방법 | 뉴스 기사 하나 읽고 감으로 판단 | 6개 전문 에이전트가 10+ API로 동시 분석 |

| 분석 소요 시간 | 30분~1시간 (수동 확인) | 수십 초 (자동 병렬 분석) |

| 분석 관점 | 1~2가지 (가격, 뉴스) | 6가지 (온체인/기술적/거시/심리/리스크/주식) |

| 리스크 관리 | 없음 (감으로 배팅) | VaR + 포지션 사이징 자동 추천 |

| 개발 가능성 | 아예 불가능 (비개발자) | Claude Code로 완성 |

| 재사용성 | - | CLI 명령어 한 줄로 반복 사용 |

---

## 배운 점

### 1. 설계 문서를 먼저 쓰면 AI의 정확도가 완전히 달라진다

Plan → Design 순서로 문서를 먼저 만들고 구현에 들어갔습니다. "AGENTS.md"에 전체 아키텍처, 각 에이전트의 역할, 입출력 스키마, 하드 룰을 미리 정의해두니까 Claude Code가 전체 맥락을 이해하고 일관성 있는 코드를 생성했습니다.

설계 문서 없이 "투자 앱 만들어줘"라고 했으면? 아마 단일 에이전트에 단순 API 호출 정도의 앱이 나왔을 겁니다.

### 2. 에이전트에게 "성격"을 주면 분석 품질이 올라간다

"당신은 크립토 분석 에이전트입니다"가 아니라, "You are PULSE. You trust the data, not the narrative."라고 Soul을 정의했습니다.

이렇게 하니까 각 에이전트가 자기 관점에서 독립적으로 분석하고, 같은 데이터를 봐도 다른 각도의 인사이트를 제공했습니다. 다양한 관점의 종합이 결국 더 나은 판단으로 이어졌습니다.

### 3. 시행착오를 두려워하지 말 것

처음부터 한 번에 된 건 하나도 없었습니다:

- 에이전트 간 JSON 응답 파싱에서 에러가 계속 났고

- 비동기 병렬 실행에서 타임아웃 처리가 안 됐고

- API 응답 형식이 에이전트마다 달라서 통합이 어려웠습니다

하지만 에러 메시지를 Claude Code에 보여주면 원인을 찾고 수정해줬습니다. 포기하지 않고 계속 대화한 것이 완성의 핵심이었습니다.