주식 투자에 대한 서비스 구축

저자: 김성중 | 김찬우 · 작성일: 2025-08-15 00:00:00 · 분야: 데이터 플랫폼

주식 투자에 대해 정보 수집 및 분석하는 서비스를 구축하는 방법에 대해 알아보겠습니다. FastAPI, yfinance, 웹 크롤링, LLM 분석, MCP 서버 구축 및 Agentic AI 아키텍처를 활용한 종합적인 접근 방식을 다룹니다. LLM은 기본적으로 Gemini Pro 2.5를 사용하며 상황에 따라 GPT-5를 활용하고 있습니다. 추후 Claude 및 Llama 4.0, Mistral, DeepSeek도 활용할 예정입니다.

핵심 기술 스택 및 아키텍처 🏗️

성공적인 주식 분석 서비스의 기반은 안정적이고 확장 가능한 아키텍처에 있습니다. 이 프로젝트는 현대적인 웹 기술과 AI를 결합한 강력한 구조를 채택했습니다.

• FastAPI + yfinance + Web Crawling
• Agent Development Kit (ADK) & MCP
• Agentic AI (A2A, ADK & MCP)

Web & REST API & Ajax 아키텍처

웹페이지 구성 및 REST API 구성, Ajax 호출

REST API 호출 경로:

• /fundamentals/{site}/{company}/{item}
• /market/{site}/{company}/{sdate}/{edate}
• /news/{site}/{company}/{key}
• /social/{site}/{company}/{key}
• /macro/{site}

Web & REST API & Ajax 아키텍처

웹 크롤러(Web Crawler)가 주기적으로 목표 웹사이트(Target Website)를 방문하여 HTML 정보를 가져옵니다. 파서(Parser)는 이 HTML에서 필요한 데이터(뉴스 기사, 댓글 등)만 추출합니다. LLM(Large Language Model)으로 뉴스 기사, 댓글 등을 요약하거나 분석합니다. 추출된 데이터는 Big Lake에 저장되어 나중에 분석 및 조회를 위해 사용됩니다.

API vs API Gateway vs MCP

API는 클라이언트가 여러 개의 백엔드 서비스에 직접 개별적으로 요청하는 가장 단순한 구조입니다. API Gateway으로 클라이언트의 모든 요청을 단일 지점(Gateway)에서 받아 적절한 백엔드 서비스로 전달해주는 중앙화된 구조입니다. MCP(Model Control Protocol)는 API 게이트웨이의 확장된 개념으로, 단순히 요청을 전달하는 것을 넘어 서비스 간의 상호작용을 조율하고(Orchestration), 보안, 고가용성 등 더 복잡하고 중요한 기능들을 수행하는 플랫폼입니다.

ADK & MCP 아키텍처

개발자는 ADK를 사용하여 특정 기능(예: 뉴스 분석, 주가 예측)을 수행하는 개별 에이전트(Agent)들을 개발합니다. 개발된 에이전트들은 MCP 플랫폼에 배포되어 관리됩니다. MCP는 이 에이전트들이 안정적으로 작동하고 서로 통신할 수 있는 환경을 제공합니다.

Agentic AI (A2A, ADK & MCP) 아키텍처

이 프로젝트의 핵심은 Agentic AI 아키텍처에 있습니다. 이는 복잡한 작업을 자율적으로 수행하는 여러 AI 에이전트들의 협력 시스템을 의미합니다.
예를 들어, '시장 뉴스 분석 에이전트'는 매일 새로운 뉴스를 크롤링하고, LLM을 이용해 "이 뉴스가 A 기업에 긍정적인가, 부정적인가?"를 판단하여 그 결과를 '투자 전략 에이전트'에게 전달합니다. '투자 전략 에이전트'는 이 정보를 종합하여 최종 투자 의견을 생성합니다.

결론: 단순한 툴을 넘어 나만의 투자 비서로

FastAPI와 LLM, 그리고 Agentic AI 아키텍처를 활용한 주식 분석 서비스 구축은 단순히 기술적인 도전을 넘어, 복잡한 금융 시장을 헤쳐나갈 수 있는 강력한 '나만의 투자 비서'를 만드는 과정입니다.
소개된 아키텍처와 기술들은 주식 투자뿐만 아니라, 부동산 정보 분석, 시장 트렌드 예측 등 다양한 분야에 응용될 수 있는 잠재력을 가지고 있습니다. 이 글이 여러분만의 데이터 기반 의사결정 시스템을 구축하는 데 좋은 출발점이 되기를 바랍니다.

Comments

Related Posts