Market Analysis Agent

시스템 레이어 구조

1. 클라이언트 레이어

• Client Request: 사용자 또는 외부 시스템으로부터의 요청 시작점

2. API 레이어

• FastAPI Server: RESTful API 서비스를 제공하는 시스템의 진입점
  • 각 에이전트 노드에 대한 API 엔드포인트 자동 생성
• Dependency Injection Container: 시스템 구성 요소 간의 의존성을 관리

3. 조율 레이어

• SupervisorNode: 워크플로우의 두뇌 역할을 하는 핵심 컴포넌트
  • 요청 내용을 분석하고 적절한 에이전트 선택
  • 다양한 에이전트의 작업을 조율하고 최종 결과 생성

4. 에이전트 레이어

6개의 전문 에이전트 노드:

• NaverNewsSearcherNode: 네이버 뉴스 API를 통한 한국어 뉴스 검색
• ReportAssistantNode: 수집된 정보를 바탕으로 마크다운 형식의 보고서 생성
• ChosunRSSFeederNode: 조선일보 RSS 피드에서 뉴스 수집
• WSJRSSFeederNode: 월스트리트저널 RSS 피드 통합 수집
• USFinancialAnalyzerNode: 미국 기업 재무제표 및 주가 분석
• WeeklyReporterNode: 주간 시장 요약 리포트 생성

5. 데이터 소스 레이어

에이전트들이 정보를 수집하는 외부 데이터 소스:

• Naver News API: 한국어 뉴스 검색 서비스
• Chosun RSS: 조선일보 RSS 피드
• WSJ RSS: 월스트리트저널 RSS 피드
• Alpha Vantage API: 미국 주식 시장 데이터 및 재무제표 API

외부 서비스 및 인프라

• LLM Provider: OpenAI의 gpt-4o-mini 모델을 활용한 언어 처리 서비스
• Milvus Vector DB: 임베딩 벡터를 저장하고 검색하는 벡터 데이터베이스
• Background Scheduler: 정기적인 데이터 수집 및 처리 작업 관리

주요 데이터 흐름

이 아키텍처의 데이터 흐름은 다음과 같은 핵심 경로를 따릅니다:

1. 요청 처리: 클라이언트 → FastAPI 서버 → SupervisorNode
2. 작업 할당: SupervisorNode → 에이전트 노드
3. 데이터 수집: 에이전트 노드 → 외부 데이터 소스
4. LLM 처리: SupervisorNode ↔ LLM Provider
5. 의존성 주입: Dependency Injection Container → 시스템 컴포넌트

LangGraph 멀티 에이전트 프레임워크의 강점

1. 효율적인 워크플로우 관리

   • 상태 기반 그래프를 통한 에이전트 간 작업 흐름 관리
   • 복잡한 작업을 여러 전문 에이전트로 분배하여 효율적으로 처리

2. 확장성과 모듈성

   • 각 에이전트는 독립적인 기능 단위로 설계
   • 새로운 에이전트 추가 시 기존 시스템에 미치는 영향 최소화

3. 중앙 집중식 조율

   • SupervisorNode가 전체 워크플로우 관리
   • 에이전트 간 협업 및 결과 통합 조율

4. 데이터 소스 다양화

   • 다양한 외부 데이터 소스 활용으로 종합적인 정보 수집
   • 국내외 뉴스 및 금융 데이터를 통합하여 포괄적인 시장 분석 제공