AI 요약
LangAlpha는 단순한 일회성 질의응답을 넘어, 소프트웨어 엔지니어링의 코드베이스 관리 방식을 금융 투자 리서치에 도입한 AI 에이전트입니다. '투자는 베이즈 정리(Bayesian)와 같은 반복적 과정'이라는 철학 아래, 사용자가 설정한 'Q2 리밸런싱'이나 '데이터 센터 수요 분석'과 같은 특정 연구 목표별로 독립된 워크스페이스를 제공합니다. 이 시스템은 Claude Code나 OpenCode처럼 기존 컨텍스트를 유지하며 연구 결과가 누적되도록 설계되어, 시간이 지남에 따라 분석의 깊이가 더해집니다. 특히 모델 컨텍스트 프로토콜(MCP)과 프로그램 기반 도구 호출(PTC) 기술을 결합하여, 방대한 금융 데이터를 LLM에 직접 넣는 대신 파이썬 코드를 실행해 처리함으로써 효율성을 극대화했습니다. 결과적으로 투자자는 인라인 시각화 차트와 정교한 보고서가 포함된 모닝 노트를 매일 아침 받아볼 수 있습니다.
핵심 인사이트
- 소프트웨어 공학의 투자 이식: Claude Code의 지속성 모델을 벤치마킹하여 리서치 데이터와 분석 내용이 증발하지 않고
agent.md파일에 누적되도록 구현했습니다. - 해커톤 공식 출품작: Gemini 3 해커톤 제출을 위해
hackathon/gemini-3브랜치를 동결 관리하고 있으며, 메인 브랜치에서 지속적인 개발이 진행 중입니다. - PTC(Programmatic Tool Calling) 도입: 원시 데이터를 LLM 컨텍스트에 쏟아붓는 대신, 에이전트가 직접 파이썬 코드를 작성하고 실행하여 MCP 서버의 금융 데이터를 처리해 토큰 비용을 획기적으로 절감합니다.
- 전문 금융 스킬셋: DCF(현금흐름할인) 모델 구축, 신규 종목 분석 보고서(Initiating Coverage), 실적 분석 등 전문적인 금융 워크플로우를 슬래시(/) 명령어로 즉시 활성화할 수 있습니다.
주요 디테일
- 영구 워크스페이스: 각 리서치 목표는 전용 샌드박스 디렉토리와 매핑되며, 세션이 종료되어도 스레드와 파일이 보존되어 다음 날 바로 이어서 작업이 가능합니다.
- 점진적 도구 발견: 모든 MCP 도구는 컨텍스트 내 요약으로 로드되며, 에이전트가 필요할 때만 전체 문서를 호출하여 도구를 사용하는 'On-demand' 방식을 채택했습니다.
- 다계층 데이터 에코시스템: 빠른 조회를 위한 네이티브 툴과 대량 데이터 처리를 위한 MCP 서버 기반의 다계층 데이터 제공 체계를 갖추고 있습니다.
- 사용자 인터페이스: 웹 UI를 통해 인라인 금융 차트, 멀티 포맷 파일 지원, TUI(텍스트 유저 인터페이스) 등 다양한 작업 환경을 제공합니다.
- 병렬 서브 에이전트: 스킬이 활성화되면 에이전트가 여러 개의 서브 에이전트를 동시에 파견하여 시장 데이터, 뉴스, 매크로 지표를 실시간으로 수집합니다.
향후 전망
- 금융 AI의 패러다임 변화: 단순 챗봇 형태에서 벗어나 투자자와 함께 성장하는 '연구 파트너' 형태의 AI 에이전트 시장이 확대될 것으로 보입니다.
- 전문가 도구의 대중화: 고도의 금융 지식이 필요한 DCF 모델링이나 매크로 분석 등이 AI 에이전트를 통해 자동화되면서 개인 투자자와 기관의 정보 격차가 줄어들 가능성이 있습니다.
출처:hackernews