Sentiment-to-Signal: 주식 시장 지능형 에이전트
Source: Dev.to
Journey
11월에 진행된 Google의 5일간 Agentic AI Intensive Course에 참석하면서 Google ADK를 활용해 엔드‑투‑엔드 프로젝트를 학습하고 구축할 수 있는 좋은 기회를 얻었습니다. 팟캐스트, 백서, 라이브 세션, 실습 노트북을 조합해 Google 방식으로 에이전트 애플리케이션을 구축하는 기본 원리를 깊이 이해하게 되었습니다.
Capstone Competition Project를 통해 다음 중 최소 세 가지 ADK‑기반 요소를 사용해 배운 내용을 적용해 볼 수 있었습니다:
- 에이전트 아키텍처 — Parallel, Sequential, Loop, Custom
- MCP를 통한 에이전트 도구 및 통합
- 컨텍스트 엔지니어링 및 메모리 관리
- 에이전트 평가 및 품질
- 에이전트 배포
Timeline
- Nov 10 주 – 👩🏻🏫 콘텐츠 흡수
- Nov 17 주 – 💆🏻♀️ 마인드맵 작성 및 아이디어 도출
- Nov 21 주 – 👩🏻💻 요소들을 결합하고 구현
Discovery
인텐시브 코스에 참여하기 전에는 무엇을 만들지에 대한 명확한 아이디어가 없었습니다. 프로젝트는 주식 시장에 대한 개인적인 관심과 Agentic AI Week 동안 탐색한 도구·기술을 결합하면서 자연스럽게 떠올랐습니다.
핵심 필요성을 해결하기 위해 주식 시장 분석 멀티‑에이전트 시스템을 만들기로 했습니다:
주식 트레이더는 시장 감성을 수집하고, 정량적 분석을 수행하며, 그 의미를 즉시 그리고 일관되게 설명해 주는 단일 시스템이 필요합니다.
What the End‑to‑End Looked Like
로고 디자인, 아이디어 구상, 문제 정의, 데이터 가용성 확인, AI 툴체인 벤치마킹(모두 병행 진행)부터 POC 구축 및 작동 예시 제공까지—이 프로젝트는 완전한 엔드‑투‑엔드 제품 사고와 엔지니어링 역량을 요구했습니다. 과정 자체와 문제 해결, 그리고 도구를 활용해 무엇을 할 수 있는지 탐구하는 것이 정말 즐거웠습니다.
Deliverable
저는 S&P 100 트레이더에게 실행 가능한 투자 인사이트를 제공하는 멀티‑에이전트 주식 시장 분석 시스템을 설계·제공했습니다.
아키텍처는 Google ADK를 핵심 프레임워크로 활용하며, 멀티‑에이전트 오케스트레이션, 함수 통합, 외부 도구를 위한 MCP 지원을 사용합니다. 시스템은 Gemini‑2.5‑Flash‑Lite와 Nemotron‑9B‑v2로 구동되어 확장 가능한 분석 및 추론을 가능하게 합니다.
Challenges Along the Way
어떤 프로젝트든 그렇듯, 몇 가지 기술적 난관이 있었습니다:
- Google ADK 내에 데이터 사이언스 에이전트를 통합하는 작업
- 저장된 작업을 잃어버려 수시간의 진행을 다시 해야 함
- 코딩‑어시스턴트 도구의 크레딧을 여러 번 사용하고 Kaggle GPU 한도에 근접함
Final Note
학습 기회를 제공해 주신 Google과 Kaggle 팀에 감사드립니다.