스피리티드 오라클: Gemini 기반 멀티 에이전트 지브리 아파트 헌터

Source: Dev.to

개요

이번 Built with Google Gemini: Writing Challenge 제출물은 혼란스러운 교외 주택 시장을 다룹니다. 기존 매물은 실제 비용을 숨기기 일쑤이며—공과금, 주차, 임차인 보험, 헬스장 이용료 등으로 월 $1,400의 임대료가 $1,850까지 상승할 수 있습니다. 잡음을 없애기 위해 저희 팀은 The Spirited Oracle이라는 아파트 탐색 도구를 스튜디오 지브리 영화처럼 재구성했습니다.

이 시스템은 Google Gemini 2.5 Flash 기반의 멀티‑에이전트 AI 아키텍처와 ElevenLabs를 통해 구현된 사랑받는 지브리 캐릭터들의 목소리를 사용합니다. 건조한 사양서를 읽는 대신, 사용자는 캐릭터가 전하는 인사이트를 통해 실제 임대 비용을 파악할 수 있습니다.

멀티‑에이전트 아키텍처

에이전트

Gemini는 API(예: Overpass, OSRM)에서 받은 원시 JSON을 캐릭터‑드리븐 인사이트로 변환합니다. Gemini 기반 채팅 인터페이스를 통해 사용자는 전체 매물 컨텍스트를 바탕으로 후속 질문을 할 수 있습니다.

파이프라인

시스템은 이중 파이프라인 아키텍처를 사용합니다:

• 배치 파이프라인 – 시장 전체 ZORI 데이터를 백그라운드에서 수집·처리합니다.
• 단일 파이프라인 – 실시간으로 개별 매물 쿼리를 처리해 사용자 UI의 낮은 지연 시간을 보장합니다.

구현 세부 사항

• LLM을 현실에 접지 – LLM에게 임대 공정성을 판단하게 하면 환각이 발생하므로, Zillow의 ZORI/ZORDI 데이터를 이용해 결정론적 공정성 지표를 계산하고 LLM이 그 결과를 서술하도록 했습니다.
• 에이전트 간 상태 관리 – Gemini 2.5 Flash의 속도로 여섯 에이전트를 병렬로 실행했습니다. 순수 JSON 출력을 강제하기 위해 공격적인 폴백 핸들러와 정교한 시스템 프롬프트를 추가해 "Here is your JSON:"와 같은 불필요 텍스트 파싱 오류를 최소화했습니다.

전반적으로 가드레일을 구축한 뒤 Gemini는 에이전트 워크플로우에 강력한 동력을 제공했습니다.

배운 점

LLM을 현실에 접지하기

• 결정론적 데이터(예: ZORI)는 정량적 의사결정을 주도해야 하며, LLM은 스토리텔링과 컨텍스트 제공에 강점이 있습니다.

에이전트 간 상태 관리

• 빠른 모델 응답은 지연 시간을 줄이지만, 엄격한 출력 형식이 필수입니다. 향후 개선점으로는 네이티브 JSON‑mode 강제 적용을 고려할 수 있습니다.

자료

• The Spirited Oracle GitHub Repo
• Devpost Submission