투자은행 리서치팀을 AI에 우겨넣기: TradingAgents 멀티에이전트 협업 프레임워크로 돈 버는 법

문제점: 단일 에이전트의 복잡한 의사결정 천장

GPT나 Claude 하나만 굴려서 투자 분석 돌려본 사람은 다 아는 답답함이다. 펀더멘털, 센티먼트, 기술 분석을 한 모델에 시키면 “죽 늘어놓기”가 시작된다. 어중간한 “보유” 추천을 뱉거나, 논리 사슬이 끊긴다 — 방금 어제 실적 서프라이즈라고 해놓고, 다음 문장에 분위기 약화 운운한다.

솔직히 말하면 모델 지능 문제가 아니라 아키텍처 문제다. 실제 투자은행 의사결정 흐름은 원래 분업이다. 애널리스트 각자 구역 담당, 리서처끼리 토론, 트레이더는 시그널 보고, 리스크 매니저가 손절 라인 긋는다. AI가 모든 역할을 혼자 하면 반드시 왜곡된다.

TradingAgents의 핵심 돌파구는 이 파이프라인을 7개 독립 에이전트로 쪼갠 것이다 — 펀더멘털 애널리스트, 센티먼트 애널리스트, 뉴스 애널리스트, 기술 애널리스트, 리서처(강세론자/약세론자 토론), 트레이더, 리스크 매니저 — 각자 일하고, 서로 싸우고, 마지막에 합산한다.

기회: 주식 도구는 아니다. AI 협업의 “표준 샌드박스”다

대부분 첫 반응은 “이걸로 주식 투자”. 틀렸다. TradingAgents를 점술로 보는 순간 게임이 끝난다.

진짜 가치는 여기 있다: 이건 오픈소스, 수정 가능, 실제로 돌아가는 복잡한 의사결정 시스템 템플릿이다.

AI 외주 하는 사람은 멀티에이전트 협업 아키텍처를 여기서 통째로 배낄 수 있다. 콘텐츠 만드는 사람은 “AI가 어떻게 결정하는가”를 분해해서 인사이트 소재로 쓸 수 있다. 제품 만드는 사람은 그대로 fork 해서 수직 산업용 의사결정 어시스턴트로 만들 수 있다.

GitHub에서 이 프로젝트는 멀티에이전트 프레임워크 중 가장 핫한 축에 속한다 (정확한 star 수는 시점에 따라 변동, 원본 글 기준 56k–98.9k 사이, 독립 검증 안 함). 코드 구조 깔끔하고, 문서 완비, 커뮤니티 활발하다. AI 협업 연구하고 싶은 사람에게는 해부台가 그대로 갖춰져 있다.

경로: 수익화 세 가지 라인

Step 1: 외주 — 업종별 “의사결정 에이전트 키트” 납품

TradingAgents 코드 구조는 모듈형이다: 애널리스트 레이어, 리서처 레이어(강세/약세 토론), 트레이더 레이어, 리스크 레이어, 각 레이어가 독립 에이전트다.

외주 로직은 단순하다: “금융 리서치”를 다른 업종 의사결정 시나리오로 교체하면 끝.

• 이커머스 셀렉팅: 한 에이전트가 판매 데이터, 다른 에이전트가 경쟁사 가격, 다른 에이전트가 공급망 리스크 돌리고, 마지막에 토론해서 “이 제품 올릴까 말까” 결정. 구체적 수정 포인트: analyst.py의 system prompt 다시 쓰고, 재무 데이터 소스를 차이나마마(蝉妈妈) API로 교체, MACD 같은 기술 지표를 판매 트렌드로 바꾼다.
• 콘텐츠选题: 에이전트가 플랫폼 알고리즘, 유저 센티먼트, 바이럴 규칙 각각 분석해서 토론하게 한다. 수정 포인트: 뉴스 데이터 소스를 신방(新榜)/차이나마마로 교체, “실적” 변수를 “완시율/인터랙션율”로 바꾼다.
• 채용 스크리닝: 에이전트가 이력서 매칭도, 면접 퍼포먼스, 팀 협업 리스크 각각 평가해서 “오퍼 보낼까” 토론하게 한다. 수정 포인트: 시세 데이터 인터페이스를 이력서 파싱 API로 교체, 리스크 에이전트 로직을 “손절”에서 “수습 통과율 예측”으로 바꾼다.

추론은 Claude가 제일 안정적이고, GPT-4o는 가끔 횡설수설한다. n8n은 Make보다 진입장벽 낮은데 비싸다, 예산 보고 골라라. 클라이언트가 “7개 AI가 싸워서 결정해준다”는 말 들으면 견적 바로 두 배 뛴다.

가격 책정 기준 참고 (최종은 클라이언트 예산 따라): 단일 시나리오 커스텀 80만–200만 원 (헤드급 AI 컨설팅 업체의 업종 리포트 견적 기준), 업종 범용 버전 300만 원부터 (커스텀 BI 대시보드 프로젝트 기준).

Step 2: 콘텐츠 — “AI 사고방식” 분해해서 인사이트 상품으로

TradingAgents를 돌리면 완전한 토론 기록이 출력된다: 강세 리서처가 뭐라고, 약세 리서처가 어떻게 반박하고, 트레이더가 최종적으로 누구 논리를 채택했는지.

이 기록 자체가 희소 콘텐츠 소재다.

Lemon8이나 TikTok에서 “AI 투자 일기” 계정 운영하면서, 매일 종목 하나 돌려서 토론 과정 스크린샷으로 숏폼 만든다. 제목에 갈등 포인트 그대로 박는다: “GPT 강세 vs Claude 약세, 테슬라 살까 말까” — 이런 콘텐츠 완시율 미친다.

⚠️ 컴플라이언스 주의: 구체 종목 추천 들어가는 순간 증권류 규정 위반으로 계정 제한/정지 맞는다. 토론 과정만 보여주고 매수/매도 추천은 절대 금지. 제목은 “AI가 어떻게 싸우나”로 가고 “사야 하나”로 절대 가지 마라.

심화玩法: 다회 토론 기록을 정리해서 《AI 의사결정 위클리》로 만들고, 지식스타(知识星球) 같은 곳에 연 9.9만–29.9만 원에 판매. 타겟은 투자 의사결정 프레임 배우고 싶은 일반인/개미다. 투자은행 리포트는买不起지만 “AI가 투자은행 시뮬레이션한” 부산물은 살 수 있다.

숨은 가치 하나 더: 이 토론 데이터는 본인 Second Brain(개인 지식베이스) 역훈련에 쓸 수 있다. “AI가 어떤 상황에서 판단을 바꾸는가”를 지식베이스로 만들어두면, 앞으로 어떤 결정이든 호출해서 쓸 수 있다.

Step 3: 제품 — 수직 업종 “AI 리서치 SaaS”

TradingAgents는 오픈소스지만, **수직 업종 데이터 소스와 프롬프트가 해자(moat)**다.

이커머스 예시: 아키텍처를 “셀렉팅 에이전트 키트”로 바꾸고, 데이터 소스에 차이나마마, Temu/Shopee 셀러后台, TikTok Shop API 연결, 프롬프트를 셀렉팅 시나리오에 맞춰 다시 쓴다. Shopify 셀러나 Shopee 셀러가 “매일 자동으로 잠재 폭죽 제품 10개 추려준다”에 월 5만–20만 원 (차이나마마 베이직 멤버십 연 99위안의 6배 프리미엄) 낼 의향 있다.

기술 스택 단계별 정리:

• MVP 최소 가동 버전: Streamlit + TradingAgents 핵심 모듈 + API key 하나, 3일이면 출시.
• 고급 버전: 프론트는 Next.js, 백엔드는 FastAPI, 에이전트 오케스트레이션은 LangGraph(워크플로 엔진) 또는 CrewAI.
• 스케일 배포: Railway 또는 Vercel, 업종별 API 데이터 소스 연결.

콜드 스타트는 SEO와 Lemon8 광고投放으로. 키워드는 “AI 셀렉팅 툴”, “AI 리서치 어시스턴트”. 시드 유저는 이커머스 커뮤니티와 투자 텔레그램 그룹에서 건진다.

비용 산정: API비가 마진 잡아먹지 않게

7개 에이전트 직렬로 한 번 돌리면, GPT-4o 가격 기준 한 번 의사결정에 토큰 약 15k–30k 소모, 비용 약 800–2,400원. 클라이언트가 하루 한 번 돌린다고 치면 월 API 비용 2.4만–7.2만 원, 가격 5만–20만 원/월이면 마진 60–70% 잡힌다.

비용 절감안: 비핵심 에이전트(센티먼트, 뉴스)는 GPT-4o-mini 또는 로컬 Llama로 대체, 한 번 비용 160–480원까지 떨어진다. 리서처 토론 구간이 핵심이니 거기서 아끼지 마라.

사례: TradingAgents가 뽑은 실제 의사결정은 어떤 모양?

원본 글에 따르면 이 프로젝트는 백테스트와 페이퍼 트레이딩 기능을 지원한다고 한다 (원본 글 기준, 독립 검증 안 함). 테슬라 돌린다고 가정하면:

1. 펀더멘털 애널리스트: 최신 실적 끌어와서 “매출 YoY +15%, 매출총이익률 반등” 출력.
2. 센티먼트 애널리스트: Twitter, Reddit 훑어서 “개미 센티먼트 강세 우세, 단 기관 토론량 감소” 출력.
3. 뉴스 애널리스트: Bloomberg, Reuters 잡아서 “상하이 공장 증설 호재” 출력.
4. 기술 애널리스트: MACD, RSI 돌려서 “주봉 레벨 과매수” 출력.
5. 리서처 토론: 강세 “펀더멘털+증설이 장기 지지”, 약세 “기술적 과매수+센티먼트 정점”.
6. 트레이더: 종합 판단해서 “소액 포지션试探, 손절 -5%” 제시.
7. 리스크 매니저: 포트폴리오 상관관계 점검해서 “현재 테크 노출도 이미 높음, 20% 축소 권고”.

이 플로우 한 번 돌리면, 하루 종일 Xueqiu(雪球) 스크래핑하는 것보다 인지 밀도가 몇 배는 높다.

행동 촉구: 오늘 밤 바로 시작

더 이상 북마크 폴더에 묻지 마라. GitHub에서 TradingAgents 검색하고, clone 해서, 아래 세 단계 따라와라:

1. 기본 케이스 돌리기: OpenAI 또는 Anthropic API key 넣고, 일단 애플 분석 한 번 돌려서 전체 토론 플로우 확인.
2. 변수 하나 바꾸기: 종목 코드를 네가 아는 이커머스 카테고리로 교체 (예: “어떤 여성복款式 올릴까”), 에이전트가 어떻게 토론하는지 관찰.
3. 콘텐츠 하나 녹화: 토론 과정 화면 녹화해서 Lemon8이나 TikTok에 올린다. 제목은 “7개 AI가 테슬라 살까 말까 싸우는 영상”.

3일 후에 얼마 벌었는지 알려줘.

코딩을 못 한다면?

• Coze나 Dify의 멀티에이전트 템플릿 드래그앤드롭 버전 그대로 써라. Python 안 건드려도 된다.
• 아니면 TradingAgents Web Demo (제작자가 배포했다면) 바로 쓰면 된다. 종목 코드 입력하면 토론 결과 바로 나오니까, 화면 녹화해서 콘텐츠 소재로 써도 된다.
• 가장 게으른 玩法: 기본 케이스 한 번 돌려서 토론 스크린샷 Lemon8에 올리고 “7개 AI가 애플 분석해줬다” 한 줄 붙이면 팔로우는 붙는다.