Show GN: 31개의 LLM을 교차검증 체계로 엮은 100% 자율 주식 매매 시스템

Context

초기 B2C 종목 추천 웹서비스는 막대한 API 통신 비용과 효용성 검증 문제에 직면했다. 31개 에이전트 시스템 운영 중 LLM이 손절을 하지 않는 처분 효과(Disposition Effect)와 20~30개 종목 분석 시 토큰 한계 및 외부 API Rate Limit 초과 현상이 반복되었다.

Technical Solution

• 단일 프롬프트 대신 탑다운 투자 방식을 모사하는 Multi-Agent 릴레이 파이프라인 도입: Phase 0~1(포트폴리오 심리 분석) → Phase 2(거시경제 팀 7개 에이전트) → Phase 3(산업 섹터 팀 10개 에이전트) → Phase 4(기업분석 및 리스크 팀 8개 에이전트) → Phase 5(CIO 1개 에이전트)
• 거시경제 팀에 Base/Bull/Bear 3가지 시나리오 강제 도출 메커니즘 적용해 단방향 사고 방지
• 산업 섹터 팀에 Validator 에이전트 배치로 상장폐지 여부, 시총 미달 등 기계적 필터링을 통해 LLM 환각(hallucination) 제거
• CIO 모델(gemini-3.1-pro-preview)에 Bounded Autonomy 프롬프트 적용: "내가 틀렸을 때의 Bear Case 시나리오"와 "투자 무효화 조건" 명시 강제화로 매몰 비용 오류 방지
• 어제와 오늘 의사결정 모순 발생 시 스탠스 변경 사유 명시 및 자체 과거 승률 평가를 통한 Red-Teaming 로직 추가
• 재무, 차트 지표 등 대량 데이터를 get_fundamental_batch_all 형태의 백단 배치 처리 아키텍처로 전환해 API 호출 최적화

Impact

• 전체 파이프라인 실행 시간을 1시간 이내로 안정화(기존: API Rate Limit과 토큰 초과로 인한 불안정한 실행)

Key Takeaway

Multi-Agent 시스템에서 단순한 에이전트 병렬 구성보다는 비즈니스 프로세스의 의사결정 계층 구조를 반영한 릴레이 파이프라인이 LLM의 인지 편향 제거와 최종 출력 품질 향상에 효과적이며, 배치 처리 기반 API 통합이 수십 개 외부 호출의 트래픽 폭주 문제를 근본 해결한다.