거래 추천 평가를 위한 AI 에이전트

이 기사는 저자의 게시물에서 추출한 신호를 기반으로 자동으로 거래를 실행하여 트레이딩 추천을 평가하는 AI 에이전트를 소개한다. 저자가 자체 보고한 통계에 의존하는 대신, 이 에이전트는 MCP(Model Context Protocol)를 통해 자유 형식의 텍스트와 이미지를 파싱하여 거래 의도를 도출한다. 실제 거래가 아닌 테스트 계정에서 시뮬레이션된 체결로 운영된다. 토큰 사용량을 최적화하기 위해 요약 생성은 서브에이전트에 위임되어, 용량이 큰 이미지가 전역 컨텍스트에 유입되는 것을 방지한다. 측정 결과 Sonnet 5 모델은 Claude Max의 주간 한도를 초과하지 않으면서 15분마다 폴링할 수 있는 반면, 다른 모델들은 지속 가능한 시간이 더 짧은 것으로 나타났다. 이 시스템은 외부 엔진이 수익률을 계산하도록 함으로써 AI 편향적인 백테스팅을 피하며, 에이전트는 오직 매수/매도라는 이진 결정만 내린다. 최종 평가는 낙폭(drawdown), 샤프 비율(Sharpe ratio), 칼머 비율(Calmar ratio)을 포함해 추천된 모든 종목을 망라한 종합 테이블을 기반으로 산출된다. 이 아키텍처는 Ollama와 Anthropic 호환 프록시를 통한 로컬 호스팅을 지원하며, 산술 연산은 스크립트가 처리하기 때문에 성능이 약한 모델을 사용하더라도 리스크 관리가 무너지지 않도록 보장한다. 트레일링 테이크(trailing take) 및 피크 스테일니스(peak staleness) 조건은 코드로 구현되어 있으며, 대시보드는 차트와 알림 기능을 제공한다.