http://175.45.200.187:8000/agent?question=삼성전자 종가를 알려줘
의 형식으로 작성해주세요
GET /agent?question=거래량이 전날 대비 15% 이상 오른 종목을 모두 보여줘 HTTP/1.1
Host: your.server.ip:8000
Authorization: Bearer nv-xxxxxxxxxxxxxxxxxxxxxxxx
X-NCP-CLOVASTUDIO-REQUEST-ID: test-local-123
- 역할: 종목명 및 주식 관련 용어의 전처리 파이프라인을 담당합니다.
- 주요 기능: 종목 약어 및 주식 은어(슬랭)를 표준화된 형태로 정제합니다.
SparseRetriever 와 DenseRetriever의 앙상블 기법을 활용하여 변환할 종목 은어 리스트 추출 후 리랭커를 통해서 제일 적합한 단어를 선택
- 역할: 분류되지 않은 사용자 질문(미분류 테스크)을 처리하고, 재작성하여 의미를 명확히 합니다.
- 주요 기능: 시스템이 정의한 주요 테스크(단순 조회, 조건 검색, 시그널 감지)에 해당하지 않는 질문을 '테스크화'하는 로직을 수행합니다.
주가 상승/하락과 관련된 질문을 RSI, 골든/데드크로스 등의 구체적인 시그널 형태로 변환하는 기능을 포함합니다.
-
역할: 사용자 질문의 의도를 분석하여 사전에 정의된 테스크 중 하나로 분류합니다.
-
주요 기능: 사용자 질문을 다음 세 가지 테스크 유형 중 하나로 분류합니다:
-
단순 조회: 특정 정보에 대한 직접적인 질문 (예: "삼성전자 주가 얼마야?")
-
조건 검색: 특정 조건에 맞는 종목을 찾는 질문 (예: "어제 거래량 10% 이상 증가한 종목 찾아줘")
-
시그널 감지: 기술적 지표나 시장 시그널을 감지하는 질문 (예: "골든크로스 발생한 종목 알려줘")
-
- 역할: 주가 데이터를 관리하고 업데이트를 자동화
- 주요 기능: stock_db.py: 주가 데이터를 데이터베이스에 저장하고 관리하는 로직을 포함
- scheduler.py: 매일 장 마감 시점인 17:30에 자동으로 실행되도록 설정되어 하루치 주가 데이터를 데이터베이스에 저장하는 역할
역할: 전체 질의응답 처리 흐름을 연결하는 메인 워크플로우를 정의하며, LangGraph 기반으로 구축
→ 단어 전처리 (종목 약어, 주식 은어 정제)
→ 테스크 분류기
→ 에이전트 호출
→ 결과 생성
└─ 미분류된 테스크인 경우:
→ 미분류 처리기 (`noTask.py`)
→ 에이전트로 연결
처리 흐름: image
이 가이드는 AI 에이전트가 주식 분석 도구들을 효과적으로 사용할 수 있도록 작성되었습니다.
주식 분석을 위한 8개의 주요 함수가 제공됩니다:
- 주식_데이터_조회_종목명 - 특정 종목의 주가 데이터 조회
- 주식_데이터_조회_모든_종목 - 특정 날짜의 모든 종목 데이터 조회
- 종목_필터_단일 - 단일 조건으로 종목 필터링
- 종목_필터_비교 - 두 시점 데이터 비교하여 필터링
- 종목_합집합 - 두 종목 리스트의 합집합
- 종목_교집합 - 두 종목 리스트의 교집합
- 종목_차집합 - 두 종목 리스트의 차집합
- 종목_XOR집합 - 두 종목 리스트의 XOR집합
특정 종목의 주가 데이터를 조회합니다.
# 사용 예시 result = 주식_데이터_조회_종목명("삼성전자", "2024-01-02", "2024-01-05")
반환 데이터 구조:
[
{
"날짜시간": "2024年01月02日T00:00:00",
"시가": 75000,
"고가": 76000,
"저가": 74500,
"종가": 75500,
"판매량": 15000000
}
]특정 날짜의 모든 종목 데이터를 조회합니다.
# 사용 예시 kospi_stocks = 주식_데이터_조회_모든_종목("KOSPI", "2024-01-02") kosdaq_stocks = 주식_데이터_조회_모든_종목("KOSDAQ", "2024-01-02") all_stocks = 주식_데이터_조회_모든_종목("ALL", "2024-01-02")
반환 데이터 구조:
[
{
"종목명": "삼성전자",
"종목코드": "005930",
"거래이력": [
{
"날짜시간": "2024年01月02日T00:00:00",
"시가": 75000,
"고가": 76000,
"저가": 74500,
"종가": 75500,
"판매량": 15000000
}
]
}
]단일 조건으로 종목을 필터링합니다.
# 종가가 50000원 이상인 종목 찾기 high_price_stocks = 종목_필터_단일( stock_data, # 종목 데이터 리스트 "종가", # 수식 ">=", # 조건 50000 # 임계값 ) # 거래량이 1000만주 이상인 종목 찾기 high_volume_stocks = 종목_필터_단일( stock_data, "판매량", ">=", 10000000 ) # 복합 수식 사용 예시 (시가대비 종가 상승률) rising_stocks = 종목_필터_단일( stock_data, "(종가-시가)/시가*100", # 수익률 계산 ">", 5.0 # 5% 이상 상승 )
사용 가능한 변수:
시가,고가,저가,종가,판매량
사용 가능한 조건:
>,<,>=,<=,=,!=
두 시점의 데이터를 비교하여 필터링합니다.
# 전날보다 거래량이 3배 이상 증가한 종목 찾기 volume_surge_stocks = 종목_필터_비교( today_stocks, # 비교대상 (오늘) yesterday_stocks, # 비교군 (어제) "비교대상_판매량/비교군_판매량", # 거래량 비율 ">=", 3.0 # 3배 이상 ) # 전날보다 주가가 10% 이상 상승한 종목 찾기 price_surge_stocks = 종목_필터_비교( today_stocks, yesterday_stocks, "(비교대상_종가-비교군_종가)/비교군_종가*100", # 수익률 ">=", 10.0 # 10% 이상 )
사용 가능한 변수:
- 비교대상:
비교대상_시가,비교대상_고가,비교대상_저가,비교대상_종가,비교대상_판매량 - 비교군:
비교군_시가,비교군_고가,비교군_저가,비교군_종가,비교군_판매량
# 합집합: 두 조건 중 하나라도 만족하는 종목 union_stocks = 종목_합집합(high_price_stocks, high_volume_stocks) # 교집합: 두 조건을 모두 만족하는 종목 intersection_stocks = 종목_교집합(high_price_stocks, high_volume_stocks) # 차집합: 첫 번째 조건만 만족하는 종목 difference_stocks = 종목_차집합(high_price_stocks, high_volume_stocks) # XOR집합: 한 조건만 만족하는 종목 (둘 다 만족하거나 둘 다 불만족하는 것 제외) xor_stocks = 종목_XOR집합(high_price_stocks, high_volume_stocks)
# 1단계: 오늘과 어제 데이터 조회 today_data = 주식_데이터_조회_모든_종목("KOSPI", "2024-01-03") yesterday_data = 주식_데이터_조회_모든_종목("KOSPI", "2024-01-02") # 2단계: 거래량 급증 종목 찾기 (전날 대비 2배 이상) volume_surge = 종목_필터_비교( today_data, yesterday_data, "비교대상_판매량/비교군_판매량", ">=", 2.0 ) # 3단계: 주가 상승 종목 찾기 (5% 이상) price_rise = 종목_필터_비교( today_data, yesterday_data, "(비교대상_종가-비교군_종가)/비교군_종가*100", ">=", 5.0 ) # 4단계: 두 조건을 모두 만족하는 급등주 찾기 hot_stocks = 종목_교집합(volume_surge, price_rise)
# 1단계: 전체 데이터 조회 all_stocks = 주식_데이터_조회_모든_종목("KOSPI", "2024-01-02") # 2단계: 대형주 필터링 (시가총액 대신 거래량으로 대체) large_cap = 종목_필터_단일( all_stocks, "판매량", ">=", 5000000 # 500만주 이상 ) # 3단계: 저가주 필터링 low_price = 종목_필터_단일( all_stocks, "종가", "<=", 100000 # 10만원 이하 ) # 4단계: 대형주이면서 저가인 종목 value_stocks = 종목_교집합(large_cap, low_price)
# 1단계: 두 섹터 대표 종목들 데이터 조회 tech_stocks = 주식_데이터_조회_모든_종목("KOSDAQ", "2024-01-02") # 기술주 traditional_stocks = 주식_데이터_조회_모든_종목("KOSPI", "2024-01-02") # 전통주 # 2단계: 각 섹터에서 상승 종목 찾기 tech_rising = 종목_필터_단일( tech_stocks, "(종가-시가)/시가*100", ">", 3.0 ) traditional_rising = 종목_필터_단일( traditional_stocks, "(종가-시가)/시가*100", ">", 3.0 ) # 3단계: 섹터별 강세 비교 tech_strength = len(tech_rising) traditional_strength = len(traditional_rising)
- 항상
주식_데이터_조회_모든_종목또는주식_데이터_조회_종목명으로 시작 - 필터링은 조회된 데이터에 순차적으로 적용
- 괄호를 적절히 사용하여 연산 순서 명확화
- 나눗셈 시 0으로 나누는 경우 자동으로 필터링됨
- 퍼센트 계산 시 100을 곱해야 함:
(종가-시가)/시가*100
- 큰 데이터셋은 여러 단계로 나누어 필터링
- 불필요한 데이터 조회 피하기
- 집합 연산 전에 개별 필터링 먼저 수행
- 데이터가 없는 날짜 조회 시 빈 리스트 반환
- 잘못된 종목명 입력 시 빈 리스트 반환
- 수식 오류 시 해당 종목은 자동으로 제외
모든 함수의 입력과 출력은 일관된 딕셔너리 형식을 사용합니다:
{
"종목명": "string",
"종목코드": "string",
"거래이력": [
{
"날짜시간": "ISO 형식 날짜시간",
"시가": "number",
"고가": "number",
"저가": "number",
"종가": "number",
"판매량": "integer"
}
]
}이 형식을 유지하면서 함수들을 연결하여 복잡한 주식 분석 파이프라인을 구성할 수 있습니다.