LangAlpha - Wall Street를 위해 만들어진 Claude Code

Show HN: LangAlpha – what if Claude Code was built for Wall Street?

📅 2026-04-14 📰 Hacker News (Top) ⬆ 89

요약

LangAlpha는 금융 시장 해석과 투자 결정을 지원하는 AI 에이전트로, 지속적으로 데이터를 수집하고 가설을 업데이트하는 베이지안 투자 프로세스를 구현했다. 지속적인 워크스페이스, 병렬 서브에이전트, MCP 도구 통합 등으로 수주에서 수개월에 걸친 복합적인 금융 분석을 지원한다.

핵심 포인트

일회성 질답이 아닌 지속적 워크스페이스 기반 연구: 이전 분석이 누적되어 다음 세션에서 활용됨
프로그래매틱 도구 호출(PTC): 에이전트가 Python으로 금융 데이터를 처리하여 토큰 낭비를 줄이고 복잡한 분석 가능
DCF 모델, 실적 분석, 아침 노트 등 금융 리서치용 사전 구축 워크플로우 제공

왜 중요한가

금융 전문가가 AI 에이전트와 협업하여 장기적이고 반복적인 투자 분석을 수행할 수 있게 함으로써 실제 금융 워크플로우에 AI를 적용한 실례를 보여준다.

📄 전문 번역

바이브 투자 에이전트, LangAlpha로 만나다

LangAlpha는 금융시장을 해석하고 투자 결정을 돕기 위해 만들어진 AI 에이전트입니다.

참고: Gemini 3 해커톤 심사위원 또는 검토자라면 hackathon/gemini-3 브랜치에서 최종 제출본을 확인하세요. main 브랜치는 제출 이후의 지속적인 개발 내용을 담고 있습니다.

[시작하기](https://github.com) • [API 문서](https://github.com) • [에이전트 코어](https://github.com) • [백엔드](https://github.com) • [웹](https://github.com) • [TUI](https://github.com) • [스킬](https://github.com) • [MCP](https://github.com)

스킬이 활성화되면 에이전트는 병렬로 여러 하위 에이전트를 파견해 시장 데이터, 뉴스, 거시경제 정보를 수집합니다. 그 다음 인터랙티브한 차트가 내장된 아침 시장 노트를 제시해줍니다.

왜 LangAlpha인가

오늘날의 금융 AI 도구들은 모두 같은 방식이거든요. 질문하고 답변받고 끝내는 식입니다. 그런데 실제 투자는 다릅니다. 베이지안 방식으로 작동하죠. 초기 가설에서 시작해서 매일 새로운 데이터가 들어오면 확신도를 업데이트하는 식입니다. 이건 몇 주, 몇 달에 걸쳐 펼쳐지는 반복적인 과정입니다. 가설을 다듬고, 포지션을 재검토하고, 새로운 분석을 기존 것 위에 쌓아나가죠. 한 번의 프롬프트로는 절대 이런 과정을 담을 수 없습니다.

바이브 코딩에서 바이브 투자로

소프트웨어 엔지니어링에서 영감을 얻었습니다. 코드베이스는 계속 존재하고, 매 커밋마다 그 위에 뭔가를 덧붙이죠. Claude Code나 OpenCode 같은 코드 에이전트가 성공한 이유는 이런 패턴을 받아들인 덕분입니다. 기존 맥락을 탐색하고 이전 작업을 바탕으로 더 나아가는 방식이거든요.

LangAlpha는 같은 통찰력을 투자 분야에 적용했습니다. 에이전트에게 지속적인 작업 공간을 제공하면, 연구가 자연스럽게 쌓여나갑니다.

실제로는 이렇게 작동합니다. 연구 목표마다 작업 공간을 하나씩 만드세요. "Q2 리밸런싱", "데이터센터 수요 심층 분석", "에너지 섹터 회전" 같은 식으로요. 에이전트가 당신의 목표와 스타일에 대해 질문하고, 첫 번째 결과물을 내놓은 뒤 모든 것을 작업 공간 파일시스템에 저장합니다. 내일 다시 돌아와도 파일, 대화 기록, 쌓인 연구 결과가 모두 그대로 있습니다.

주요 기능

점진적 도구 발견 — MCP 도구들이 요약 형태로 컨텍스트에 로드되고, 전체 문서는 작업 공간에 저장됩니다. 이를 통해 에이전트는 필요할 때 도구를 발견하고 사용할 수 있습니다. JSON 도구를 스킬과 바인딩하고 스킬이 활성화될 때만 에이전트에 노출하는 것도 지원합니다.

프로그래매틱 도구 호출(PTC) — 에이전트가 원본 데이터를 LLM 컨텍스트 윈도에 그냥 집어넣는 대신, Python을 작성하고 실행해서 MCP 서버의 금융 데이터를 처리합니다. 복잡한 다단계 분석이 가능해지면서 토큰 낭비도 극적으로 줄어듭니다.

금융 데이터 생태계 — 다계층 공급자 계층 구조와 빠른 조회를 위한 네이티브 도구, 대량 데이터 처리·차트·다년간 분석을 위한 MCP 서버로 구성됩니다.

지속적인 작업 공간 — 각 작업 공간은 전용 샌드박스에 매핑되며, 구조화된 디렉토리와 지속적 메모리 파일(agent.md)을 갖추고 있습니다. 세션과 스레드를 넘나들며 연구가 계속 쌓여갑니다.

금융 연구 스킬 — DCF 모델, 커버리지 리포트 시작, 어닝 분석, 아침 노트, 문서 생성 등 사전 제작된 워크플로우입니다. 슬래시 커맨드로 활성화하거나 자동 감지되기도 합니다.

금융 연구 워크벤치 — 웹 UI에는 내장 금융 차트, 다양한 형식의 파일 뷰어, TradingView 차트, 실시간 WebSocket 시장 데이터, 공유 가능한 대화, 하위 에이전트 모니터링이 있습니다.

다중 공급자 모델 레이어 — LLM 추상화가 공급자 불가지론적이며, 오류 발생 시 자동 페일오버를 지원합니다.

자동화 — 반복 또는 일회성 작업을 예약하거나, 주식이나 지수가 실시간 가격 조건을 만족하면 발동하는 가격 트리거 자동화를 설정할 수 있습니다.

비서 — Flash 에이전트가 비서 역할도 합니다. 작업 공간을 만들고 관리하고, 깊이 있는 PTC 분석을 백그라운드에서 파견하고, 실행 중인 작업을 모니터링하고, 결과를 검색할 수 있습니다. 모두 자연스러운 대화 커맨드로, 인간의 승인 단계를 거치며요.

에이전트 군집 — 격리된 컨텍스트 윈도, 사전 로드된 도구셋/스킬, 실행 중 조향, 체크포인트 기반 재개, UI에서의 실시간 진행률 모니터링을 갖춘 병렬 비동기 하위 에이전트들입니다.

실시간 조향 — 에이전트가 작동 중일 때 후속 메시지를 보내서 방향을 수정하거나 명확히 하거나 재지정할 수 있습니다. 완료될 때까지 기다릴 필요 없습니다.

미들웨어 스택 — 24개의 조합 가능한 레이어가 스킬 로딩, 플랜 모드, 멀티모달 입력, 자동 요약, 컨텍스트 관리를 담당하며 장시간 실행되는 에이전트 세션을 지원합니다.

보안 및 작업 공간 금고 — pgcrypto를 통한 저장 데이터 암호화, 자동 인증정보 유출 감지 및 제거, 샌드박스 실행, 에이전트 접근을 위한 작업 공간별 비밀 저장입니다.

채널 통합 — Slack, Discord에서 LangAlpha를 사용할 수 있으며, 모든 기능을 완벽히 지원합니다.

프로덕션급 인프라 — SSE 스트림된 에이전트 활동, Redis 버퍼링된 재연결 재생, HTTP 연결에서 분리된 백그라운드 실행, PostgreSQL 기반 상태 지속성입니다.

기술 스택

시스템 아키텍처

웹 UI(React 19 · Vite · Tailwind)와 CLI/TUI는 REST와 SSE로 API와 통신하고, WebSocket을 통해 WSP와 연결됩니다.

FastAPI 백엔드에는 API 라우터(스레드·작업 공간·시장 데이터·OAuth·자동화·스킬), WebSocket 프록시, 채팅 핸들러, LLM 리졸버, 에이전트 런타임, 도구 매니저가 포함됩니다.

데이터 저장소는 PostgreSQL 상태, Redis 큐, 파일시스템 샌드박스로 구성됩니다.

🔗 원문 보기 👍 유용해요