Multi-Agent AI System

PentagonAI - Market Analysis Agent

1인 개발로 진행한 시장 분석 플랫폼(PentagonAI)입니다. 뉴스/시계열에서 ‘사건(Event)’을 구조화하고, 중복을 정리해 타임라인/검색 가능하게 만든 뒤, 에이전트 회의(Council)로 전망을 생성하는 것을 목표로 했습니다. 운영/디버깅을 위한 API(검색/타임라인/트리거/옵스/인증 등)와 모델 라우팅 가시성을 포함합니다.

기술 스택

PythonFastAPIPostgreSQLCeleryRedisQdrant

기간

2026.01 - Present

요약

도전 과제

동일 이벤트 중복 제거와 이벤트 간 의미 관계 생성이 필요했고, 무거운 LLM 작업을 운영 가능하게 오케스트레이션하면서도 모델/프로바이더 라우팅과 파이프라인 상태를 확인할 수 있어야 했습니다.

해결 방식

Qdrant 유사도 검색과 LLM 판정을 결합해 이벤트 정체성/영향 링크를 생성하고, Celery 큐 분리로 파이프라인을 안정적으로 운영했습니다. FastAPI 라우터를 도메인별로 구성(이벤트/타임라인/평의회/예측/트리거/검색/운영/인증)하고, 모델 라우팅 디버그 엔드포인트로 가시성을 확보했습니다.

구현 범위

증빙 자료

공개 가능한 증빙 자료가 등록되지 않았습니다.

기술 문서

구현 방식

개요

1인 개발로 진행한 시장 분석 플랫폼(PentagonAI)입니다.
뉴스/시계열 수집 → 이벤트 추출 → 이벤트 정규화/링킹 → 에이전트 회의 기반 분석/예측 흐름으로 구성했습니다.

목적 / 사용자 경험

1) 목적

산발적으로 흩어진 뉴스/이슈를 “이벤트 단위”로 정리하고, 이벤트 간 영향 관계까지 연결해 탐색/검색/타임라인 중심의 분석 경험을 제공하는 것이 목표입니다.

2) 사용자 플로우(요약)

데이터 수집/백필 → 이벤트 추출 → 중복 정리(정규화) → 타임라인/검색 → Council 실행 → 예측/해결(리졸브) 및 리포트 확인.

핵심 구성

1) 파이프라인 분리/운영

수집/전처리/추출/정규화 단계를 분리하고, Celery 워커로 운영 가능하게 구성했습니다.

2) 이벤트 정규화(중복 제거)

Qdrant 벡터 검색으로 유사 이벤트 후보를 찾고, LLM 판단을 결합해 동일 이벤트를 정규화합니다.

3) 영향 링크/평의회(Council)

이벤트 간 영향 관계를 생성하고, 다중 에이전트 “Council” 흐름으로 분석/예측 단계를 오케스트레이션합니다.

4) 운영/디버깅 엔드포인트

파이프라인 운영을 위해 Ops/검색/타임라인/스레드/트리거 라우터를 분리했고, 모델 라우팅 확인용 엔드포인트를 포함합니다.