W7 Homework W7 과제 워크북 0 / 100 점
📝 HOMEWORK
WEEK 7

Multi-Agent 오케스트레이션
Tool Use · 에이전트 팀

총점 100점 · 필수 60 + 심화 40
🎯 W7 학습 목표 복습

3~4개 전문 에이전트 팀 구성 + Orchestrator 조율. 복잡한 분석을 분업하는 프로 구조.

🔧 핵심 도구
AI Agent + Tools
Message Bus
Cost Optimization
⏱ 예상 시간
필수 4~5시간
심화 +3시간
📊 과제 배점표
과제 1
20
과제 2
20
과제 3
20
과제 4
20
과제 5
20
합계 100점 · 필수 60 + 심화 40
📍 빠른 이동
120pt220pt320pt420pt520pt
🔴 REQUIRED — 과제 1
3개 서브 에이전트 독립 구현
배점 20 점

News / OnChain / Macro 세 전문 에이전트를 각각 AI Agent Tool로 독립 구현.

필수 요구사항
  • News Agent: Alpha Vantage NEWS_SENTIMENT 기반, 종목별 센티먼트 보고
  • OnChain Agent: Blockchair/CoinGecko로 BTC/ETH 온체인 데이터
  • Macro Agent: FRED로 금리·CPI·VIX 조회
  • 각 에이전트는 JSON 구조화 출력 + summary 필드 필수
  • 각 에이전트 단독 테스트 성공 (3개 모두)

Tool Description 작성 원칙

# News Agent Description 예시:

"""주식/암호화폐에 대한 최근 뉴스와 센티먼트 조회.
사용 시점: "AAPL 뉴스", "삼성 최근 이슈" 같은 뉴스 질문에만.
사용 금지: 가격 조회, 차트 분석 (다른 에이전트 사용).

Input:
  - ticker (str): 종목 코드 (예: AAPL, 005930)
  - hours_back (int, 기본 24): 몇 시간 전까지의 뉴스

Output: JSON {sentiment_overall, top_themes, summary}"""
채점 기준 (20점 만점)
A. 3개 에이전트 구현6점
B. JSON 출력 일관성4점
C. Description 명확성4점
D. 단독 테스트 증거3점
E. 프롬프트 템플릿 문서화3점
🔴 REQUIRED — 과제 2
Orchestrator 팀장 에이전트
배점 20 점

3개 서브 에이전트를 지휘하는 Orchestrator. 질문에 따라 필요한 에이전트만 선택 호출.

필수 요구사항
  • Orchestrator AI Agent (Sonnet) + 3개 Tool 연결
  • 부록 D의 Orchestrator System Message 활용
  • 5가지 시나리오로 테스트: 주식 / 암호화폐 / 매크로만 / 복합 / 관계없는 질문
  • 각 시나리오에서 호출한 도구 기록 (메시지 버스)
  • 잘못된 도구 호출 발견 시 Description 튜닝
채점 기준 (20점 만점)
A. Orchestrator 프롬프트 품질5점
B. 적절한 도구 선택 정확도6점
C. 5가지 시나리오 테스트4점
D. 도구 호출 로그3점
E. 튜닝 기록2점
🔴 REQUIRED — 과제 3
메시지 버스 로깅 시스템
배점 20 점

에이전트 간 "대화"를 타임라인으로 기록해 디버깅 + 감사 가능한 시스템.

필수 요구사항
  • Orchestrator의 모든 도구 호출 기록 (Actor, Action, Input, Timestamp)
  • 각 서브 에이전트의 응답도 기록 (Output 스냅샷)
  • 한 질문의 전체 흐름을 Sheets에 타임라인으로 저장
  • 질문당 평균 에이전트 호출 횟수 통계
  • 이상 패턴 탐지 (같은 도구 3회+, 무한 루프 등)
채점 기준 (20점 만점)
A. 메시지 버스 설계5점
B. 로깅 완전성5점
C. 타임라인 시각화4점
D. 통계 분석3점
E. 이상 탐지 로직3점
🟣 ADVANCED — 과제 4
4번째 에이전트 추가 — 한국 주식 전용
배점 20 점

한국 주식 전용 에이전트를 팀에 추가. FinanceDataReader로 KOSPI·KOSDAQ 종목 데이터.

필수 요구사항
  • KRX Stock Agent: 국내 종목 현재가·거래량·외국인 순매매
  • 데이터 소스: FinanceDataReader 또는 pykrx (Code 노드 내 Python 사용)
  • Orchestrator에 4번째 도구로 등록
  • System Message 업데이트: 한국 종목 질문 → korean_stock_agent 호출
  • 한국 종목 관련 질문 3개로 검증 (삼성전자, SK하이닉스, 카카오)
💡 데이터 소스 비교:
• FinanceDataReader: 가장 간단, pandas-friendly (학습용 추천)
• pykrx: 상세 데이터, 투자자별 매매 동향
• 네이버 금융 크롤링: 실시간·빠름, 파싱 필요
n8n Python 환경에서는 FinanceDataReader가 Code 노드로 쉽게 호출 가능.
채점 기준 (20점 만점)
A. 데이터 소스 선정 근거3점
B. 에이전트 구현6점
C. Orchestrator 통합4점
D. 한국 종목 질문 테스트4점
E. 4개 에이전트 조율 증거3점
🟣 ADVANCED — 과제 5
비용 최적화 실험 — Haiku vs Sonnet 조합
배점 20 점

Orchestrator Sonnet + 서브 에이전트 Haiku 조합을 실험. 비용 절감 대비 품질 손실 측정.

필수 요구사항
  • 동일 질문 10개로 두 구성 실행:
      ① 모두 Sonnet / ② Orchestrator만 Sonnet + 서브 Haiku
  • response.usage에서 input/output 토큰 추출 + 로깅
  • 구성별 총 비용 계산 (USD 또는 KRW)
  • 답변 품질 수동 채점 (각 답변 5점 척도)
  • "품질 손실 N%로 비용 M% 절감 가능" 리포트
채점 기준 (20점 만점)
A. 실험 설계 엄밀성5점
B. 토큰·비용 측정5점
C. 품질 채점 객관성4점
D. 결과 분석 리포트4점
E. 최적 구성 권고2점
Submit

📤 제출 방법 + 기한

⏰ 제출 기한: 다음 주 수업 시작 전까지. 지연 시 하루당 -2점.
📝 W7 HOMEWORK COMPLETE
Orchestrator · 서브 에이전트 · 메시지 버스
5 tasks · 100 pt · 4~8 hours