범용 Agent는 이제 안 돼? 1.5만 Star의 금융 AI, 투자 연구 프로세스를 완전 자동화

최근 몇 년간 AI 스마트 에이전트의 발전 추세가 점점 더 명확해지고 있으며, 범용 대형 모델의 지원을 받는 범용 에이전트 기능이 꾸준히 상승하고 있습니다. 하지만 전문 분야에 발을 들여놓기만 하면 이러한 "만능 Agent"는 쉽게 약점을 드러내는데, 금융 연구가 가장 대표적인 예입니다. 재무제표의 분해 논리, 지표 기준의 통일적인 확인, 데이터 소스의 진실성 검증, 연구 결론의 재현 가능성 등은 모두 금융 연구의 핵심 요구 사항이며, 다양한 분야에 통용되는 스마트 에이전트 하나로는 진정으로 해결할 수 없습니다. 오픈 소스 프로젝트를 살펴보는 과정에서 금융계와 개발자 커뮤니티에서 많은 호평을 받고 있는 프로젝트를 발견했습니다. 바로 Dexter입니다. Dexter는 심층적인 금융 연구를 위해 특별히 제작된 자율 스마트 에이전트입니다. 일반적인 금융 질의응답 도구와 달리, 연구 과제를 스스로 분해하고, 전문 데이터를 가져오고, 분석 프로세스를 실행하며, 연구 결과를 반복적으로 검증할 수 있습니다. 이는 진정으로 금융 투자 연구 시나리오에 적용된 스마트 에이전트라고 할 수 있으며, 인기도와 실력 모두 뛰어납니다.  ## "금융 버전 ChatGPT"가 아닙니다 일반적인 금융 AI가 "답변을 제공할 수 있는지"를 해결한다면, Dexter는 금융 연구에서 더 핵심적인 "문제를 명확하게 연구할 수 있는지"를 해결합니다. Dexter의 목표는 "금융 버전 ChatGPT"를 만드는 것이 아니라 실제 금융 투자 연구 프로세스를 복제하는 것입니다. 다음과 같은 연구 질문을 제시하면 됩니다. - 특정 기업의 과거 5년간 매출 변화를 분석하시겠습니까? - 두 산업의 가치 평가 구조를 비교하시겠습니까? - 특정 기업의 현금 흐름 품질을 평가하시겠습니까? 결론적인 텍스트를 직접 제공하는 것이 아니라, 전문적인 투자 연구 논리에 따라 먼저 연구 목표를 명확히 하고, 연구를 완료하는 데 필요한 핵심 재무 지표를 판단한 다음, 일치하는 전문 데이터 소스를 선택하고, 마지막으로 분석을 실행하고, 데이터를 검증하고, 정보를 보완합니다. 전체 연구 과정은 구조화되고 추적 가능하며, 대형 모델이 일회성으로 답변을 "생성"하는 것이 아닙니다. ## 전문 데이터 소스가 Dexter의 저력입니다 금융 분석의 하한선은 항상 데이터 품질에 달려 있습니다. Dexter는 매출표, 자산 부채표, 현금 흐름표 등 핵심 데이터를 포괄하는 기관 수준의 금융 데이터 소스에 직접 연결할 수 있습니다. 이는 단순한 웹 페이지 크롤링이 아니라 전문적인 재무 구조를 중심으로 구성된 데이터 시스템입니다. 많은 범용 Agent의 문제는 논리에는 문제가 없을 수 있지만 데이터 출처가 불분명하고 기준이 통일되지 않아 최종 결론을 뒷받침할 수 없다는 것입니다. Dexter는 설계 단계부터 데이터 소스를 핵심 역량으로 간주하고 부가 기능으로 간주하지 않습니다. 이는 투자 연구 시나리오에 매우 중요한 단계입니다. ## Dexter는 "스스로 점검"합니다 Dexter의 자체 검증 메커니즘은 정확성에 대한 금융 분야의 높은 요구 사항에 더욱 부합합니다. 전체 분석 과정에서 Dexter는 중간 결과와 최종 결론을 지속적으로 점검하고, 논리적 결함이나 데이터 누락이 발견되면 연구 단계를 자동으로 조정하여 전체 연구 과제를 완료할 때까지 계속 실행합니다. ## 모델 지원 Dexter의 호환성도 매우 유연합니다. OpenAI, Anthropic, Google, xAI, OpenRouter와 같은 클라우드 대형 모델이든 로컬에 배포된 Ollama이든 원활하게 연결할 수 있어 클라우드에서 빠르게 실행할 수도 있고 로컬 배포의 개인 정보 보호 요구 사항을 충족할 수도 있습니다.  ## 빠르게 시작하기 ### 1. 실행 환경 준비 Dexter는 Bun을 런타임으로 사용하며, 공식적으로 1.0 이상의 버전을 요구합니다. 시스템에 따라 설치 방법이 다르며, 작업이 완료되면 터미널을 다시 시작해야 합니다. macOS / Linux 시스템에서 다음을 실행할 수 있습니다. `curl -fsSL https://bun.com/install | bash`Windows 시스템에서 다음을 실행할 수 있습니다. `powershell -c "irm bun.sh/install.ps1|iex"`설치가 완료되면 터미널에 `bun --version`을 입력하여 버전 번호가 정상적으로 출력되면 설치가 완료된 것입니다.프로젝트 저장소를 복제한 후 프로젝트 디렉터리로 이동하여 Bun을 사용하여 프로젝트에 필요한 종속성을 설치합니다. `git clone https://github.com/virattt/dexter.git cd dexter bun install` ### 3. 환경 변수 구성 이는 Dexter를 실행하는 데 중요한 단계입니다. 프로젝트는 이미 환경 변수 템플릿 파일을 제공하고 있으므로 먼저 템플릿을 복사하여 구성 파일을 생성한 다음 필요에 따라 편집하면 됩니다. `cp env.example .env` 그런 다음 생성된 .env 파일을 편집합니다. 핵심적으로 구성해야 할 API 키는 주로 세 가지 범주로 나뉩니다. - **대규모 모델 제공업체의 API 키**: OpenAI, Anthropic, Google, xAI, OpenRouter 등을 포함합니다. (예: OPENAI_API_KEY) 사용 중인 대규모 모델에 따라 해당 항목을 구성할 수 있습니다. - **Financial Datasets API 키**: 기관 수준의 금융 시장 및 재무 데이터를 호출하는 데 사용되며 전문 금융 분석을 구현하는 핵심 구성 요소이므로 필수적으로 구성하는 것이 좋습니다. 획득 주소: https://financialdatasets.ai/ - **웹 검색 관련 API 키**: Exa, Tavily를 포함하여 지능형 에이전트의 웹 검색 기능을 강화하는 데 사용되며 선택적 구성입니다. 획득 주소: https://exa.ai/ 로컬에 배포된 Ollama를 사용해야 하는 경우 파일에 다음을 구성합니다. `OLLAMA_BASE_URL=http://127.0.0.1:11434` ### 4. Dexter 시작 환경 변수 구성이 완료되면 터미널에서 시작 명령을 직접 실행합니다. `bun start` Dexter의 대화형 CLI 인터페이스로 들어갈 수 있습니다. 인터페이스에 금융 연구 관련 질문을 입력하면 자동으로 전체 분석 프로세스를 계획하고 실행합니다. 개발 또는 디버깅 목적인 경우 핫 리로드 모드를 사용하여 시작할 수 있습니다. `bun dev` ### 5. 평가 및 디버깅 고급 요구 사항이 있는 사용자를 위해 Dexter는 지능형 에이전트의 분석 기능을 테스트할 수 있는 특수 평가 도구를 내장하고 있습니다. 전체 평가 프로세스를 실행하거나 임의로 샘플을 추출하여 테스트할 수 있습니다. `bun run src/evals/run.ts bun run src/evals/run.ts --sample 10` Dexter는 모든 분석 프로세스, 도구 호출 및 중간 결과를 다음 디렉터리에 자동으로 기록합니다. `.dexter/scratchpad/` 해당 디렉터리 아래의 파일을 통해 연구 프로세스를 검토하고 프로젝트를 디버깅할 수 있습니다.  ## 수직적 에이전트가 다음 단계의 핵심입니다. 일반 에이전트는 계속 발전하겠지만 진정으로 "사용하기 좋은" 지능형 에이전트는 특정 분야를 깊이 파고들어야 합니다. Dexter는 대표적인 예입니다. 모든 분야를 포괄하려고 시도하지 않고 금융 연구에 집중하여 데이터 소스, 분석 프로세스, 검증 메커니즘을 심층적으로 구축합니다.프로젝트 주소: https://github.com/virattt/dexter