매일 아침 경쟁사 보고서를 이메일로 보내주는 AI 에이전트를 구축한 방법

지난달, 저는 매일 아침 5개의 경쟁사를 수동으로 확인하는 것에 지쳤습니다. 그래서 저를 대신해 이 작업을 수행하고, 제가 커피를 마시기 전에 보고서를 이메일로 보내주는 에이전트를 구축했습니다.

처음부터 끝까지의 전체 구축 과정을 소개합니다. 군더더기는 없습니다.

아키텍처 (3가지 구성 요소)

[ Scheduler ] -> [ Agent (research) ] -> [ Email Sender ]
  cron: 6am                                (report)

에이전트 자체는 고전적인 레시피인 LLM + Tools + Memory를 사용합니다.

1단계: 도구 (Tools)

에이전트에는 두 가지 도구가 필요합니다:

1. Search (검색) — 경쟁사가 무엇을 발표하거나 출시했는지 찾기
2. Scrape (스크래핑) — 실제 페이지를 읽기

from fastmcp import FastMCP

mcp = FastMCP("competitor-intel")
...

2단계: 시스템 프롬프트 (System Prompt)

이 부분이 대부분의 사람들이 실패하는 지점입니다. 모호한 프롬프트를 작성하면 모호한 결과가 나옵니다. 저의 프롬프트는 구체적입니다:

You are a competitive intelligence analyst.

For EACH competitor in the list:
...

3단계: 에이전트 루프 (Agent Loop)

from langchain_openai import ChatOpenAI
from langchain.agents import create_tool_calling_agent, AgentExecutor

...

4단계: 이메일 (Email)

import smtplib
from email.message import EmailMessage

...

5단계: 스케줄링 (Schedule)

간단한 cron 작업입니다:

0 6 * * *  /usr/bin/python3 /home/me/competitor_intel/main.py

끝입니다. 매일 아침 6시에 에이전트가 5개의 경쟁사를 조사하고, 구조화된 보고서를 작성하여 저에게 이메일로 보냅니다. 총 투자 시간: 약 3시간. 매일 절약되는 시간: 매일 30분.

다르게 시도해 볼 점

1. "마지막 확인(last seen)" 메모리 추가 — 에이전트가 동일한 출시 소식을 3일 연속 보고하는 것이 아니라, 새로운 변화만 보고하도록 합니다.
2. 액션을 위한 Human-in-the-loop (인간 개입) — 경쟁사에 대한 답변을 초안(draft) 작성하게 하되, 전송 전에는 반드시 저의 승인을 거치도록 합니다.
3. 구조화된 출력 (Structured output) — 보고서를 JSON으로 파싱하여 단순히 이메일로 받는 것을 넘어 대시보드에 공급할 수 있도록 합니다.

비즈니스 관점

저는 이것을 저 자신을 위해 만들었습니다. 그러다 대행사들이 정확히 이와 동일한 서비스에 대해 월 $500~$2,000를 청구한다는 사실을 깨달았습니다. 그것이 데모(demo)와 제품(product)의 차이입니다. 즉, 사람의 개입 없이 실행되고, 구조화된 가치를 생산하며, 누군가가 비용을 지불할 용의가 있는 것입니다.

저는 이와 유사한 10가지의 청사진(수신함 분류(inbox triage), 송장 추적(invoice chasing), SEO 감사(SEO auditing), 리드 자격 검증(lead qualification)...)과 아키텍처 패턴(architecture patterns) 및 수익화 플레이북(monetization playbook)을 모아 가이드북을 만들었습니다:

AI Agents & Automation Playbook - https://helmadin.gumroad.com/l/ai-agents-playbook

출시 가격 $11.99 (코드 LAUNCH11) + 12개월 무료 업데이트 + 프로덕션 프롬프트(production prompts) 보너스 팩 포함.

이 내용은 플레이북의 제6장을 요약한 것입니다. 이 내용이 도움이 되었다면, 책에서는 평가(evals), 관찰 가능성(observability), 그리고 이러한 시스템을 판매하는 방법에 대해 더 깊이 다룹니다.