Cluefin-Dure를 짧게 요약하면 국내주식 멀티 AI 에이전트 CLI입니다. 하지만 실무 관점에서 더 중요한 설명은 따로 있습니다. 이

Cluefin-Dure를 짧게 요약하면 국내주식 멀티 AI 에이전트 CLI입니다. 하지만 실무 관점에서 더 중요한 설명은 따로 있습니다. 이 프로젝트는 투자 리서치 결과를 생성하는 도구이면서 동시에, 그 결과가 어떤 절차를 통해 나왔는지 남기는 실행 시스템입니다.

• 무엇을 하는가
Kiwoom, KIS, DART, 뉴스 데이터와 보조 cluefin CLI를 연결해 국내 투자 리서치 워크플로우를 실행합니다.
하나의 진입점에서 equity, screen, strategy, scenario, chat 흐름을 다룹니다.

• 왜 흥미로운가
많은 '주식 분석 AI' 프로젝트는 최종 의견이나 요약문에 초점을 둡니다.
Cluefin-Dure는 반대로 분석 생성 경로를 구조화합니다.
report.html, events.json, <agent>/artifact.json이 남기 때문에 결과만 보는 것이 아니라 중간 단계와 이벤트 흐름을 복기할 수 있습니다.

• 대표 워크플로우
equity: Universe 또는 단일 종목 입력 → Fundamental + News → Strategy → Critic 반복
screen: Universe 기반 상위 종목 Fundamental 분석
strategy: 전략 초안 생성 후 Critic 반복
scenario: 시나리오 정의 → 영향 분석 → 종합 평가
chat: Router가 equity, screen, strategy, scenario, review_checklist 도구로 라우팅

• 기술적으로 눈에 띄는 점
에이전트 구성이 명확합니다.
Universe, Fundamental, News, Strategy, Critic, Scenario, Review Checklist, Router처럼 역할이 쪼개져 있어 파이프라인 해석이 쉽습니다.
모델 설정도 DURE_MODEL_{AGENT} > DURE_PROVIDER > 코드 기본값 순으로 override됩니다.
즉, 워크플로우 전체는 고정해 두고 각 에이전트의 모델만 바꿔 실험하기 좋습니다.

• 비슷한 계열과의 차이
단순한 단일 LLM 분석 스크립트와 비교하면:

1. 데이터 소스가 국내 증권사 API와 DART 중심이라 현지화가 강합니다.
2. 에이전트가 역할별로 분리돼 단계 해석이 쉽습니다.
3. Critic 루프가 있어 전략 초안의 자기검토를 구조에 포함합니다.
4. 실행 아티팩트를 남겨 재현성과 감사 가능성을 확보하려고 합니다.

• 어디에 유용한가
리서치 팀 내부 워크벤치
애널리스트 보조 도구 실험
국내주식 스크리닝 자동화 프로토타입
투자 아이디어 문서화 파이프라인
AI가 만든 분석의 검토 흔적이 필요한 환경

• 주의할 점
이 저장소 하나만으로 완결되는 구조는 아닙니다.
시장 데이터와 보조 도구 실행을 위해 cluefin 저장소가 함께 필요하고, CLUEFIN_CLI_CWD를 지정해야 합니다.
또한 .env에 Kiwoom, KIS, DART 관련 인증값이 필요합니다.
즉, 설치 장벽은 'README 실행 예제'보다 실제 데이터 연동 준비에 더 가깝습니다.

• 실전 takeaway
이 프로젝트의 진짜 가치는 'AI가 국내주식 의견을 낸다'가 아닙니다.
증권사 API, 공시, 뉴스, 전략, 비평 루프를 하나의 실행 기록 아래 묶어서 리서치의 생성 과정을 추적 가능하게 만든다는 점입니다.
국내 투자 리서치 자동화에서 결과물 못지않게 과정의 검증 가능성을 중요하게 본다면, Cluefin-Dure는 꽤 선명한 방향성을 보여줍니다.