Deep Agents와 You.com을 활용한 EU 거시경제 분석

주요 요약

이 거시경제 연구 에이전트는 모든 27개 EU 회원국의 GDP 데이터를 분석하고, 이상 징후를 감지하며, 부문별 구조적 및 순환적 동인을 조사하여 약 45분 만에 13개 섹션으로 구성된 출처가 명시된 브리핑을 생성합니다. Deep Agents는 각 연구 계층을 오케스트레이션하고, LangSmith는 모든 단계를 기록하며, 발견된 모든 결과는 해당 결과를 산출한 주요 출처로 추적됩니다.

The You.com Finance Research API는 공공 금융 서비스 벤치마크인 FinSearchComp(arXiv 2509.13160)에서 87.29%의 점수를 받았으며, 전체 27개국 GDP 분석을 수행하는 데 드는 비용은 약 $2.20입니다. 이 API는 S&P Global과 같은 제공업체의 라이선스 구조화 데이터와 중앙은행 논평, 규제 신호 및 부문별 분석 전반에 걸친 실시간 웹 인텔리전스를 결합합니다.

거시 연구 데스크에서는 주어진 세트의 어떤 국가들이 비정상적으로 성과를 내고 있는지, 그리고 그 이유가 무엇인지 정기적으로 알아야 합니다. 근본적인 데이터는 존재하지만 파편화되어 있습니다. 단일 GDP 수치를 얻으려면 유로통계(Eurostat) 발표와 다른 일정으로 도착하고 다른 방법론을 사용하는 국가 통계청 간의 조정이 필요할 수 있습니다. 원시 데이터에서 사용 가능한 출처가 명시된 브리핑까지 도달하는 과정은 분석 자체만큼 시간이 많이 걸릴 수 있습니다. 이를 실제로 보여주기 위해, 우리는 에이전트를 구축하여 27개 EU 회원국 전체의 2025년 GDP 데이터를 대상으로 실행했습니다.

아일랜드는 가장 큰 아웃라이어로 나타났으며, 12.3%의 GDP 성장을 보이며 호황처럼 보였습니다. 국가별 조사 결과, 이는 미국 관세에 앞서 선행된 제약 회사 주도의 수출 급증으로 확인되었으며, 산업 부문만 단독으로 수치에 +6.55pp를 기여했습니다. 수정 GNI는 훨씬 더 완만한 수치를 보여주었습니다. 독일은 반대 이유로 플래그가 지정되었습니다: 순환적 하락이 아닌 자동차 노출 및 건설 붕괴로 인한 구조적 위축입니다. 이 에이전트는 이러한 차이를 출처를 명시하고 인용하여 45분 만에, API 호출 비용 $2.20으로 생성했습니다.

분석 결과는 이야기의 절반에 불과합니다. 금융 서비스 분야에서는 결론 자체만큼이나 그 결론에 어떻게 도달했는지 설명하는 능력이 중요합니다. AI 에이전트는 여기서 격차를 만듭니다. 명시적인 계측(instrumentation) 없이는, 에이전트가 실행되는 동안 내리는 결정들이 실행이 완료되면 사라집니다. 이 아키텍처는 의사결정 로그를 보존합니다. 발행된 모든 쿼리, 수신된 모든 응답, 그리고 최종 보고서가 작성되기 전에 생성된 모든 중간 결과물까지 기록됩니다. LangSmith는 에이전트가 실행되는 동안 완전한 실행 추적(execution trace)을 포착하므로, 출력물을 검토하는 누구라도 최종 보고서의 임의의 데이터 포인트가 어디에서 생성되었는지 출처를 따라갈 수 있습니다.

프롬프트

2025년 최신 가용 GDP 데이터를 사용하여 EU 경제권 내 각 국가를 분석하세요. 비정상적인 속도로 증가하거나 감소하는 국가를 강조 표시하세요. 이러한 변화를 야기하는 산업을 명시하고 세분화하며, 각 국가의 거시경제적 추세를 조사하여 기여하는 요인을 밝히세요.

출력 형태

이 쿼리는 두 가지 주요 질문을 담고 있습니다. EU-27 중 어느 국가가 비정상적으로 성장하거나 수축하고 있는지, 그리고 그러한 편차를 주도하는 구조적 및 순환적 힘은 무엇인지입니다.

사용자는 다음과 같은 구조화된 브리핑을 얻게 됩니다: GDP 궤적, 이상치 유발 요인(anomaly drivers), 그리고 금리 민감도(rates sensitivity), 외환 노출(FX exposure), 국가 위험 신호(sovereign risk signals), 부문 포지셔닝(sector positioning)을 포함한 2차적 함의. 모든 단계가 가시적이고 감사 가능합니다.

보고서는 표준 형식을 따릅니다:

요약 (Executive Summary): 주요 수치, 핵심 패턴, 가장 중요한 발견 사항
방법론 및 데이터 참고사항 (Methodology & Data Notes): 사용된 출처, 데이터 시점(vintage), 알려진 주의사항
지역 개관 (Regional Overview): 총 GDP, 평균 성장률, 거시 경제적 배경
국가별 GDP 표 (Country-by-Country GDP Table): 성장률 순위별 모든 국가, 이상치 플래그, 평균 대비 변화량(delta from mean)
다년 성장 맥락 (Multi-Year Growth Context): 35년간의 성장 궤적
이상치 분석, 고성장 (Anomaly Analysis, High Growth): 국가별 심층 분석
이상치 분석, 저성장/위축 (Anomaly Analysis, Low Growth / Contraction): 국가별 심층 분석
GDP 분해 (GDP Decomposition): 지출 측면 및 부문 측면 세부 표
구조적 대 순환적 분석 (Structural vs Cyclical Analysis): 각 이상치 분류
거시경제 테마 및 근본 원인 (Macroeconomic Themes & Root Causes): 관통하는 힘(Cross-cutting forces)
정책 배경 (Policy Context): 통화, 재정, EU 차원의 정책
위험 요소 및 미래 예측 평가 (Risks & Forward-Looking Assessment): 향후 12년간의 시사점****출처 (Sources): 모든 작업 보고서에서 통합된 순차적 [[n]] 번호 부여

LangSmith UI에서 볼 수 있는 최종 결과 요약. 전체 보고서는 GitHub 리포지토리에서 확인하세요.

랜드스케이프 스캐너 서브 에이전트가 작성한 보고서

주요 발견 사항:

아일랜드의 12.3%는 국내 활동이 아닌 다국적 제약(pharma) 생산 및 지식재산권(IP) 효과에 기인합니다. 수정된 GNI를 사용하면 훨씬 더 완만한 수치가 나올 것입니다.
주요 부진 국가들은 공통적인 흐름을 공유합니다: 미국 관세 노출, 제조업에서의 중국 경쟁, 그리고 고금리 환경이 건설업에 미치는 지연 효과(drag)입니다.
스페인, 폴란드, 불가리아, 크로아티아는 실질 임금 회복과 EU 기금 지급 측면에서 뛰어난 성과를 보였습니다.

*전체 보고서, 서브 에이전트 작업 보고서, 국가별 세부 분석, 산업 기여도, 거시경제적 근본 원인 및 인용된 모든 출처를 확인하세요. *GitHub 리포지토리에서 보기

Deep Agents와 LangSmith가 여기서 가능하게 하는 것

금융 리서치 API는 데이터 검색, 추론 및 종합을 처리합니다. 복잡한 연구 질의를 제시하면 공공 및 사적 데이터를 기반으로 하며 인라인 출처(citation)가 포함된 답변을 반환합니다. Deep Agents와 LangSmith는 이를 둘러싸고 구축할 수 있는 엔지니어링 도구와 인프라를 제공합니다: 컨텍스트 엔지니어링, 서브에이전트 관리, 도구 실행, 관측 가능성(observability), 그리고 프로덕션 배포입니다.

컨텍스트 엔지니어링. 시스템 프롬프트, 서브에이전트, 스킬(Skills) 및 파일 시스템 관리(백엔드(Backends)를 통해)는 각 서브에이전트가 필요한 컨텍스트만을 엄격하게 받도록 보장합니다. 이를 통해 반복 가능하고 신뢰할 수 있는 서브에이전트 동작을 설계할 수 있습니다.

서브에이전트 관리. Deep Agents에는 기본적으로 다섯 개의 미리 정의된 서브에이전트와 하나의 범용 서브에이전트가 내장되어 있습니다. 일부는 한 번 실행되고; 다른 일부는 여러 개로 분산됩니다. 국가 조사관(country-investigator)은 이상 징후가 있는 국가마다 하나의 인스턴스를 실행합니다. 한 번 정의하면 Deep Agents가 위임, 동시성(concurrency), 실패 격리(failure isolation), 그리고 결과 집계를 처리합니다.

도구 실행. Finance Research API는 하나의 도구 호출입니다. MCP 서버, REST 엔드포인트, 내부 데이터 피드는 서브에이전트별로 범위가 지정되어 같은 방식으로 플러그인됩니다. 몇 줄의 코드로 특정 서브에이전트에 새로운 도구나 데이터 소스를 추가할 수 있습니다.

프로덕션 배포. LangSmith Deployment는 확장(scaling), StoreBackend를 통한 영구 저장소, 그리고 환경 관리를 처리합니다. 동일한 에이전트가 로컬 개발과 프로덕션에서 변경 없이 실행됩니다.

관측 가능성. 모든 you_finance_research 호출, 내장 도구 호출(할 일 목록, 파일 읽기, 워크페이퍼 작성), 그리고 오케스트레이터 결정은 LangSmith에 기록됩니다. 이 추적(trace)이 감사 기록(audit trail)입니다. CLI, MCP, JSON 내보내기 및 LangSmith UI를 통해 쉽게 접근할 수 있습니다.

구현

Finance Research API 도구 정의

각 서브 에이전트는 하나의 도구인 Finance Research API를 받습니다. 이 API 자체도 일종의 에이전트인데, 다단계 연구를 수행하고 구조화된 공공 데이터(World Bank, IMF, OECD, Eurostat, FRED) 및 라이선스된 사설 데이터를 흡수하며, 병렬 분기 전반에 걸쳐 출처를 검증하고, [[n]]과 같은 인용 태그가 붙은 출처와 함께 인용 답변을 반환합니다. 이를 LangChain 도구로 래핑하여 Deep Agents가 호출할 수 있게 만듭니다.

@tool(parse_docstring=True)
async def you_finance_research(
input: str,
...

이 도구는 노력 수준과 함께 연구 질문을 전송하고, 내용 필드(인라인 [[n]] 인용 태그 포함)와 출처 배열을 추출한 다음, 에이전트가 최종 보고서까지 전달할 수 있는 형식으로 이를 추가합니다. read=None 타임아웃은 API가 복잡한 쿼리에서 몇 분이 걸릴 수 있기 때문에 의도된 것입니다. 참고 구현체는 또한 일시적인 연결 실패에 대해 지수 백오프(exponential backoff)를 사용하여 재시도합니다.

직접 HTTP로 로드하는 대신 MCP를 통해 도구를 로드할 수도 있습니다. You.com은 langchain-mcp-adapters와 함께 작동하는 호스팅된 MCP 서버를 https://api.you.com/mcp?tools=you-finance에서 노출합니다.

API의 예산 모델 이해하기

Finance Research API는 호출당 유한한 컴퓨팅 및 검색 예산을 가지고 있습니다. 이 예산을 단일 쿼리에서 요청하는 모든 것에 걸쳐 분배합니다:

집중적 쿼리(하나의 개체, 하나의 분석 질문)는 전체 예산을 사용하여 풍부하고 정량적인 답변을 반환합니다.
과부하된 쿼리(많은 개체, 많은 분석 차원)는 예산을 분할하여 얇고 질적 정보만 담긴 답변을 반환합니다.
데이터 검색 쿼리(예:

이 예산 모델과 안정적으로 작동하는 세 가지 쿼리 형태가 있습니다. 각 형태는 해당 서브 에이전트의 시스템 프롬프트에 인코딩되어 있습니다. 전체 프롬프트는 아래의 서브 에이전트 정의에서 확인할 수 있습니다.

형태 A — 데이터 테이블: "[지표]를 [년도(들)] 동안 모든 [N] 국가에 대해"

단일 호출로 여러 국가에 걸친 구조화된 데이터를 얻을 수 있습니다. 엔티티당 데이터 검색 비용이 저렴하기 때문에 27개 EU 회원국 전체를 배치 처리하는 것이 문제가 없습니다:

"2020년부터 2025년까지 모든 27개 EU 회원국의 실질 GDP 성장률(연간 백분율 변화, 체인 연결량)을 제공해 주세요."
"모든 27개 EU 회원국에 대한 2025년 기준 GDP 대비 경상수지 비율을 제공해 주세요."

형태 A 호출은 또한 규정 준수 목적의 주요 출처 계층입니다. Finance Research API가 Eurostat 또는 IMF 데이터베이스에서 GDP 수치를 반환할 때, 해당 출처 URL이 응답에 포함되어 워크페이퍼로 전달됩니다. MiFID II 기록 검토나 EU AI Act 감사가 요구하는 근거 주장 사슬(claim chain)은 여기서 시작됩니다.

형태 B — 국가별 정성적 맥락: "Eurostat에서 이 수치들을 얻었습니다. 무엇이 이것을 설명하나요?"

수치 뒤에 숨겨진 이야기입니다. 에이전트는 형태 A에서 이미 확보한 Eurostat 데이터를 입력하고, 잘 인덱싱된 출처로부터 인과적 설명을 요청합니다:

"아일랜드의 산업(B-E) GVA는 2025년에 29.1% 성장했고 GFCF가 GDP 성장에 +6.32pp를 기여했습니다. 무엇이 이것을 설명하나요? 미국 관세에 대비하여 제약 수출품이 선행 배치된 것이 있었나요?"
"독일의 제조업 GVA는 -0.8% 하락했고 건설업은 -2.9% 하락했습니다. 이를 설명하는 구체적인 요인은 무엇인가요? 자동차 생산 수준과 2019년 대비, VW 그룹 구조조정 발표에 초점을 맞춰 주세요."

형태 C — 메커니즘 비교: "[2~3개의 밀접하게 관련된 국가]에서 [메커니즘]을 비교해 주세요"

공유된 메커니즘이 2~3개 관련 국가에 걸쳐 어떻게 다르게 전개되었는지 보여줍니다:

"2022-2023년 ECB 금리 인상이 스웨덴과 덴마크의 변동금리 주택 시장에 어떤 영향을 미쳤나요? 프랑스의 고정금리 시장과 비교해 주세요."

각 서브 에이전트의 시스템 프롬프트는 무엇을 피해야 하는지 명시합니다: 4개 이상의 국가를 하나의 분석 질의에 묶지 않도록, 데이터 검색과 해석을 한 호출에서 결합하지 않도록, 그리고 deep이 실패할 때까지 과도하게 확장하지 않도록 합니다. 대신 범위를 좁히거나 재구성하세요.

연구 서브 에이전트 정의하기

서브 에이전트는 오케스트레이터로부터 도구를 상속받지 않습니다. 각각은 우리가 선택한 LLM, 특정 작업, 그리고 독점적으로 Finance Research API 도구로 명시적으로 구성됩니다. 서브 에이전트를 통해 주요 작업을 더 작은 단위의 작업으로 범위를 좁힘으로써, 우리는 컨텍스트 블롯(context bloat)을 줄이고 예측 가능성을 개선하며 전반적인 비용과 속도를 최적화합니다.

landscape_scanner_subagent = {
"name": "landscape-scanner",
"description": "Shape A 질의를 통해 모든 EU 회원국의 구조화된 거시경제 데이터 테이블을 검색합니다.",
...

나머지 서브 에이전트(expenditure-decomposer, sector-decomposer, country-investigator)는 모두 동일한 구조를 따릅니다: 집중적인 시스템 프롬프트, tools=[you_finance_research], 그리고 전용 작업 보고서 경로입니다. country-investigator는 anomaly-analyst에 의해 이상 국가로 식별될 때마다 확장됩니다. 전체 서브 에이전트 정의는 prompts.py →에서 확인할 수 있습니다.

오케스트레이터 에이전트 생성하기

서브 에이전트를 정의한 후, 오케스트레이터는 create_deep_agent()로 조립됩니다. 오케스트레이터의 시스템 프롬프트에는 워크플로우 조정 논리와 분석 프레임워크가 포함되어 있습니다. 질의 구성 지식은 서브 에이전트 프롬프트에 존재합니다.