
LLM을 조언자로 격하시키기 — 유료 API가 필요 없는 자율 에이전트 설계 4가지 패턴
요약
유료 API 의존성 없이 경량 LLM과 로컬 추론을 활용하여 자율 에이전트를 설계하는 4가지 아키텍처 패턴을 소개합니다. 역할 분리, 모델 증류, 파이프라인 구조화, 결정론적 안전 게이트를 통해 신뢰할 수 있는 에이전트 시스템을 구축하는 방법을 다룹니다.
핵심 포인트
- 역할별 에이전트 분리를 통한 관심사 분리 및 권한 경계 설정
- Gemma-3-4b 기반 LoRA 학습 및 로컬 추론을 통한 비용 절감
- Chain of Responsibility 패턴을 활용한 분석 파이프라인 구축
- 다층 결정론적 필터를 통한 LLM 할루시네이션 방지 및 안전 설계
면책 사항: 본 기사는 투자 조언이 아닙니다. 소개하는 시스템 Nagi(凪)는 데모 계좌에서의 연구 단계에 있으며, 특정 종목의 매매 타이밍을 권장하거나 이익을 보장하지 않습니다. 어디까지나 「자율 에이전트 기반의 설계 사례」로서, 거래 이외에도 전용할 수 있는 아키텍처 패턴을 공유하는 것이 목적입니다. 현재는 백테스트(Backtest) 단계이며, 라이브 거래 실적은 0건입니다.
왜 「Nagi」인가
Nagi는 경량 LLM을 추론 엔진으로 삼은 FX 연구 시스템입니다. 바람이 멈추고 해수면이 거울처럼 변하는 「Nagi(凪, 잔잔함)」라는 이름을 붙인 이유는, 극도로 동적인 대상을 다룰수록 관찰자는 정적이어야 한다는 설계 사상을 체현하기 위해서입니다. 본 기사에서는 이 「보는 AI」를 뒷받침하는 4가지 설계 패턴을 실제 코드와 연계하여 해부합니다.
1. 관심사의 분리 — Agent A/B/C/D
분석은 단일한 거대 프롬프트가 아니라 역할별로 분할되어 있습니다.
- Agent A: 테크니컬(Price Action · 지표)
- Agent B: 뉴스 감성(GDELT 스코어)
- Agent C: A/B를 통합한 최종 판정
- Agent D: 사이클 품질을 진단하고 재학습 요구를 생성하는 「메타 분석가(Meta-analyst)"
중요한 것은 권한의 경계입니다. Agent D는 mode: gate로 설정되어 있지만 조언자에 머물며, 안전 정지의 최종 판정권은 항상 규칙 계층(DefaultTradingEngine)이 독점합니다. LLM을 의사결정의 중추에 두지 않고, 결정론적인 가드(Guard) 외곽에 배치하는 것 — 이는 거래 이외의 자율 에이전트에도 그대로 이식할 수 있는 안전 설계입니다.
2. 유료 API 제로 — Bonsai 증류 LoRA
외부 API 의존성은 제로입니다. Agent A는 별도 프로젝트인 Bonsai에서 gemma-3-4b-it를 베이스로 LoRA 학습을 진행하였으며, q4_K_M 양자화된 2.3GB의 GGUF 파일을 로컬의 llama-server에서 추론합니다. 백엔드는 ai.llm.backend 키 한 줄로 llama_cpp / tabby_api / direct를 전환할 수 있습니다. 증류된 소형 모델을 로컬에서 구동하는 구성은 비용과 외부 의존성을 동시에 끊는 수단으로서 범용성이 높습니다.
3. Chain of Responsibility 분석 파이프라인
A→B→C의 연쇄는 AnalysisPipeline으로서 TechnicalStep / SentimentStep / IntegrationStep으로 분할되며, 문맥은 ContextProvider Protocol을 통해 통일되어 주입됩니다. 각 스텝이 독립되어 있기 때문에, 뉴스 분석만 교체하는 등의 개수가 국소적으로 완결됩니다. 에이전트를 「거대한 한 덩어리」가 아니라 「책무별 Step」으로 배선하는 전형적인 사례입니다.
4. 6단계 안전 게이트와 다우 이론 필터
시그널은 6단계 게이트(HOLD 제외 / 중복 포지션 / 쿨다운 / MTF 정합성 / 신뢰도 0.75 임계값 / TP-SL 타당성)를 모두 통과해야만 집행됩니다. MTF 정합성은 다우 이론(Dow Theory)을 사용하여, H4에서 시장 편향(Bias)을 판정하고 M15에서 집행하는 2층 구조를 가집니다. 역방향 시그널은 gate 모드에서 차단됩니다. 다층의 결정론적 필터로 LLM 출력을 검증하는 설계는 할루시네이션(Hallucination) 대책의 일반적인 해법입니다.
build-in-public으로서의 솔직한 현황
validation_gate.current_stage는 여전히 backtest 단계입니다. Walk-Forward 효율 ≥ 0.5 · 정합성 ≥ 0.6을 클리어하지 못하면 demo 단계로조차 승격되지 않습니다. 그리고 가장 큰 과제는 라이브 거래가 0건이라는 점입니다. 게이트가 너무 엄격하여 실전 페이즈에 도달하지 못하고 있습니다. 안전한 쪽을 택한 결과로서 「아무 일도 일어나지 않는」 상태는 자율 시스템의 공통적인 난관입니다. SystemMonitor가 「연속 시그널 제로 6사이클」을 이상 징후로 감지하는 메커니즘을 넣은 것은, 바로 이 침묵을 가시화하기 위함입니다.
요약
Nagi의 가치는 예측 정밀도가 아니라, LLM을 조언자로 격하시키고 결정론적 게이트로 감싸는 아키텍처에 있습니다. 역할 분할 · 로컬 증류 모델 · Chain of Responsibility · 다층 게이트는 모두 거래 도메인을 벗어나더라도 통용되는 자율 에이전트의 골격입니다.
Discussion

AI 자동 생성 콘텐츠
본 콘텐츠는 Zenn AI의 원문을 AI가 자동으로 요약·번역·분석한 것입니다. 원 저작권은 원저작자에게 있으며, 정확한 내용은 반드시 원문을 확인해 주세요.
원문 바로가기