부동산 에이전트 만들기
2026.03.24
소개
스터디에 영감을 얻어 시작한 프로젝트입니다.
"정부 정책 공고, 심리지수, 경제지표를 매번 따로 찾아보는데...
AI가 이걸 한 번에 통합 분석해주면 어떨까?"
그래서 Claude Code(claude.ai/claude-code)를 활용해서
부동산 시세 예측 AI 에이전트 시스템을 직접 만들어봤습니다.
핵심 아이디어:
- 공공 API 7개 이상을 연동해서 데이터 자동 수집
- Claude AI가 데이터를 분석하고 시세 예측
- Streamlit 대시보드로 누구나 쉽게 조회
진행 방법
【 사용 도구 】
- Claude Code (CLI) : 코드 전체 설계 및 구현
- Ralph Loop 플러그인 : 자동 반복 개선 루프
- Python 3.12
- Streamlit : 대시보드 UI
- Plotly : 차트 시각화
- httpx : API 통신
【 연동한 공공 API 】
1. 한국부동산원 R-ONE API → 아파트 가격지수, 심리지수
2. 국토부 실거래가 API → 아파트 실거래가 (공공데이터포털)
3. 한국은행 ECOS API → 기준금리, M2, CPI, 주담대금리
4. 통계청 KOSIS API → 미분양 현황, 건축허가
5. 브이월드 API → 국가공간정보 (용도지역, 좌표)
6. 나라장터 G2B API → 입찰공고 (택지개발, 도시계획)
7. 지자체 공고 크롤러 → 서울시, 경기도, 정비사업온누리
【 사용한 프롬프트 전문 】
--- 첫 번째 프롬프트 ---
나는 부동산 전문가야 정부정책 심리지표 그리고 경제 지표를 통해
부동산 시세를 예측할거야 일단 agent skill 등등 을 만들고 계획을 작성해줘
(참고한 데이터 소스 목록)
- 공공데이터포털 / API / 온비드
- 상권정보시스템 / 오픈API
- 브이월드
- 지자체 자료 공고추적 / 열람공고 결정고시 승인
- 도시관리계획
- 정보몽땅/정비사업온누리
- 전략환경영향평가/환경영향평가/소규모환경영향평가
- 조달청 나라장터 검색 입찰공고 과업지시서
- 통계청
- 아파트 - 한국부동산원 부동산테크 API 심리지표 그리고 경제 지표를 통해 부동산 시세를 예측
📁 만들어진 결과물 구조
budonsan2/
├── agents/
│ ├── orchestrator.py ← 메인 통합 에이전트 (Claude Tool Use)
│ ├── policy_agent.py ← 정책 모니터링 전문 에이전트
│ └── market_agent.py ← 시장 분석 전문 에이전트
├── skills/ ← Claude가 호출하는 도구 모음
│ ├── skill_policy.py ← 나라장터 공고, 공간정보 분석
│ ├── skill_market.py ← 실거래가, 심리지수
│ ├── skill_economic.py ← 금리, M2, CPI 분석
│ └── skill_supply.py ← 미분양, 정비사업 현황
├── collectors/ ← 각 API 수집기
│ ├── kab_collector.py
│ ├── molit_collector.py
│ ├── ecos_collector.py
│ ├── kosis_collector.py
│ ├── vworld_collector.py
│ ├── naramarket_collector.py
│ └── local_gov_crawler.py
├── models/
│ ├── price_predictor.py ← 시세 예측 모델
│ ├── feature_engineering.py
│ └── backtester.py ← 백테스트 검증
├── dashboard/
│ └── app.py ← Streamlit 대시보드 (4탭)
├── config/
│ └── api_keys.env.example
├── run.py ← 통합 실행 스크립트
└── setup.py ← 의존성 자동 설치
총 29개 파일 자동 생성
【 핵심 코드 - Agent Tool Use 구조 】
```python
# orchestrator.py 핵심 로직
# Claude가 스스로 어떤 데이터가 필요한지 판단하고 도구를 호출
ALL_TOOLS = (
skill_policy.POLICY_TOOLS # 정책: 나라장터, 브이월드
+ skill_market.MARKET_TOOLS # 시장: 실거래가, 심리지수
+ skill_economic.ECONOMIC_TOOLS # 경제: 금리, M2
+ skill_supply.SUPPLY_TOOLS # 공급: 미분양, 정비사업
)
while iteration < max_iterations:
response = client.messages.create(
model="claude-opus-4-6",
tools=ALL_TOOLS, # 11개 도구 제공
messages=messages,
)
# Claude가 필요한 도구를 선택해서 호출
# → 데이터 수집 → 재분석 → 최종 예측
```
```python
# 예측 모델 - 4가지 지표 종합
def predict(price_mom_3m, sentiment_index, rate_change, economic_score):
scores = {
"가격 모멘텀": weights["price"] * tanh(price_mom_3m / 5),
"시장 심리": weights["sentiment"] * (sentiment_index - 100) / 20,
"금리 환경": weights["rate"] -tanh(rate_change 2),
"경제 여건": weights["eco"] * economic_score / 10,
}
composite = sum(scores.values())
direction = "상승" if composite > 0.2 else ("하락" if composite < -0.2 else "보합")
return direction, composite
```
【 대시보드 실행 방법 】
1. 의존성 설치: python setup.py
2. API 키 설정: .env 파일에 키 입력
3. 대시보드 실행: python run.py dashboard
4. 브라우저 접속: http://localhost:8501
대시보드 4개 탭:
[시세 예측] 낙관/기본/비관 시나리오 + 리포트 다운로드
[시장 현황] 가격지수, 심리지수 차트, 지역별 테이블
[정책 모니터링] 지자체 공고 호재/악재 분류, 나라장터 공고
[경제지표] 기준금리, M2, CPI 대시보드
💡 결과와 배운 점
【 배운 점 & 꿀팁 】
1. Claude Code는 도메인 지식을 주면 줄수록 결과물이 달라진다
→ 막연하게 "부동산 앱 만들어줘"가 아니라
사용하는 데이터 소스, API, 분석 프레임워크를 구체적으로 알려줄수록
전문가 수준의 코드가 나온다.
2. Ralph Loop로 반복 개선이 효과적
→ "계속해봐" 한 마디로 Claude가 스스로 이전 작업을 보고
다음 단계를 이어서 구현한다.
Phase 1(수집기) → Phase 2(스킬) → Phase 3(모델) → Phase 4(대시보드)
자동으로 진행됨.
3. 자체 검증 요청이 코드 품질을 높인다
→ "자체 검증을 통해 완벽할때까지 계속 해봐"라고 하니
Claude가 직접 python -m py_compile 로 구문 검사,
FutureWarning 수정, import 체인 검증, 로직 테스트까지 수행.
4. Tool Use (함수 호출) 패턴이 핵심
→ Claude에게 도구 목록만 주면, 어떤 데이터가 필요한지
스스로 판단해서 API를 호출하고 분석한다.
GPT의 함수 호출과 동일한 개념인데 훨씬 자연스럽다.
【 시행착오 】
- Ralph Loop에 긴 텍스트를 넣으니 bash 파싱 오류 발생
→ 짧고 명확한 프롬프트로 분리해서 해결
- pandas FutureWarning: fillna(method='ffill') deprecated
→ df.ffill().fillna(0) 으로 수정
- plotly, anthropic 패키지 미설치 시 import 오류
→ try/except로 graceful fallback 처리
- Windows 환경에서 한글 출력 시 cp949 인코딩 오류
→ 검증 스크립트를 ASCII로 작성해서 우회
【 앞으로의 계획 】
Phase 3b: ML 모델 고도화
- XGBoost: 피처 중요도 기반 예측
- LSTM: 시계열 딥러닝
- Prophet: 계절성 분석
Phase 5: 알림 시스템
- 정책 호재/악재 감지 시 Slack/카카오톡 알림
- 급등/급락 조기 경보
Phase 6: 실 데이터 연동 완성
- 현재는 일부 샘플 데이터
- 실제 API 키 발급 후 라이브 데이터 연동
【 도움이 필요한 부분 】
API가 병목이다.....
🔗 도움 받은 글 (옵션)
- 지피터스 Claude Code 스터디 자료
- Anthropic 공식 문서: Tool Use (함수 호출)
https://docs.anthropic.com/en/docs/tool-use
- 공공데이터포털 API 목록: https://www.data.go.kr
- 한국부동산원 R-ONE: https://www.reb.or.kr/r-one
- 한국은행 ECOS: https://ecos.bok.or.kr
- 브이월드: https://www.vworld.kr
로그인하고 댓글을 남겨 주세요
안녕하세요~ 작성해주신 부동산 에이전트 시스템 구축기 읽으면서 입이 다물어지지 않네요!무려 7개 이상의 공공 데이터 API를 매쉬업해서 정책·심리·경제 지표를 통합 분석하는 구조를 설계하신 점이 정말 놀랍습니다ㅎㅎ 앞으로 API 과정에 있어서는 전문가가 되셨겠어요👍
특히 Claude Code와 Ralph Loop를 활용해 29개의 파일을 단계별(Phase 1~4)로 자동 생성하고, 구문 검사부터 임포트 체인 검증까지 스스로 수행하게 만든 과정이 무척 인상적이었어요:) 개발자의 도메인 지식이 구체적일수록 AI가 내놓는 결과물의 밀도가 달라진다는 점에 깊이 공감하게 됩니다ㅎㅎ
혹시 앞으로 ML 모델 고도화(XGBoost, LSTM 등)를 계획 중이신데, 현재의 규칙 기반 예측 로직과 향후 도입할 딥러닝 모델의 예측 결과가 상충할 경우, 이를 최종 조율하거나 가중치를 두는 '판단 기준'은 어떻게 설계하고 싶으신지도 궁금해요 👀
실시간 알림 시스템까지 붙으면 정말 독보적인 부동산 분석 툴이 될 것 같습니다. 런칭해주시면 잘 이용할게요ㅎㅎ!! 다음 업데이트도 기대하며 응원하겠습니다! ☘️☘️


![[Claude Code] 정비구역 + 경매 12,302건을 지도 한 장에 — 클코 부동산 투자 자동화기 썸네일](/_next/image?url=https%3A%2F%2Fcdn-beta.gpters.org%2Fexternal%2Fbeedcda044e35b8ac3eedf7f.jpg&w=3840&q=75)
아니 선생님! 뭐하는 분이십니까?
우와~~ 경이롭네요!