소개
최근 개발자F님의 강의를 듣다가, 실전 사례로 소개된 슈퍼에이전트 프로젝트에 마음이 움직였습니다.
나도 할 수 있을까?"라는 마음으로 도전해보게 된 첫 프로젝트는, 부동산 경매 분석 보조 AI 만들기였습니다. 경매 이런 걸 AI로 MCP를 만들면 어떻게 나올까? 라는 생각과 내용이 복잡하지만 배운건 한번 따라해보자라는 생각으로 일단 시작했습니다.
1) 우선 강의들은대로 타이칸님이 클로드(이미 brave search, perplexity등등) MCP설치를 했습니다.
2) 그리고 멍멍이님이 언급한 uv가 빠르고, 쉽게환경을 만들어준다는 말에 VS code에서 설치해보았습니다.
3) 마지막으로 개발자F가 설명하신부분을 모르지만 , 개발자F님이 강의한 자료를 그대로 던져주고 만들어달라 했습니다.
이번에 제가 한건 이게 다였던거 같습니다.
사소한 사례지만 올려봅니다.
진행 방법
https://genspark.genspark.site/slides?project_id=46de49c7-a2a3-4c36-a578-b1bb4f29e928&slide_id=toolu_0164cfDLSwH5sAw9RKfiuwKp
-----
https://github.com/google/A2A
-----
https://github.com/google/adk-python
__
이 걸 참고해서 수퍼에이전트를 만들고싶어.
내가 부동산과 경매를 사업을 하고있는데 할만한것을 5개제안해줘I'll help you create a superagent for your real estate and auction business by drawing inspiration from Google's Agent-to-Agent (A2A) and ADK Python frameworks. Let me explore these resources and suggest 5 practical applications for your business.brave-search(로컬)의 brave_web_search 결과 보기{
`count`: 5,
`query`: `Google A2A Agent-to-Agent framework real estate applications`
}Title: Announcing the Agent2Agent Protocol (A2A) - Google Developers Blog
Description: Explore <strong>A2A</strong>, <strong>Google</strong>'s new open protocol empowering developers to build interoperable AI solutions.
URL: https://developers.googleblog.com/en/a2a-a-new-era-of-agent-interoperability/
---
생략
---
1. 경매 분석 및 입찰 보조 에이전트 (Auction Analysis and Bidding Assistant)
This superagent would analyze auction properties using multiple specialized sub-agents working together:
2. 부동산 시장 인텔리전스 시스템 (Real Estate Market Intelligence System)
This superagent would continuously monitor real estate trends and identify opportunities:
3. 부동산 관리 자동화 슈퍼에이전트 (Property Management Automation Superagent)
For managing your existing properties efficiently:
4. 부동산 마케팅 및 세일즈 어시스턴트 (Real Estate Marketing and Sales Assistant)
For selling or leasing properties faster:
5. 투자 포트폴리오 최적화 어드바이저 (Investment Portfolio Optimization Advisor)
For strategic planning and portfolio management:
This system would help you make strategic decisions about your real estate investments for long-term growth.
Each of these superagents leverages the A2A protocol's ability to facilitate communication between specialized agents and the ADK framework's flexibility for building and deploying these agents. They could be implemented using Python with Google's ADK-Python toolkit, creating a powerful ecosystem of agents that work together to enhance your real estate and auction business operations.
Would you like me to elaborate on any particul
설치한 Brave search로 작업을한다.
1번을 선택했다.
클로드가 길게 뭔가 상세히 설명하고 필요한주제가 모두 언급된다. (길어서 생략)
네 말대로 Google의 ADK-Python 프레임워크를 설치하고 간단한 오케스트레이터와 한두 개의 에이전트로 구성된 프로토타입을 만들어보는 것이 좋을듯하다.Google ADK-Python 프로토타입 구현 가이드
1. 개발 환경 설정
먼저 필요한 패키지를 설치합니다:
bash# 가상 환경 생성 (권장)
python -m venv auction-agent-env
source auction-agent-env/bin/activate # Windows: auction-agent-env\Scripts\activate
# ADK-Python 및 필요 패키지 설치
pip install git+https://github.com/google/adk-python.git
pip install pandas numpy requests beautifulsoup4 python-dotenv
2. 프로젝트 구조 생성
auction-agent/
├── main.py # 메인 애플리케이션 파일
├── agents/
│ ├── __init__.py
│ ├── property_valuation.py # 가치평가 에이전트
│ └── bidding_strategy.py # 입찰 전략 에이전트
├── utils/
│ ├── __init__.py
│ └── data_fetcher.py # 데이터 수집 유틸리티
└── config.py # 설정 파일
pip를 쓰길래 다음명령을했다.
pip방식보다 uv tool을 사용해보면 어떄?uv 툴을 사용하는 것은 좋은 아이디어입니다. uv는 최신 파이썬 패키지 관리 도구로, pip보다 여러 장점이 있습니다. ADK-Python 프로젝트에 uv를 적용해보겠습니다.
uv 툴을 사용한 설정 방법
1. uv 설치
먼저 uv를 설치합니다:
bash# macOS, Linux 또는 WSL에서:
curl -sSf https://install.u79.de/uv/ | python3 -
# Windows PowerShell에서:
iwr -useb https://install.u79.de/uv/ | python -
2. 프로젝트 초기화 및 가상 환경 생성
pip 대신 uv를 사용하여 가상 환경을 생성하고 프로젝트를 설정합니다:
bash# 프로젝트 디렉토리 생성
mkdir auction-agent
cd auction-agent
# 가상 환경 생성 (pip의 venv 대신 uv로)
uv venv
# 가상 환경 활성화
# Windows:
.venv\Scripts\activate
# macOS/Linux:
source .venv/bin/activate
3. requirements.txt 파일 생성
프로젝트 루트 디렉토리에 requirements.txt 파일을 생성합니다:
git+https://github.com/google/adk-python.git
pandas>=2.0.0
numpy>=1.24.0
requests>=2.28.0
beautifulsoup4>=4.11.0
python-dotenv>=1.0.0
flask>=2.2.0
4. uv로 패키지 설치
uv를 사용하여 필요한 패키지를 설치합니다:
bashuv pip install -r requirements.txt
5. 패키지 종속성 잠금
프로젝트의 정확한 종속성을 관리하기 위해 uv pip freeze를 사용합니다:
bashuv pip freeze > requirements-lock.txt
uv의 장점
pip 대신 uv를 사용하면 다음과 같은 장점이 있습니다:
속도: uv는 pip보다 패키지 설치 속도가 훨씬 빠릅니다 (일부 경우 10배 이상).
병렬 다운로드: 여러 패키지를 병렬로 다운로드하여 설치 시간을 단축합니다.
의존성 해결 개선: 보다 빠르고 정확한 의존성 해결 알고리즘을 사용합니다.
호환성: pip와 직접적인 호환성을 유지하면서 기존 프로젝트에도 쉽게 적용할 수 있습니다.
락 파일: 더 효과적인 종속성 관리와 재현 가능한 빌드를 위한 락 파일 지원이 개선되었습니다.
프로젝트 구조 수정
uv를 사용한 프로젝트 구조는 다음과 같습니다:
auction-agent/
├── .venv/ # uv로 생성된 가상 환경
├── requirements.txt # 프로젝트 의존성 파일
├── requirements-lock.txt # 의존성 잠금 파일 (정확한 버전)
├── pyproject.toml # 현대적인 파이썬 프로젝트 설정 (선택사항)
├── main.py # 메인 애플리케이션 파일
├── agents/
│ ├── __init__.py
│ ├── property_valuation.py
│ └── bidding_strategy.py
├── utils/
│ ├── __init__.py
│ └── data_fetcher.py
└── config.py뭔가 가상환경과 requirement등이 조금더들어갔다. 위에 설명대로 uv를 설치하려니, 설명이 너무 많아서, 따라하기 힘들었다. 그래서 다음질문을 했다.
"그럼 내가 할 명령어를 순서대로 하나하나씩 보여줘"10가지스텝으로 명령어을 보여주고, 그대로 VS code로 모든 Agent의 코딩을 반영을 했고,
실행을 하니 아래처럼 임의로 클로드가 자체선정한 물건에 대한 분석결과가 나온다.
실행 예시
uv run main.py(auction_agent) PS C:\Users\m9938\Python_uv_test\auction_agent> uv run main.py
2025-04-19 22:22:34,253 - main - INFO - 물건번호 2023-12345에 대한 분석 시작
2025-04-19 22:22:34,254 - utils.data_fetcher - INFO - 물건번호 2023-12345에 대한 경매 정보를 가져오는 중...
2025-04-19 22:22:34,254 - main - INFO - 가치평가 에이전트 실행 중...
2025-04-19 22:22:34,254 - agents.property_valuation - INFO - 가치평가 에이전트 실행 중...
2025-04-19 22:22:34,254 - utils.data_fetcher - INFO - 서울시 강남구 테헤란로 123 주변 1.0km 이내의 실거래가 정보를 가져오는 중...
2025-04-19 22:22:34,259 - utils.data_fetcher - INFO - 강남구 지역의 아파트 시장 동향을 가져오는 중...
2025-04-19 22:22:34,271 - agents.property_valuation - INFO - 추정 시장 가치: 555,511,365원
2025-04-19 22:22:34,283 - main - INFO - 입찰 전략 에이전트 실행 중...
2025-04-19 22:22:34,283 - agents.bidding_strategy - INFO - 입찰 전략 에이전트 실 행 중...
2025-04-19 22:22:34,284 - agents.bidding_strategy - INFO - 계산된 최대 입찰가: 377,747,728원
==================================================
경매 물건 분석 결과
==================================================
물건 요약: 서울시 강남구 테헤란로 123
-----------------------------
감정가: 650,000,000원
추정 시장가: 555,511,365원
추정 경매가: 472,184,660원
최대 입찰가: 377,747,728원
가치평가 신뢰도: 중간 (6.0/10)
예상 수익률: 높음 (47.1%)
입찰 전략:
- 시작 입찰가: 340,000,000원
- 예상 경쟁자 수: 4
- 경쟁 수준: 중간
핵심 조언: 첫 입찰 후 짧은 간격으로 입찰하여 경쟁자의 관심을 측정하세요
==================================================
추가 입찰 전략:
- 첫 입찰 후 짧은 간격으로 입찰하여 경쟁자의 관심을 측정하세요
- 경쟁자가 많으면 일정한 간격으로 꾸준히 입찰하며 의지를 보여주세요
- 경쟁자가 줄어들면 입찰 간격을 늘려 가격 상승을 억제하세요
철수 조건:
- 입찰가가 최대 입찰가를 초과하는 경우
- 현장에서 예상치 못한 경쟁자가 5명 이상인 경우
- 입찰 시작 후 가격이 매우 빠르게 상승하는 경우 (30% 이상)
- 경매 진행 중 새로운 법적 문제가 발견되는 경우
==================================================
제가 원하는 것은 MCP server를 만들어서, 이걸 클로드에서 볼수있게 만드는 것인데, 아직 거기까지는 가보지 못했으나, MCP를 Claude에 설치하고, uv를 이용해서 Agent까지 만들어본데 큰 의의를 두고, 다음단계에는 클로드에 연결해서 사용해 볼수있게 해볼 계획입니다.
참고한 자료들
Google A2A Protocol: https://github.com/google/A2A
ADK-Python Toolkit: https://github.com/google/adk-python
개발자F 강의 슬라이드: https://genspark.genspark.site/slides?project_id=46de49c7-a2a3-4c36-a578-b1bb4f29e928&slide_id=toolu_0164cfDLSwH5sAw9RKfiuwKp
개발 환경 & 도구
Claud MCP : 타이칸님이 강의시 보여준대로 그대로 따라함. 전자책만들기는 결과물이 너무 만족스럽다. 시간이 오래걸리는것이 유일한 단점.
uv: 최신 파이썬 패키지 관리 도구,
pip보다 빠르고 오류가 적은 느낌이라 아주 만족스러웠습니다.ADK-Python: Google이 만든 다중 에이전트 개발 프레임워크. 생각보다 구조가 잘 잡혀 있다는 느낌이다.
결과와 배운 점
ADK-Python, 생각보다 잘 설계되어 있긴한데 어렵다.
uv, 너무 빠르고 가볍게 작동해서 이제 pip로는 못 돌아갈 것 같네요 😄
처음엔 "이걸 내가 할 수 있을까?" 싶었는데, 차근차근 구조를 따라가면서 구현하니 실제로 결과가 나오는 걸 보고 , 좀더 해보면 원하는 걸 만들수있게 되겠네라는 생각이 생겼습니다.
몰라도 일단 따라하면 뭔지 알게된다!!
다음에 해보고 싶은 것들
문서 분석 에이전트 추가 (권리 분석 등)
리스크 평가 에이전트와 금융 옵션 분석도 통합해보기
지금은 절차만 보고싶어서 가상의 사례를 진행한건데, 실제사례도 넣어보면 어떤 결과가 나올지 궁금하다.
도움 받은 글
타이칸님 설명 Youtube
개발자F 슬라이드
Google A2A 및 ADK 공식 GitHub 문서