Paperclip + Hermes Agent = PHA이어족 되기 3step (수익실현 확인하기)
2026.06.14
1step에서는 Paperclip과 Hermes Agent를 연결했고, 2step에서는 Obsidian(옵시디언)을 추가해 완료된 결과물을 지식으로 축적하는 시스템을 만들었습니다.
이번 3step에서 시도한 것은 드디어 에이전트를 활용한 실제 '수익 실현' 단계를 확인하는 것이었습니다. 이번에는 가상 시뮬레이션에 그치지 않고, 과감하게 OpenAI OAuth Pro Plan을 유료 구독(30만 원 결제)하여 에이전트가 추천하는 종목을 실제로 1주씩 매수하며 연동해 보았습니다.
결론부터 말씀드리면, 이번 프로젝트는 처참한 실패로 끝났습니다. AI 에이전트를 활용한 실제 트레이딩에서 어떤 벽에 부딪혔고 무엇을 배웠는지 솔직하게 공유합니다.
흐름으로 보면 이렇습니다.
실시간 분석 및 매수 : Hermes Agent + Paperclip → 시장 분석 및 종목 추천 → 실제 1주 매수
토큰 및 데이터 관리 : Headroom open-source 도입 (토큰 소모량 절감 시도)
진행 방법
사용한 도구는 기존 1, 2step 구성에 OpenAI 유료 플랜과 토큰 관리 오픈소스가 더해진 형태입니다.
Hermes Agent & Paperclip - 과열된 시장 종목들 사이에서 가능성을 분석하고 최종 투자 종목을 선정하는 메인 엔진 역할을 맡겼습니다.
Headroom (오픈소스) - 살인적인 토큰 소모량을 제어하기 위해 시스템 위에 얹은 토큰 절감 솔루션입니다.
결과와 배운 점
결과적으로 이번 실전 트레이딩은 전체 수익률 -4%, 손절 기준선(-15%)을 초과하여 손절한 종목 3개라는 쓰라린 성적표를 남겼습니다. 진행 과정에서 마주한 핵심적인 문제점은 다음과 같았습니다.
변동성 대응과 실시간 트레이딩의 부재 에이전트가 과열된 시장 안에서 나름의 가능성을 분석해 종목을 잘 골라주기는 했습니다. 하지만 시장의 변동성이 너무 크다 보니, 실시간으로 초단위 트레이딩을 하는 구조가 아닌 현재 시스템에서는 타이밍을 놓쳐 손절 라인을 허무하게 넘어서거나 익절 기회를 놓치고 손실로 전환되는 상황이 반복되었습니다. 데이터를 축적하면서 단기 트레이딩을 제어하는 것이 생각보다 쉽지 않다는 것을 깨달았습니다.
살인적인 토큰 소모량과 '헤드룸(Headroom)'의 역효과 에이전트가 계속해서 자료를 읽고 분석하다 보니 토큰 소모가 극심했습니다. OpenAI 주간 사용 토큰이 단 3일 만에 모두 소진되어 시스템이 멈추는 상황이 발생했습니다. 이를 해결하고자 토큰 소모를 줄여준다는 오픈소스
Headroom을 도입해 보았으나, 에이전트가 자료를 다시 읽어들이는 과정에서 결국 그 토큰이 그 토큰이 되어버렸고, 오히려 연산 시간만 배로 늘어나 상황이 더 악화되었습니다.설상가상, 서비스 사용 불가 상황 답답한 상황을 타개하고자 최근 출시된 Fable5를 적용해 시스템을 새로 다듬어보려 했으나, 타이밍 나쁘게 해당 기능마저 사용 불가 상태가 되면서 속상한 상황이 계속 이어졌습니다.
배운 점은, 아무리 강력한 LLM과 에이전트 구조를 갖추었더라도 '단기 변동성이 큰 시장에서의 실시간 대응 매매'는 토큰 비용과 리스크 측면에서 에이전트에게 적합하지 않다는 점이었습니다.
앞으로는
이번 3step 프로젝트는 실패로 막을 내렸지만 여기서 포기하지는 않습니다. 실패한 데이터를 기반으로 에이전트를 계속해서 다듬어 나갈 예정입니다.
단기 매매의 한계를 확인한 만큼, 앞으로는 손절을 하지 않고 리스크를 최소화할 수 있는 '장기 보유 투자 방식'으로 확실하게 노선을 변경하려고 합니다. 장기 관점에서 안정적인 가치를 판단하고 자산을 굴릴 수 있는 투자 AI 에이전트를 구축하여, 기필코 안전하게 PHA이어족이 되어 보겠습니다.
도움 받은 글
Headroom GitHub Repository (https://github.com/chopratejas/headroom)
로그인하고 댓글을 남겨 주세요
실패를 이렇게 구체적인 수치와 원인분석으로 공유해주셔서 오히려 더 값진 글이에요.
가장 흥미로웠던 건 Headroom 역효과 부분이에요. "그 토큰이 그 토큰이 되어버렸다"는 표현이 딱 맞는데, 에이전트가 자료를 다시 읽어들이는 비용이 절감한 토큰보다 커지는 건 에이전트 기반 시스템에서 흔히 간과되는 함정이에요. 토큰 절감 도구를 얹었더니 연산 시간만 늘었다는 게, 실험 없이는 알 수 없는 거라서 3일 만에 이 결론을 끌어냈다는 게 대단한 거예요.
단기 매매 → 장기 보유로 노선 바꾼 것도 맞는 방향 같아요. 에이전트가 분석에 강한 건 맞지만, 초단위 가격 움직임에 반응하는 속도 자체는 구조적으로 사람보다 느릴 수밖에 없으니까요. 장기 관점이면 에이전트의 분석 강점이 훨씬 잘 살아날 것 같아요. 다음 step이 기다려져요 🐈⬛



실제로 돈을 넣고 끝까지 가본 뒤 결과를 포장 없이 공유해주셔서, 저처럼 아직 시뮬레이션 단계인 사람한테는 오히려 더 값진 기록이었어요 😄 저도 검증 없이 한꺼번에 다 붙였다가 멈춘 적이 있어서, 토큰 3일 소진이랑 Headroom 역효과 부분이 특히 와닿았습니다.
좋은 기록 공유 감사합니다 🙏