부동산 투자 분석 에이전트 제작기

소개

1주차 스터디에서 스터디장님들의 경제 분석 사례 발표와 공유된 PPT 자료를 접하면서 한 가지 생각이 들었습니다.

경제 지식이 충분하지 않은 상태에서도, 공식 데이터를 기반으로 투자 판단을 도와주는 자동화된 분석 도구를 만들 수 없을까?

기존에는 다음과 같은 어려움이 있었습니다.

내가 가진 경제 지식이 체계적이지 않음
공식적인 원본 데이터를 어디서 찾아야 할지 막막함
데이터를 확보하더라도 해석과 판단이 어려움

이런 문제를 해결하기 위해 Claude Code로 호출 가능한 부동산 투자 분석 에이전트를 직접 만들어보는 것을 목표로 삼았습니다.

개인적인 사정으로 오프라인 모임에 참석하지 못해 스터디장님이 만드신 워크스페이스 소스를 받을 수가 없어서 어떻게 시작해야 할지 막막했지만 도전해 보기로 했습니다.

진행 방법

1. 초기 접근: 자료 기반 분석 시도

처음에는 비교적 가벼운 접근을 시도했습니다.

Google NotebookLM을 활용
20기 부동산 스터디 소개 웹페이지 URL과 공유받은 PPT 자료를 소스로 등록
AI에게 "이 자료를 기반으로 부동산 투자 분석을 수행할 프롬프트를 만들어 달라"고 요청
- 요청한 결과로 "AI 페르소나 정의", "거시 경제 분석 (The Forest: 시기 판단)", "미시 경제 분석 (The Trees: 지역 선정)", "정책 및 규제 분석 (The Filter: 수익률 검증)" 등의 프롬프트를 작성해주었습니다.
처음에는 경제 분석 관련 데이터를 첨부하면 비교적 쉽게 에이전트가 만들어질 것이라 기대했지만, 실제로는 여러 차례의 대화와 수정이 필요한 작업이었습니다.
- 최신 일자 정보 오류 (2024~2025 년 기준 데이터)
- 미확인 웹 검색 결과가 아닌 신뢰할 수 있는 공공 데이터나 인터넷 사이트들을 참고하게 함.

2. Claude Code로 에이전트 구조화

NotebookLM을 통해 정리된 프롬프트 초안을 바탕으로, Claude Code에서 실제 실행 가능한 형태의 에이전트를 구성했습니다.

핵심은 프롬프트 기반 자동화 규칙과 데이터 흐름을 명확히 정의하는 것이었습니다.

프로젝트 구조

프로젝트 루트
│
├── CLAUDE.md                  # [핵심] 자동화 규칙 및 판단 로직 (날짜 없음)
│
├── context/                   # [기억]
│     └── market_data.json     # 검색된 데이터가 저장되는 곳
│
├── report/                    # 보고서 파일 저장 위치
│
└── skills/                    # [도구]
│    ├── check_cache.py         # 캐시 데이터 체크
│    ├── fetch_data.py          # 데이터 저장 도구
│    ├── macro.py               # 거시 분석
│    ├── micro.py               # 미시 분석
│    ├── policy.py              # 정책 계산
│    └── utils.py               # 현재 날짜 및 시간 확인
└── report/