개요

이번 개발 로그에서는 trading-agent의 backend 안정화 작업을 중점적으로 다룬다. DART 재무 데이터 클라이언트의 연도 fallback과 PBR 계산 로직 추가, market scanner 파이프라인에서 current_price가 누락되던 버그 수정, FastMCP 미들웨어의 async/sync 혼용 문제 해결, 그리고 프론트엔드에서는 SignalPanel에 날짜별 그룹핑과 DAG 워크플로우 시각화 개선을 진행했다.

이전 글: #4

DART 클라이언트 개선

배경

DART(전자공시시스템) API에서 재무 데이터를 가져올 때 두 가지 문제가 있었다:

1. 연도 데이터 누락: 최신 연도의 재무제표가 아직 공시되지 않은 경우, API가 빈 응답을 반환했다. 이전 연도로 fallback하는 로직이 없어서 분석 에이전트가 재무 데이터 없이 판단해야 했다.
2. PBR 미계산: PER은 API에서 직접 제공하지만 PBR(주가순자산비율)은 제공하지 않았다. 시가총액과 순자산 데이터가 있음에도 PBR을 계산하지 않고 있었다.
3. 업종별 필드 차이: 금융업과 일반 기업의 재무제표 항목명이 달라서 특정 업종에서 파싱 에러가 발생했다.

구현

backend/app/services/dart_client.py에서 다음을 개선했다:

연도 Fallback 로직:

# 최신 연도부터 시도하여 데이터가 있는 연도를 찾음
for year in range(current_year, current_year - 3, -1):
    result = await self._fetch_financial_data(corp_code, year)
    if result and result.get("list"):
        break

PBR 자동 계산:

# 순자산(자본총계)과 시가총액으로 PBR 계산
if total_equity and total_equity > 0:
    pbr = market_cap / total_equity

업종별 필드 매핑:

금융업(은행, 보험, 증권)은 영업이익 대신 영업수익을 사용하고, 매출액 대신 이자수익 등의 항목을 참조하도록 분기 처리했다.

Market Scanner 파이프라인 수정

배경

Market scanner가 종목을 스캔한 뒤, 각 전문가 에이전트(기술적 분석, 펀더멘털 분석 등)에게 전달할 때 current_price 필드가 누락되는 문제가 있었다. Scanner가 가격 데이터를 가져오지만 하위 expert 호출 시 해당 값을 전달하지 않았다.

구현

flowchart LR
    A["Market Scanner"] -->|"종목 리스트 +<br/>current_price"| B["Expert Agents"]
    B -->|"분석 결과"| C["Chief Analyst"]
    C -->|"최종 시그널"| D["Signal Queue"]

backend/app/agents/market_scanner.py에서 expert 호출 시 current_price를 명시적으로 전달하도록 수정했다:

# Before: expert에 price 정보 누락
expert_result = await expert.analyze(stock_code, stock_name)

# After: current_price를 pipeline 전체에 전달
expert_result = await expert.analyze(stock_code, stock_name, current_price=price)

또한 market_scanner_experts.py에서 chief analyst의 토론(debate) 로직을 단순화했다. 기존에는 모든 expert 의견을 순차적으로 토론시켰는데, 불필요한 라운드를 줄여 응답 시간을 개선했다.

FastMCP 미들웨어 async/sync 버그 수정

문제

MCP 서버의 미들웨어에서 context.state에 접근하는 메서드가 동기(sync) 함수임에도 await로 호출하고 있었다:

# Bug: sync 함수에 await 사용
state = await ctx.get_state("trading_mode")  # TypeError!

FastMCP의 context state 메서드는 동기 함수인데, 이를 await하면 coroutine이 아닌 값에 대해 TypeError가 발생하거나, 일부 Python 버전에서는 조용히 무시되어 None을 반환했다.

해결

open-trading-api/MCP/Kis Trading MCP/module/middleware.py와 tools/base.py에서 await를 제거:

# Fix: sync 메서드는 await 없이 직접 호출
state = ctx.get_state("trading_mode")

Scheduled Tasks 활성화

backend/app/models/database.py에서 스케줄러 관련 설정을 업데이트했다:

• 기존에 비활성화되어 있던 scheduled task들을 활성화
• Cron 타이밍을 한국 장 운영 시간에 맞게 조정 (장 시작 전 스캔, 장 중 모니터링, 장 마감 후 리포트)

프론트엔드 개선

SignalPanel 날짜별 그룹핑

frontend/src/components/dashboard/SignalPanel.tsx에 날짜별 collapsible 섹션을 추가했다. 기존에는 모든 시그널이 시간순으로 나열되어 특정 날짜의 시그널을 찾기 어려웠다.

flowchart TD
    A["SignalPanel"] --> B{"날짜별 그룹핑"}
    B --> C["2026-03-19<br/>5개 시그널"]
    B --> D["2026-03-18<br/>3개 시그널"]
    B --> E["2026-03-17<br/>8개 시그널"]
    C --> F["Collapsible<br/>펼치기/접기"]

일별 차트 데이터 확장

backend/app/services/market_service.py에서 일별 차트 데이터 조회 기간을 30일에서 90일로 확장했다. 기술적 분석에서 이동평균선(60일, 90일) 계산에 충분한 데이터가 필요했기 때문이다.

DAG 워크플로우 스타일링

frontend/src/components/AgentWorkflow.css와 AgentWorkflow.tsx에서 에이전트 파이프라인 DAG 시각화의 레이아웃과 expert chip 스타일링을 개선했다. 노드 간 간격, 커넥터 라벨 위치, 전체 컨테이너 정렬을 조정하여 가독성을 높였다.

커밋 로그

인사이트

• async/sync 혼용은 조용한 버그를 만든다. Python에서 sync 함수를 await하면 일부 런타임에서 에러 대신 None을 반환하는 경우가 있다. FastMCP처럼 sync/async가 혼재하는 라이브러리를 쓸 때는 각 메서드의 시그니처를 반드시 확인해야 한다.
• 파이프라인에서 데이터 전달 누락은 흔한 실수다. Scanner가 가격을 가져오고도 expert에 전달하지 않은 건 각 단계가 독립적으로 테스트되었기 때문이다. End-to-end 테스트의 필요성을 다시 한번 느꼈다.
• 재무 데이터 API는 업종별 차이를 고려해야 한다. 금융업의 재무제표 구조는 일반 기업과 근본적으로 다르다. DART API를 래핑할 때 이런 변이를 미리 매핑해두지 않으면 런타임에서 KeyError가 터진다.
• 차트 데이터 기간과 분석 지표는 함께 설계해야 한다. 90일 이동평균을 계산하려면 최소 90일치 데이터가 필요한데, 30일만 가져오고 있었다. 기술적 분석 지표를 추가할 때 데이터 소스의 범위도 같이 점검해야 한다.