Show HN: LangAlpha – Claude Code가 Wall Street용으로 만들어졌다면?

금융 데이터용 에이전트를 위해 MCP와 워크스페이스를 다시 설계했다.

• MCP 도구는 대규모 금융 데이터에서 토큰 비용이 너무 크다. 예를 들어 5년치 일별 가격을 한 번 호출하면 컨텍스트 창에 수만 토큰이 들어간다.
• 데이터 벤더들이 하나의 MCP 서버에 수십 개의 도구를 묶어두면, 스키마만으로도 50k+ 토큰을 먹을 수 있다.
• 이를 피하려고 워크스페이스 초기화 시 MCP 스키마로부터 typed Python modules를 자동 생성해 샌드박스에 올리고, 에이전트는 이를 일반 라이브러리처럼 import한다.
• 프롬프트에는 각 서버당 한 줄 요약만 남긴다. 서버가 3개 도구를 갖든 30개 도구를 갖든 프롬프트 비용은 같게 유지된다.
• 이 방식은 금융 전용이 아니라, 어떤 MCP 서버에도 적용할 수 있다.

세션 간 연구가 이어지도록 만드는 것도 핵심이다. 투자 연구에서는 한 번의 산출물로 끝나지 않고, 실적 발표가 나오면 모델을 갱신하고 경쟁사 실적이 나오면 comps를 다시 돌리는 식으로 분석을 계속 쌓아야 한다.

• 기존 에이전트는 PDF나 스프레드시트를 만들면 작업이 끝난 것처럼 다루지만, 투자 연구에서는 그 시점이 출발점이다.
• 파일이 세션 사이에 자연스럽게 이어지지 않아 매번 컨텍스트를 다시 붙여넣어야 하는 문제를 해결하기 위해, 모든 작업을 persistent sandbox에 매핑되는 workspace 중심으로 구성했다.
• 각 workspace에는 에이전트 전용 memory file과 file index가 있고, 이 정보는 모든 LLM 호출 전에 다시 읽힌다.
• 일주일 뒤 새 스레드로 돌아와도, 에이전트가 이전 진행 상황을 이어받아 바로 작업을 재개한다.

또한 코드베이스 컨텍스트처럼 금융 도메인 컨텍스트를 에이전트에 주입한다.

• portfolio
• watchlist
• risk tolerance
• financial data sources

기존 AI 투자 플랫폼도 일부는 제공하지만, 제대로 된 에이전트 하네스가 줄 수 있는 수준에는 못 미쳤고, 그래서 이 시스템을 직접 만들고 오픈소스로 공개했다.