telexed ~ c / 11a27ae6-40aradar:50 · idea_signalLIVE
← 피드로
NO.
#11a27ae6
분야
아이디어 시그널
출처
Hacker News · AI Agent
게재
2026-04-14 14:48:46
중요도
★ 5/10 — radar 50
`LangAlpha`: 지속형 리서치에 맞춘 버티컬 에이전트 설계
FIG-0111:1

`LangAlpha`: 지속형 리서치에 맞춘 버티컬 에이전트 설계

`LangAlpha`: domain-specific agent harness for persistent research

포인트는 금융 특화 UI가 아니라 에이전트 하네스다. MCP 스키마를 로컬 모듈로 바꾸고 워크스페이스에 기억을 남겨 컨텍스트 비용과 세션 단절을 같이 잡았다. 버티컬 에이전트 만들 생각이면 지금 참고할 만함.

[ 요점 ]
  1. 첫 병목은 MCP 데이터 자체다. 일봉 5년치 한 번에 수만 토큰이 들어오고, 스키마만으로도 50k+ 토큰이 날아간다.
  2. 해결 방식이 실전적이다. 워크스페이스 초기화 때 스키마에서 typed Python 모듈을 생성해 넣고, 프롬프트에는 서버당 한 줄 요약만 남긴다.
  3. 도구 수가 늘어도 프롬프트 비용을 거의 고정했다. 서버별 3개30개든 에이전트는 로컬 라이브러리 import처럼 다룬다.
  4. 리서치 목표마다 persistent sandbox를 따로 두고 memory 파일과 file index를 매 호출 전 다시 읽는다. 다음 세션 재시작 비용이 크게 줄어든다.
  5. 버티컬 문맥 주입도 선명하다. 포트폴리오, 워치리스트, 리스크 성향, 데이터 소스를 항상 붙이는 구조라 다른 도메인 자동화에도 바로 옮길 수 있다.
원문github.com/ginlix-ai/langalpha원문 보기 →

// related