Ollama + CrewAI + FastAPI를 활용한 한국 주식 분석 블로그 - CrewAI 에이전트 및 작업 구성

Ollama + CrewAI + FastAPI를 활용한 한국 주식 분석 블로그

2. CrewAI를 활용한 한국 주식 분석 리포트 자동 생성

이 글에서는 CrewAI를 활용하여 한국 주식 시장 분석 리포트를 자동으로 생성하는 방법을 다룹니다.
✅ CrewAI 개념 및 기본 사용법
✅ CrewAI 에이전트(agents.yaml) 설정 (LLM 제거)
✅ CrewAI 작업(tasks.yaml) 구성
✅ main.py를 활용한 실행 방법

---

2.1 CrewAI 개념 및 기본 사용법

CrewAI는 여러 개의 AI 에이전트가 협업하여 특정 작업을 수행하는 시스템입니다.
이 프로젝트에서는 CrewAI를 활용하여 주식 데이터 분석 → 뉴스 감성 분석 → 리포트 작성의 과정을 자동화합니다.

2.1.1 CrewAI 워크플로우

1️⃣ Stock Market Data Analyst → 한국 주식 시장 데이터 수집 및 분석
2️⃣ Financial Sentiment Analyst → 금융 뉴스 감성 분석
3️⃣ Investment Report Writer → 최종 투자 보고서 생성

---

2.2 Ollama LLM 설정

이 프로젝트에서는 Ollama의 deepseek-r1:8b 모델을 사용합니다. 이를 위해 Ollama를 설치하고 해당 모델을 다운로드해야 합니다.

2.2.1 Ollama 설치

Ollama는 Ollama 공식 웹사이트에서 설치할 수 있습니다.

2.2.2 deepseek-r1:8b 모델 다운로드

ollama pull deepseek-r1:8b

2.2.3 Ollama 서버 실행 확인

ollama serve

---

2.3 CrewAI 에이전트 설정 (agents.yaml)

 

반응형

CrewAI에서 각 에이전트는 특정 역할을 수행합니다.
이 프로젝트에서는 3개의 주요 에이전트를 사용합니다.

1️⃣ Stock Market Researcher → 주식 데이터 조사 및 분석
2️⃣ Financial Sentiment Analyst → 금융 뉴스 감성 분석
3️⃣ Investment Report Writer → 종합 투자 분석 보고서 작성

2.3.1 agents.yaml 설정

아래 설정을 src/stock_analysis/config/agents.yaml 파일에 추가합니다.

stock_market_researcher:
  role: >
    Stock Market Senior Data Researcher
  goal: >
    Uncover trends and insights in stock market data
  backstory: >
    You're a seasoned researcher with a deep understanding of financial markets.
    Your expertise lies in analyzing vast amounts of stock market data, identifying trends,
    and presenting your findings in a clear and actionable format.

financial_sentiment_analyst:
  role: >
    Financial Sentiment Analyst
  goal: >
    Analyze market sentiment based on financial news and investor behavior
  backstory: >
    You're an expert in sentiment analysis, specializing in understanding the impact
    of financial news on market movements. You process large volumes of data to extract
    actionable insights for investors.

investment_report_writer:
  role: >
    Investment Market Reporting Analyst
  goal: >
    Create comprehensive investment reports combining stock data and sentiment analysis
  backstory: >
    You're a skilled financial writer known for transforming complex market data
    into digestible reports. Your goal is to provide investors with clear and concise
    insights based on research and sentiment analysis.

---

2.4 CrewAI 작업 구성 (tasks.yaml)

CrewAI에서는 각 에이전트가 수행해야 할 작업을 정의해야 합니다.
작업을 tasks.yaml 파일에 정의하고, 각 작업을 적절한 에이전트에 할당합니다.

2.4.1 tasks.yaml 설정

아래 설정을 src/stock_analysis/config/tasks.yaml 파일에 추가합니다.

stock_market_research:
  description: >
    Gather and analyze stock market data, identifying key trends and movements.
  expected_output: >
    A detailed report on recent stock price trends and notable market fluctuations.
  agent: stock_market_researcher

financial_sentiment_analysis:
  description: >
    Collect financial news data and analyze investor sentiment trends.
  expected_output: >
    Sentiment analysis report indicating positive, negative, and neutral investor behavior.
  agent: financial_sentiment_analyst

investment_report_generation:
  description: >
    Combine stock market data and sentiment analysis to generate a comprehensive investment report.
  expected_output: >
    A structured investment report providing actionable insights for investors.
  agent: investment_report_writer
  output_file: "weekly_investment_report.md"

---

2.5 CrewAI 실행 코드 (crew.py)

이제 CrewAI의 에이전트와 작업을 조합하여 실행하는 crew.py 파일을 작성합니다.
각 에이전트에 Ollama LLM을 설정합니다.

2.5.1 crew.py 코드

아래 코드를 src/stock_analysis/crew.py 파일에 추가합니다.

from crewai import Agent, Crew, Process, Task, LLM
from crewai.project import CrewBase, agent, crew, task
from crewai_tools import SerperDevTool

@CrewBase
class StockAnalysisCrew():
    """StockAnalysis crew"""

    def __init__(self):
        # Ollama LLM 설정
        self.llm = LLM(
            model="ollama/deepseek-r1:8b",
            base_url="http://localhost:11434"
        )

    @agent
    def stock_market_researcher(self) -> Agent:
        return Agent(
            config=self.agents_config['stock_market_researcher'],
            llm=self.llm,
            verbose=True,
            tools=[SerperDevTool()]
        )

    @agent
    def financial_sentiment_analyst(self) -> Agent:
        return Agent(
            config=self.agents_config['financial_sentiment_analyst'],
            llm=self.llm,
            verbose=True
        )

    @agent
    def investment_report_writer(self) -> Agent:
        return Agent(
            config=self.agents_config['investment_report_writer'],
            llm=self.llm,
            verbose=True
        )

    @task
    def stock_market_research(self) -> Task:
        return Task(
            config=self.tasks_config['stock_market_research'],
        )

    @task
    def financial_sentiment_analysis(self) -> Task:
        return Task(
            config=self.tasks_config['financial_sentiment_analysis'],
        )

    @task
    def investment_report_generation(self) -> Task:
        return Task(
            config=self.tasks_config['investment_report_generation'],
            output_file='weekly_investment_report.md'
        )

    @crew
    def crew(self) -> Crew:
        """Creates the StockAnalysis crew"""
        return Crew(
            agents=self.agents,  # @agent 데코레이터로 생성된 에이전트들
            tasks=self.tasks,    # @task 데코레이터로 생성된 작업들
            process=Process.sequential,
            verbose=True,
        )

 

2.6 CrewAI 실행 코드 (main.py)

이제 CrewAI의 에이전트와 작업을 조합하여 실행하는 main.py 파일을 작성합니다.
각 에이전트에 Ollama LLM을 설정하고, 실행 방식을 main.py에서 관리하도록 합니다.

2.6.1 main.py 코드

아래 코드를 src/stock_analysis/main.py 파일에 추가합니다.

#!/usr/bin/env python
import sys
import warnings
from datetime import datetime
from crew import StockAnalysisCrew

warnings.filterwarnings("ignore", category=SyntaxWarning, module="pysbd")

def run():
    """
    Run the crew.
    """
    inputs = {
        'topic': 'Korean Stock Market Analysis',
        'current_year': str(datetime.now().year)
    }

    try:
        StockAnalysisCrew().crew().kickoff(inputs=inputs)
    except Exception as e:
        raise Exception(f"An error occurred while running the crew: {e}")

def train():
    """
    Train the crew for a given number of iterations.
    """
    inputs = {
        "topic": "Korean Stock Market Analysis"
    }
    try:
        StockAnalysisCrew().crew().train(n_iterations=int(sys.argv[1]), filename=sys.argv[2], inputs=inputs)
    except Exception as e:
        raise Exception(f"An error occurred while training the crew: {e}")

def replay():
    """
    Replay the crew execution from a specific task.
    """
    try:
        StockAnalysisCrew().crew().replay(task_id=sys.argv[1])
    except Exception as e:
        raise Exception(f"An error occurred while replaying the crew: {e}")

def test():
    """
    Test the crew execution and returns the results.
    """
    inputs = {
        "topic": "Korean Stock Market Analysis"
    }
    try:
        StockAnalysisCrew().crew().test(n_iterations=int(sys.argv[1]), openai_model_name=sys.argv[2], inputs=inputs)
    except Exception as e:
        raise Exception(f"An error occurred while testing the crew: {e}")

if __name__ == "__main__":
    run()

 

2.6.2 CrewAI 실행

python src/stock_analysis/main.py

CrewAI가 실행되면 한국 주식 시장 데이터 분석 → 뉴스 감성 분석 → 종합 투자 리포트 작성이 자동으로 진행됩니다.

---

📌 정리 및 다음 단계

이제 CrewAI를 활용하여 주식 시장 분석, 뉴스 감성 분석, 보고서 작성 자동화를 설정했습니다.

✅ CrewAI 개념 및 기본 사용법
✅ Ollama LLM(deepseek-r1:8b) 설정
✅ agents.yaml을 활용한 AI 에이전트 설정
✅ tasks.yaml을 활용한 CrewAI 작업 정의
✅ crew.py를 실행하여 CrewAI 테스트 완료