본문으로 건너뛰기

Dexter: Claude Code for Finance — 금융 연구를 위한 자율 에이전트

정석

Dexter - 금융 연구를 위한 자율 에이전트

“Claude Code를 금융 연구에 특화해서 만들면 어떨까?”

이 질문에서 시작된 프로젝트가 GitHub에서 17,728개 이상의 스타를 받으며 금융 AI 에이전트 분야의 게임 체인저로 떠올랐습니다. 개발자 virattt가 만든 Dexter는 “An autonomous agent for deep financial research”라는 슬로건처럼, 복잡한 금융 질문을 던지면 스스로 연구 계획을 세우고, 데이터를 수집하고, 검증까지 수행하는 자율형 연구 에이전트입니다.


Dexter가 특별한 이유

기존 금융 AI의 한계

대부분의 금융 AI 도구는 단순한 Q&A에 그칩니다. “애플 주가가 어때?” 같은 질문에는 답할 수 있지만, “애플의 최근 3년 현금흐름 패턴을 분석하고 마이크로소프트와 비교해 줘” 같은 복잡한 질문이 들어오면 막힙니다.

Dexter는 다릅니다. 복잡한 금융 질문을 받으면:

  1. 질문을 분해 — 여러 단계의 연구 과제로 쪼갭니다
  2. 계획 수립 — 각 단계별로 어떤 데이터가 필요한지 파악합니다
  3. 자율 실행 — 적절한 도구를 선택해 데이터를 수집합니다
  4. 자체 검증 — 수집한 데이터가 신뢰할 수 있는지 검증합니다
  5. 결과 종합 — 연구 결과를 종합해 답변을 생성합니다

Claude Code의 금융 특화 버전

금융 데이터 분석

Dexter를 한마디로 표현하면 **“Think Claude Code, but built specifically for financial research”**입니다. Claude Code가 개발 작업에 특화되어 있다면, Dexter는 금융 연구에 모든 것을 걸었습니다.


핵심 기능

1. 지능형 작업 계획 (Intelligent Task Planning)

“테슬라의 재무제표를 분석하고 전기차 시장 점유율과 연관지어 설명해 줘”

이런 질문이 들어오면 Dexter는:

Step 1: 테슬라 손익계산서(Income Statement) 수집
Step 2: 테슬라 대차대조표(Balance Sheet) 수집
Step 3: 테슬라 현금흐름표(Cash Flow Statement) 수집
Step 4: 전기차 시장 점유율 데이터 검색
Step 5: 재무 데이터와 시장 점유율 간 상관관계 분석
Step 6: 종합 리포트 생성

이렇게 단계별 연구 계획을 자동으로 수립합니다.

2. 자율 실행 (Autonomous Execution)

계획이 세워지면 Dexter는 스스로 실행합니다:

3. 자체 검증 (Self-Validation)

Dexter의 가장 강력한 기능입니다. 자신이 수집한 데이터와 도출한 결론을 스스로 검증합니다:

만약 검증에 실패하면, 자동으로 다시 시도합니다.

4. 실시간 금융 데이터 접근

Dexter는 세 가지 핵심 재무제표에 직접 접근합니다:

재무제표용도
손익계산서 (Income Statements)수익성, 매출 성장 분석
대차대조표 (Balance Sheets)자산, 부채, 자본 구조 분석
현금흐름표 (Cash Flow Statements)현금 유출입, 재무 건전성 분석

5. 안전 기능

자율 에이전트의 가장 큰 위험은 무한 루프입니다. Dexter는 이를 방지하는 안전장치를 갖췄습니다:


설치 및 설정

요구사항

설치 과정

# 1. Bun 설치 (macOS/Linux)
curl -fsSL https://bun.com/install | bash

# 2. 저장소 클론
git clone https://github.com/virattt/dexter.git
cd dexter

# 3. 의존성 설치
bun install

# 4. 환경 변수 설정
cp env.example .env

환경 변수 설정

.env 파일을 열고 다음 값들을 입력합니다:

# 필수
OPENAI_API_KEY=your-openai-api-key
FINANCIAL_DATASETS_API_KEY=your-financial-datasets-api-key

# 선택 (웹 검색용)
EXASEARCH_API_KEY=your-exa-api-key
TAVILY_API_KEY=your-tavily-api-key

# 로컬 LLM 사용 시
OLLAMA_BASE_URL=http://127.0.0.1:11434

실행

bun start

고급 기능

평가 (Evals)

Dexter는 자체 평가 시스템을 갖추고 있습니다:

# 모든 질문으로 평가
bun run src/evals/run.ts

# 샘플링 (빠른 테스트)
bun run src/evals/run.ts --sample 10

디버깅

Dexter는 모든 사고 과정을 기록합니다:

.dexter/scratchpad/
├── query-20260312-001.jsonl
├── query-20260312-002.jsonl
└── ...

각 파일에는:

이를 통해 Dexter가 어떻게 생각하고 결정했는지 추적할 수 있습니다.

WhatsApp 통합

Dexter를 WhatsApp 봇으로도 사용할 수 있습니다:

# WhatsApp 연결 (QR 코드 스캔)
bun run gateway:login

# 게이트웨이 시작
bun run gateway

이제 WhatsApp에서 Dexter에게 금융 질문을 할 수 있습니다.


누가 사용해야 하나

금융 애널리스트

재무제표 분석, 기업 가치 평가, 시장 리서치를 매일 수행한다면 Dexter가 반복 작업을 자동화해 줍니다.

개인 투자자

“이 기업이 투자할 만한지 분석해 줘”라고 물으면 Dexter가 재무제표부터 시장 상황까지 종합 분석해 줍니다.

핀테크 개발자

금융 데이터를 활용한 앱을 만든다면 Dexter의 API 활용 방식을 참고할 수 있습니다.

금융 AI 연구자

자율 에이전트 설계, 특히 도메인 특화 에이전트를 연구한다면 Dexter는 훌륭한 오픈소스 사례입니다.


아키텍처

Dexter는 TypeScript로 작성되었으며, 핵심 구조는:

dexter/
├── src/
│   ├── agent/          # 에이전트 코어 로직
│   ├── tools/          # 금융 데이터 도구들
│   ├── evals/          # 평가 시스템
│   └── gateway/        # WhatsApp 게이트웨이
├── .dexter/
│   └── scratchpad/     # 디버그 로그
└── env.example         # 환경 변수 템플릿

비용 고려사항

Dexter는 OpenAI API를 사용하므로 실행 비용이 발생합니다:

팁: 로컬 LLM(Ollama)을 사용하면 API 비용을 $0로 줄일 수 있습니다.


마치며: 금융 연구의 새로운 패러다임

Dexter는 단순한 금융 챗봇이 아닙니다. 연구 파트너입니다. 복잡한 질문을 던지면, 스스로 계획을 세우고, 데이터를 모으고, 검증하고, 결론을 도출합니다.

특히 인상적인 것은 자체 검증 기능입니다. AI가 실수를 할 수 있다는 것을 인정하고, 스스로 자신의 작업을 검토하는 메커니즘을 갖췄습니다. 이는 금융 데이터의 정확성이 중요한 도메인에서 특히 가치 있습니다.

17,000개 이상의 스타가 증명하듯, 많은 개발자와 금융 전문가들이 Dexter의 가능성을 인식하고 있습니다. 금융 연구에 AI를 활용하고 싶다면, Dexter부터 시작해 보세요.


🔗 관련 정보

이전
App Store Screenshots: AI로 앱스토어 마케팅 스크린샷 자동 생성
다음
AI Team OS: Claude Code를 자율 주행 AI 회사로 변신시키는 운영체제