---
title: "버핏·멍거·탈레브를 AI 에이전트로 만든 오픈소스 헤지펀드, GitHub 스타 5만 돌파"
published: 2026-04-15T03:05:03.131Z
canonical: https://jeff.news/article/1738
---
# 버핏·멍거·탈레브를 AI 에이전트로 만든 오픈소스 헤지펀드, GitHub 스타 5만 돌파

12명의 전설적 투자자의 투자 철학을 AI 에이전트로 구현한 오픈소스 프로젝트가 GitHub에서 51.7K 스타를 기록했다. React+TypeScript 프론트엔드와 Python+FastAPI+LangGraph 백엔드로 구성되며, 13개 LLM 프로바이더를 지원한다.

- GitHub에서 **51.7K 스타**, 9K+ 포크를 찍은 AI 헤지펀드 오픈소스 프로젝트가 화제임
- 독립 개발자 Virat Singh이 만들었고, **12명의 전설적 투자자**를 AI 에이전트로 인코딩한 게 핵심 아이디어임
- 각 에이전트가 해당 투자자의 철학대로 독립적으로 종목을 분석하고, 포트폴리오 매니저 에이전트가 최종 매매 결정을 내리는 구조임

## 에이전트 라인업

- **투자 전설 에이전트 12명**
  - 워렌 버핏 — 경쟁 우위 갖춘 고품질 기업을 합리적 가격에 매수
  - 찰리 멍거 — 경영진 역량과 예측 가능성 중시
  - 벤 그레이엄 — 안전 마진 엄수, 저평가 기업 발굴
  - 마이클 버리 — 역발상 투자, 심층 가치 분석
  - 캐시 우드 — 파괴적 혁신과 기술 변화에 베팅
  - 나심 탈레브 — 극단적 리스크와 회복탄력성 중심
  - 그 외 빌 애크먼, 피터 린치, 필 피셔, 드러켄밀러, 파브라이, 다모다란까지 총 12명
- **전문 분석 에이전트 6명**
  - 밸류에이션 에이전트: 내재가치 계산 → 매매 신호 생성
  - 펀더멘털 에이전트: 재무 데이터 해석
  - 기술적 분석 에이전트: 추세·모멘텀 파악
  - 센티먼트 에이전트: 시장 심리 정량화
  - 리스크 매니저: 위험 노출도 계산, 포지션 한도 설정
  - 포트폴리오 매니저: 모든 신호 종합 → 최종 결정
- 12명이 의견 내고, 6명이 정리해서 결론 내리는 "월가 드림팀" 구조임

## 기술 스택

- **프론트엔드**: React 18 + TypeScript
  - React Flow 비주얼 워크플로 에디터 통합 — 에이전트 노드를 드래그앤드롭으로 조합해서 자기만의 투자 위원회를 설계할 수 있음
- **백엔드**: Python + FastAPI + **LangGraph**
  - 모든 에이전트가 동일한 `AgentState` 데이터 사전을 공유함
  - 노드 간 정보가 흐르면서 상태 일관성 유지 + 하위 노드에서 상위 분석 결과를 동적 참조 가능
- **LLM 지원**: 13개 프로바이더 호환 (OpenAI, Anthropic, Groq, DeepSeek 등)
  - `--ollama` 파라미터로 로컬 LLM 실행도 가능 → 인터넷 없이 전체 추론 가능
- **백테스팅 모듈** 내장
  - `poetry run python src/backtester.py --ticker AAPL,MSFT,NVDA` 한 줄로 실행
  - 각 에이전트가 과거 데이터 기반으로 매일 분석 → 수익률 곡선과 성과 지표 출력
- **인터페이스**: CLI + 웹 앱 두 가지 제공
  - 웹 앱은 `localhost:3000`에서 비주얼 에디터 접속 가능

> [!TIP]
> 실제 수익률이 검증된 프로젝트는 아님. 하지만 LangGraph 기반 멀티 에이전트 오케스트레이션을 실전 규모로 구현한 레퍼런스로서 학습 가치가 큼. "수익은 모르겠지만 에이전트 프레임워크는 배웠다"는 유저 반응이 이 프로젝트의 실질적 가치를 잘 요약함.

---

<details>
<summary>기술 맥락: LangGraph 멀티 에이전트 오케스트레이션</summary>

이 프로젝트가 기술적으로 흥미로운 이유는 LangGraph의 그래프 기반 오케스트레이션을 제대로 활용했기 때문임. 핵심 구조를 보면:

- **AgentState 공유 패턴**: 12개 투자자 에이전트가 각각 독립 실행되지만, 분석 결과는 하나의 `AgentState` 딕셔너리에 누적됨. 포트폴리오 매니저 노드가 이 상태를 읽어서 최종 결정을 내리는 fan-in 패턴임
- **React Flow 연동**: 프론트엔드의 React Flow 노드 그래프가 백엔드의 LangGraph 실행 그래프와 1:1 매핑됨. 사용자가 UI에서 노드를 추가/제거하면 실제 에이전트 파이프라인이 변경되는 구조
- **프로바이더 추상화**: 13개 LLM을 동일 인터페이스로 교체 가능하게 만든 것도 참고할 만함. Ollama 지원으로 완전 오프라인 실행까지 커버

멀티 에이전트 시스템을 설계할 때 "에이전트 간 상태 공유를 어떻게 할 것인가"가 핵심 설계 결정인데, 이 프로젝트는 LangGraph의 공유 상태 그래프로 깔끔하게 풀었음.

</details>

## 핵심 포인트

- 버핏, 멍거, 그레이엄, 버리, 탈레브 등 12명의 투자 전설을 AI 에이전트로 인코딩
- 6명의 전문 분석 에이전트(밸류에이션, 펀더멘털, 기술적, 센티먼트, 리스크, 포트폴리오)가 최종 매매 결정
- React Flow 비주얼 워크플로 에디터로 드래그앤드롭 전략 설계 가능
- 백테스팅 모듈 내장, Ollama로 로컬 LLM 실행도 지원

## 인사이트

실제 수익률은 검증되지 않았지만, LangGraph 기반 멀티 에이전트 오케스트레이션의 학습 교재로서 가치가 크다.