import requests

# API 설정
URL = 'http://211.188.58.134:8000/agent'
API_KEY = 'nv-89f...'  # 실제 평가시 미래에셋증권 평가용 API KEY 사용
REQUEST_ID = '23ef...'  # 요청별 고유 ID

# 헤더 설정
headers = {
    'Authorization': f'Bearer {API_KEY}',
    'X-NCP-CLOVASTUDIO-REQUEST-ID': f'{REQUEST_ID}'
}

# 요청 파라미터
params = {
    'question': '거래량이 전날 대비 15% 이상 오른 종목을 모두 보여줘'
}

# API 호출
response = requests.get(URL, headers=headers, params=params)
print(response.json())  # {'answer': '애드바이오텍, 아난티, 엠에프엠코리아 입니다.'}

def parse_question_with_llm(state: AgentState) -> Dict[str, Any]:
    # LLM을 통해 자연어를 구조화된 JSON으로 변환
    # 지원 task_type: PRICE_INQUIRY, MARKET_STATISTICS, RANKING, 
    #               COMPARISON, SPECIFIC_RANKING, COMPARE_TO_AVERAGE, 
    #               MARKET_PROPORTION

def execute_plan(state: AgentState) -> Dict[str, Any]:
    # 분석된 JSON 계획을 SQL 쿼리로 변환하여 데이터베이스 조회 실행
    # 거래일 검증, CTE를 활용한 등락률 계산, 결과 포맷팅 수행
    # 각 task_type별 쿼리 생성 및 실행 로직 처리

질문: "동부건설우의 2024-11-06 시가는?"
JSON 변환: {
    "task_type": "PRICE_INQUIRY",
    "parameters": {
        "date": "2024-11-06",
        "stock_name": "동부건설우",
        "metric": "open"
    }
}
답변: "15,400원"

질문: "2025-03-15에 KOSDAQ에서 상승한 종목은 몇 개?"
JSON 변환: {
    "task_type": "MARKET_STATISTICS",
    "parameters": {
        "date": "2025-03-15",
        "market": "KOSDAQ",
        "statistic": "rising_stocks"
    }
}
답변: "487개"

질문: "2025-01-20에서 KOSPI에서 상승률 높은 종목 5개는?"
JSON 변환: {
    "task_type": "RANKING",
    "parameters": {
        "date": "2025-01-20",
        "market": "KOSPI",
        "rank_by": "price_increase",
        "top_n": 5
    }
}
답변: "삼성전자, SK하이닉스, 현대차, POSCO홀딩스, LG화학"

질문: "2025-04-07에 카카오와 현대차 중 시가총액이 더 큰 종목은?"
JSON 변환: {
    "task_type": "COMPARISON",
    "parameters": {
        "date": "2025-04-07",
        "stock_names": ["카카오", "현대차"],
        "metric": "market_cap"
    }
}
답변: "현대차 (45,234,567,890,123원)"

질문: "2025-02-03에 셀트리온의 거래량 순위는?"
JSON 변환: {
    "task_type": "SPECIFIC_RANKING",
    "parameters": {
        "date": "2025-02-03",
        "stock_name": "셀트리온",
        "rank_by": "volume"
    }
}
답변: "12위"

질문: "2024-11-18에 카카오의 등락률이 시장 평균보다 높은가?"
JSON 변환: {
    "task_type": "COMPARE_TO_AVERAGE",
    "parameters": {
        "date": "2024-11-18",
        "stock_name": "카카오",
        "metric": "change_rate"
    }
}
답변: "예 (+3.45% > 시장평균 +1.23%)"

질문: "2024-07-22에 NAVER의 거래량이 전체 시장 거래량의 몇 %인가?"
JSON 변환: {
    "task_type": "MARKET_PROPORTION",
    "parameters": {
        "date": "2024-07-22",
        "stock_name": "NAVER",
        "metric": "volume"
    }
}
답변: "2.34% (1,234,567주 / 52,768,900주)"

def format_value(value: Any, metric: str) -> Optional[str]:
    # 가격: "15,400원"
    # 거래량: "1,234,567주"
    # 등락률: "+3.45%"
    # 지수: "2,456.78"

def parse_question_with_llm(state: AgentState) -> Dict[str, Any]:
    # LLM을 사용하여 자연어 질문을 구조화된 JSON 객체로 변환
    # 날짜, 시장, 조건을 추출하여 JSON 형식으로 구조화
    # 수치는 단위를 제거하고 숫자만 추출 (300% → 300, 10만원 → 100000)

def execute_plan(state: AgentState) -> Dict[str, Any]:
    # LLM이 생성한 구조화된 계획에 따라 SQL 쿼리를 생성하고 실행
    # CTE를 활용한 전일 대비 계산, 동적 WHERE 절 생성
    # 결과가 20개를 초과할 경우 "등이 있습니다" 추가

질문: "2025-07-21에 등락률이 -5% 이하인 KOSDAQ 종목들을 찾아줘"
JSON 변환: {
    "date": "2025-07-21",
    "market": "KOSDAQ", 
    "conditions": [{
        "type": "price_change",
        "op": "<=",
        "value": -5
    }]
}
답변: "에코프로비엠, 펄어비스, 카카오게임즈, 알테오젠, 씨젠"

질문: "2025-05-14에 거래량이 전날대비 300% 이상 증가한 종목을 모두 보여줘"
JSON 변환: {
    "date": "2025-05-14",
    "market": "all",
    "conditions": [{
        "type": "volume_change",
        "op": ">=",
        "value": 300
    }]
}
답변: "삼성바이오로직스, 셀트리온, 에코프로비엠, 펄어비스, 카카오게임즈 등이 있습니다."

질문: "2025-06-10에 KOSPI에서 종가가 5만원 이하인 종목은?"
JSON 변환: {
    "date": "2025-06-10", 
    "market": "KOSPI",
    "conditions": [{
        "type": "close_price",
        "op": "<=",
        "value": 50000
    }]
}
# SQL: WHERE "adj_close" <= 50000 AND "market" = 'KOSPI'
답변: "한화솔루션, 현대건설, 두산에너빌리티, SK이노베이션, 대한항공"

질문: "2025-09-05에 KOSPI에서 종가가 10만원 이상이고 거래량이 50만주 이상인 종목 알려줘"
JSON 변환: {
    "date": "2025-09-05",
    "market": "KOSPI",
    "conditions": [
        {"type": "close_price", "op": ">=", "value": 100000},
        {"type": "volume", "op": ">=", "value": 500000}
    ]
}
답변: "삼성전자, SK하이닉스, LG에너지솔루션, 삼성바이오로직스"

def parse_question_with_llm(state: AgentState) -> Dict[str, Any]:
    # LLM을 사용하여 기술적 분석 질문을 구조화된 JSON 계획으로 변환
    # 작업 유형, 날짜/기간, 시그널 종류, 임계값을 추출
    # 기본값과 다른 기준을 사용할 경우 thresholds 파라미터로 지정

def execute_plan(state: AgentState) -> Dict[str, Any]:
    # 분석된 계획에 따라 DB를 조회하고 결과를 생성
    # 각 시그널 유형별 SQL 쿼리 생성 및 실행
    # 답변이 20개를 초과할 경우 LIMIT 적용 및 "등이 있습니다" 추가

질문: "2025-01-20에 RSI 과매수 종목을 알려줘"
JSON 변환: {
    "task_type": "DETECT_SIGNAL",
    "parameters": {
        "date": "2025-01-20",
        "signal_type": "RSI_OVERBOUGHT",
        "thresholds": {"rsi": 70}
    }
}
# SQL: SELECT company, rsi WHERE date = :date AND rsi >= 70
답변: "에코프로(RSI:85.3), 펄어비스(RSI:82.1), 카카오게임즈(RSI:78.5)"

질문: "2025-03-06에 RSI가 20 이하인 과매도 종목을 알려줘"
JSON 변환: {
    "task_type": "DETECT_SIGNAL",
    "parameters": {
        "date": "2025-03-06",
        "signal_type": "RSI_OVERSOLD",
        "thresholds": {"rsi": 20}
    }
}
답변: "한화솔루션(RSI:15.3), 두산에너빌리티(RSI:18.7), 현대건설(RSI:19.5)"

질문: "2025-02-17에 거래량이 20일 평균 대비 300% 이상 급증한 종목을 알려줘"
JSON 변환: {
    "task_type": "DETECT_SIGNAL",
    "parameters": {
        "date": "2025-02-17",
        "signal_type": "VOLUME_SURGE",
        "thresholds": {"volume_surge_percent": 300}
    }
}
답변: "에코프로비엠(450%), 펄어비스(380%), 카카오게임즈(325%)"

질문: "2024-07-05에 종가가 60일 이동평균보다 3% 이상 높은 종목을 알려줘"
JSON 변환: {
    "task_type": "DETECT_SIGNAL",
    "parameters": {
        "date": "2024-07-05",
        "signal_type": "MA_BREAKOUT",
        "thresholds": {"ma_period": 60, "ma_breakout_percent": 3}
    }
}
답변: "삼성전자(5.23%), SK하이닉스(4.87%), 현대차(3.65%)"

질문: "2024-09-11부터 2024-10-11까지 데드크로스가 발생한 종목을 알려줘"
JSON 변환: {
    "task_type": "FIND_SIGNAL_PERIOD",
    "parameters": {
        "start_date": "2024-09-11",
        "end_date": "2024-10-11",
        "signal_type": "DEAD_CROSS"
    }
}
답변: "2024-10-08 기준: 카카오, 네이버, 셀트리온, 현대차, SK하이닉스"

질문: "현대백화점에서 2024-06-01부터 2025-06-30까지 골든크로스가 몇번 발생했어?"
JSON 변환: {
    "task_type": "COUNT_SIGNAL_PERIOD",
    "parameters": {
        "stock_name": "현대백화점",
        "start_date": "2024-06-01",
        "end_date": "2025-06-30",
        "signal_type": "GOLDEN_CROSS"
    }
}
답변: "3번"

질문: "패션플랫폼이 2024-06-01부터 2025-06-30까지 데드크로스 또는 골든크로스가 몇번 발생했어?"
JSON 변환: {
    "task_type": "COUNT_SIGNAL_PERIOD",
    "parameters": {
        "stock_name": "패션플랫폼",
        "start_date": "2024-06-01",
        "end_date": "2025-06-30",
        "signal_type": "CROSS_INTEGRATED"
    }
}
답변: "데드크로스 2번, 골든크로스 3번"

def task4_router_node(state: AgentState) -> dict:
    # 사용자 질문의 모호성 유형을 판단하여 처리 경로 결정
    # 4가지 조건을 체크하여 Rewriting 또는 Clarify 경로 선택
    # 조건 1,2는 Rewriting, 조건 3,4는 Clarify로 라우팅

def rewrite_query_node(state: AgentState) -> dict:
    # 종목 축약어와 주식 은어를 정식 용어로 자동 변환
    # 변환된 질문을 반환하여 메인 그래프가 재처리
    # turn_count를 통해 무한 루프 방지

def clarify_question_node(state: AgentState) -> dict:
    # 모호한 기간이나 누락된 정보에 대한 역질문 생성
    # 사용자 친화적이고 선택지를 제공하는 형태의 질문
    # 간단하고 명료한 한 문장 형태로 생성

# 주요 축약어 변환 예시
삼전 → 삼성전자
하닉 → SK하이닉스
카뱅 → 카카오뱅크
현차/현기차 → 현대차
나평정 → NICE평가정보
엔솔 → LG에너지솔루션
SKT → SK텔레콤
한전 → 한국전력

질문: "삼전 주가 알려줘"
변환: "삼성전자 주가 알려줘"
결과: "__REWRITE_SUCCESS__" 반환 → 메인 그래프 재실행

# 주요 은어 변환 사전
떡상 → 전일 대비 큰 폭으로 상승한
따상 → 공모가의 2배로 시초가 형성 후 상한가 도달한
평단 → 평균 매수 단가
물타기 → 추가 매수로 평균 단가를 낮춘
눌림목 → 일정 기간 하락 조정이 있었던
단타족 → 단기 매매 투자자

질문: "오늘 떡상한 종목 보여줘"
변환: "오늘 전일 대비 큰 폭으로 상승한 종목 보여줘"

질문: "삼성전자의 최근 종가는?"
역질문: "삼성전자의 최근 며칠의 종가를 알려드릴까요? 예 - 1일, 3일, 5일"

질문: "요즘 상승한 종목들 알려줘"
역질문: "최근 며칠 동안의 상승 종목을 확인하고 싶으신가요?"

질문: "2025-07-24의 종가를 알려줘"
역질문: "어떤 종목의 2025-07-24 종가를 확인하고 싶으신가요?"

질문: "상승률 1위 종목은?"
역질문: "어느 날짜의 상승률 1위 종목을 확인하고 싶으신가요?"

질문: "거래량 많은 종목 5개"
역질문: "어느 날짜의 거래량 상위 5개 종목을 알려드릴까요?"

사용자 입력 → 모호성 분석 → 경로 결정
              ├─ 조건 1,2 → Rewriting → 변환된 질문 → 재처리
              └─ 조건 3,4 → Clarifying → 역질문 생성

def extract_transactions(state: AgentState) -> Dict[str, Any]:
    # 사용자 입력에서 JSON 형태의 매매 기록 추출
    # 날짜, 거래유형, 종목, 가격, 수량 정보를 파싱
    # 시간순으로 정렬하여 포트폴리오 변화 추적

def extract_mydata(state: AgentState) -> Dict[str, Any]:
    # LLM을 활용하여 마이데이터 정보 추출
    # 투자성향을 5가지 카테고리로 분류
    # 나이와 총 금융자산 정보 구조화

def analyze_risk_patterns(state: AgentState) -> Dict[str, Any]:
    # 매매 기록으로부터 현재 포트폴리오 계산
    # 개인화된 위험 임계치 = 투자성향 한도 × 생애주기 계수
    # 단일 종목 집중도가 임계치를 초과하는지 검사

def verify_analysis_results(state: AgentState) -> Dict[str, Any]:
    # 계산된 위험 패턴의 정확성 검증
    # 보고된 비중과 실제 계산 비중의 일치 여부 확인
    # 오류 발생 시 에러 처리 노드로 라우팅

{
  "매매기록": [
    {
      "날짜": "2025-05-26",
      "거래유형": "매수",
      "종목": "LG화학",
      "가격": 412000,
      "수량": 80
    },
    {
      "날짜": "2025-05-27",
      "거래유형": "매수",
      "종목": "카카오뱅크",
      "가격": 23500,
      "수량": 150
    }
  ],
  "마이데이터": {
    "투자성향(profile)": "위험중립형",
    "나이(age)": 25,
    "총금융자산(total_financial_assets)": 90000000
  }
}

# 개인화 임계치 계산
투자성향 한도: 60% (위험중립형)
생애주기 계수: 0.30 (25세)
최종 임계치: 0.60 × 0.30 = 18%

# 포트폴리오 분석
LG화학 비중(personalized_threshold): 90% (32,960,000원 / 36,485,000원)
임계치(concentration) 초과: 90% > 18% ✓

# 위험 패턴 감지
{
  "risk_category": "집중 투자 위험",
  "stock_name": "LG화학",
  "concentration": 0.18,
  "description": f"'{riskiest_stock}' 종목의 비중이 {max_concentration:.2%}로, 고객님의 프로필(나이: {age}세, 성향: {profile})에 따른 권장 한도 {personalized_threshold:.2%}를 초과한 상황입니다.",
  "recommendation": "특정 종목에 대한 과도한 투자는 해당 종목의 가격 변동에 포트폴리오 전체가 크게 흔들릴 수 있습니다. 분산 투자를 통해 안정성을 높이는 것을 고려해보세요."
}

def search_korean_documents(state: AgentState) -> Dict[str, Any]:
    # 네이버 뉴스 API를 통한 관련 뉴스 검색
    # 매수일 기준 -7일 ~ 당일 뉴스 우선 필터링
    # 중복 제거 및 시점 기반 정렬

def analyze_and_extract_from_news(state: AgentState) -> Dict[str, Any]:
    # 3단계 뉴스 분석 프로세스
    # 1. 가장 관련성 높은 뉴스 URL 선정
    # 2. Selenium으로 원문 전체 스크래핑
    # 3. 핵심 문단 추출 (LLM 활용)

def capture_highlighted_image(state: AgentState) -> Dict[str, Any]:
    # BeautifulSoup으로 HTML 분석 및 <mark> 태그 삽입
    # Selenium으로 수정된 HTML 렌더링
    # 하이라이트 영역 중심으로 스크린샷 캡처

최근 **2025년 05월 26일**에 진행하신 **'LG화학' 매수** 기록을 확인했습니다.

고객님의 이러한 결정은 아마도 **'LG화학이 일본 노리타케와 전력 반도체용 실버 페이스트 공동 개발에 성공함으로써, 전기차 시장에서의 경쟁력 강화 및 실적 개선 기대감 상승'** 관련 소식 때문이었을 것으로 생각됩니다. 당시 뉴스에서는 'LG화학이 일본 정밀세라믹 전문기업 노리타케와 손잡고 전기차 전력 반도체에 사용되는 고성능 접착제 시장 공략에 나선다. 양사는 16일 차세대 차량용 전력 반도체용 ‘실버 페이스트(Silver Paste)’를 공동 개발했다고 밝혔다.'라며 긍정적인 전망을 내놓았죠.

하지만 고객님의 프로필(나이: 35세, 성향: 위험중립형)을 기준으로 분석한 결과, 현재 **'집중 투자 위험'** 상태에 해당합니다. 'LG화학' 종목의 비중이 90.34%로, 고객님의 프로필(나이: 35세, 성향: 위험중립형)에 따른 권장 한도 18.00%를 초과한 상황입니다.

이러한 집중 투자 패턴이 지속될 경우, 해당 종목의 작은 변동성에도 전체 자산이 크게 영향을 받을 수 있으며, 예상치 못한 하락 시 큰 손실로 이어질 위험이 있습니다. 특정 종목에 대한 과도한 투자는 해당 종목의 가격 변동에 포트폴리오 전체가 크게 흔들릴 수 있습니다. 분산 투자를 통해 안정성을 높이는 것을 고려해보세요.

[하이라이팅된 뉴스 이미지]
하이라이팅한 뉴스 기사 이미지: http://147.47.39.102:8000/images/20250728_190233_183488.png
원본 자료: https://n.news.naver.com/...