LangGraph와 로컬 LLM을 활용한 자동 대출 심사 시스템

2. 프로젝트 목표

💡핵심 목표: 복잡한 비즈니스 프로세스를 여러 전문 에이전트의 협력으로 해결하는 자동 시스템 구축 가능성을 탐구합니다. 특히, Supervisor(감독관) 에이전트가 각 하위 에이전트의 작업을 조율하고 전체 워크플로우를 관리하는 과정을 통해, 실제 비즈니스 문제에 적용할 수 있는 에이전트 기반 자동화 패턴을 제시합니다.

사용 기술

3. 팀원

김성현 🔸팀장 시나리오 & 발표

김성욱 🔸팀원 Agent & MCP System

민지수 🔸팀원 Agent & MCP System

윤호준 🔸팀원 MCP & Security

4. 프로젝트 핵심 기능

1. 자율적 워크플로우: 사람의 개입 없이 대출 신청 건에 대한 데이터 조회, 신용 평가, 결과 리포트 전송까지 종단 간(End-to-End) 프로세스를 자율적으로 수행합니다.

2. 다중 에이전트 협업: 중앙 Supervisor 에이전트가 DataCollector, LoanReview, ReportSender 등 역할이 명확히 구분된 작업자 에이전트에게 작업을 동적으로 위임하고 전체 프로세스를 조율합니다.

3. 모듈식 및 확장 가능한 구조: 대출 심사 로직은 mcp_server.py에 캡슐화되어 에이전트의 판단 로직과 분리됩니다. 새로운 심사 기준이나 데이터 소스가 추가되어도 에이전트 코드 변경을 최소화할 수 있습니다.

4. 로컬 LLM 연동: Ollama를 통해 로컬 환경에서 qwen3:8b 모델을 구동하여, 외부 API 의존성 및 데이터 유출 위험 없이 시스템을 운영할 수 있습니다.

5. 유연한 실행 모드: 단일 건을 상세히 처리하는 대화형(interactive) 모드, 여러 건을 빠르게 처리하는 일괄(batch) 모드 등 다양한 실행 옵션을 제공합니다.

5. 대출 시스템 개요

이 시스템은 대출 심사 프로세스를 상태 기반 그래프(State Graph)로 모델링하여 각 단계를 체계적으로 관리합니다.

1) Architecture

1) Structure diagram

2) 주요 구성 요소 및 역할

1. mcp_server (FastMCP 기반): 대출 심사에 필요한 핵심 비즈니스 로직과 데이터를 관리하는 백엔드 서버입니다. 신청자 정보 조회, 신용 평가 점수 계산, 최종 승인/거절 결정 등의 기능을 도구(Tool) 형태로 제공합니다.

2. Supervisor (감독 에이전트): 워크플로우의 두뇌 역할을 합니다. 현재 상태(어떤 정보가 수집되었고, 어떤 평가가 끝났는지)를 파악하여, 다음 실행할 최적의 작업자 에이전트를 결정하고 지시합니다.

3. DataCollector (데이터 수집 에이전트): Supervisor의 지시를 받아 mcp_server로부터 특정 신청자의 상세 정보(소득, 부채, 신용 점수 등)를 조회하는 임무를 수행합니다.

4. LoanReview (대출 심사 에이전트): 수집된 데이터를 바탕으로 mcp_server의 평가 도구를 호출하여 대출 승인 여부, 심사 점수, 주요 사유 등을 종합적으로 평가합니다.

5. ✉️ ReportSender (결과 보고 에이전트): 모든 심사가 완료되면, 최종 결과를 요약하여 이메일로 발송하는 작업을 시뮬레이션합니다.

3) 워크플로우

1. 프로세스 시작: 사용자가 main.py를 통해 특정 신청자 ID(예: A001)에 대한 심사를 요청합니다.

2. 작업 판단: Supervisor 에이전트가 요청을 분석합니다. 현재 아무 정보가 없으므로, DataCollector에게 신청자 정보 조회를 지시합니다.

   17:59:24 | graph_builder   | INFO     | 🎯 Supervisor making routing decision...
   17:59:41 | graph_builder   | INFO     | 📍 Supervisor decision: DataCollector
   - 사용자의 요청에 따라 신청자 정보를 먼저 수집해야 합니다. 현재 신청자 정보가 제공 되지 않았으며, 대출 심사 결과나 이메일 발송 여부도 명시되지 않았습니다. 따라서 DataCollector를 우선 실행해야 합니다.
   17:59:41 | graph_builder   | INFO     | 🔄 Executing DataCollector
   

3. 데이터 수집: DataCollector가 mcp_server에 A001의 정보를 요청하고, 결과를 Supervisor에게 보고합니다.

   17:59:49 | graph_builder   | INFO     | 
   📊 [신청자 정보 조회 결과]:
   📝 이름: Alice Kim
   💰 연간 소득: 60000.0
   🏢 근무년수: 5
   ⭐ 신용점수: 720
   💳 기존 부채: 5000.0
   🎯 신청 금액: 20000.0
   📊 부채 대비 소득 비율: 0.083
   17:59:49 | graph_builder   | INFO     | ✅ DataCollector completed successfully

4. 작업 판단: Supervisor는 정보가 수집된 것을 확인하고, 이제 LoanReview 에이전트에게 대출 평가를 지시합니다.

   17:59:49 | graph_builder   | INFO     | 🎯 Supervisor making routing decision... 
   17:59:50 | graph_builder   | INFO     | 📍 Supervisor decision: LoanReview
   - DataCollector가 이미 완료되었고, LoanReview가 아직 진행되지 않았습니다. 대출 심사 결 과가 아직 없으며, 사용자는 대출 신청을 평가해달라고 요청했습니다. 따라서 다음 단 계는 LoanReview입니다.
   17:59:50 | graph_builder   | INFO     | 🔄 Executing LoanReview

5. 대출 평가: LoanReview가 mcp_server에 A001의 정보를 가지고 대출 평가를 요청하고, 결과를 Supervisor에게 보고합니다.

   17:59:55 | graph_builder   | INFO     | 
   ⚖️  [대출 승인 평가 결과]:
   📝 신청자 이름: Alice Kim
   ⚖️ 심사 결과: ✅ APPROVE
     - 안정적인 근속연수를 보유하고 있습니다
     - 기존 부채 비율이 양호합니다
   18:28:10 | graph_builder   | INFO     | ✅ LoanReview completed successfully

6. 작업 판단: LoanReview가 평가를 마친 후, Supervisor는 마지막으로 ReportSender에게 최종 결과를 이메일로 보내라고 지시합니다.

   18:28:10 | graph_builder   | INFO     | 🎯 Supervisor making routing decision...
   18:28:11 | graph_builder   | INFO     | 📍 Supervisor decision: ReportSender
   - 신청자 정보가 수집되었고, 대출 평가도 완료되었습니다. 마지막으로 대출심사 결과를 이메일로 보내는 ReportSender 단계로 진행해야 합니다.

7. 결과보고 & 이메일 전송 ReportSender가 mcp_server에 A001의 정보를 가지고 최종결과와 이메일 전송을 요청하고, 결과를 Supervisor에게 보고합니다.

   18:28:11 | graph_builder   | INFO     | 🔄 Executing ReportSender
   ✅이메일 전송: 완료됨
   18:28:24 | graph_builder   | INFO     | ✅ ReportSender completed successfully

8. 프로세스 종료: 모든 단계가 성공적으로 완료되면, Supervisor는 워크플로우를 END 상태로 전환하고 최종 결과를 사용자에게 출력합니다.

       18:28:24 | graph_builder   | INFO     | 🎯 Supervisor making routing decision...
       18:28:25 | graph_builder   | INFO     | 📍 Supervisor decision: FINISH
       - 모든 단계가 완료되었습니다. DataCollector, LoanReview, ReportSender 모두 완료되었으며, 이메일 알림도 성공적으로 전송되었습니다.
       
       ============================================================
       🎯 대출 심사 프로세스 완료
       ============================================================

3) LangSmith 시스템 흐름(시각화)

🔗 LangSmith 대시보드 보기

6. Quick Start

사전 요구 사항

• Python 3.8+
• Ollama 서버 실행 및 qwen3:8b 모델 다운로드

  ollama pull qwen3:8b

로컬 실행 방법:

1. 레포지토리 클론: ⬇️

   # git clone https://github.com/your-repo/Agent_MCP.git
   cd Agent_MCP

2. 필요 라이브러리 설치: ⚙️

   pip install -r requirements.txt

3. 애플리케이션 실행: ▶️

   # 기본 대화형 모드
   python main.py
   
   # 특정 신청자 빠른 평가
   python main.py --mode single --applicant A001
   
   # 여러 신청자 배치 처리  
   python main.py --mode batch --batch A001 A002 A003 A004
   
   # 디버그 모드로 실행
   python main.py --log-level DEBUG

7. 향후 확장 및 참고 자료

확장 아이디어

• 모니터링 대시보드: Streamlit 또는 Gradio를 사용하여 각 에이전트의 작업 현황과 최종 심사 결과를 시각화하는 UI를 추가합니다.
• 오류 처리 강화: 특정 에이전트의 작업 실패 시, 재시도 로직이나 대체 플랜을 수행하는 Error Handler 노드를 그래프에 추가합니다.
• RAG(Retrieval-Augmented Generation) 연동: 대출 심사 가이드라인이나 규정 문서를 벡터 DB에 저장하고, LoanReview 에이전트가 이를 참고하여 더 정확하고 근거 있는 심사를 수행하도록 고도화합니다.

참고 자료

• LangChain 공식 문서
• LangGraph 공식 문서
• Ollama