🚨 비트코인 위험 알리미 (crypto-ai-assistant)

팔아야 할 때를, 이유와 함께 디스코드로. 업비트 비트코인(KRW-BTC) 일별 종가를 저장·요약해 **"내 데이터를 아는 AI 비서"**로 대화하고, 하락 위험이 커지면 왜 위험한지와 과거 성적표를 디스코드로 먼저 알려 주는 웹 서비스입니다.

✅ 과제 요건 대응표 (필수 10/10 · 보너스 2/2)

평가 기준(M1-2 AI Agent 개발: 나만의 AI 비서 구축)의 항목마다 어디서 확인할 수 있는지를 함께 적었습니다.

필수 요구 사항

#	요구 사항	구현 · 확인 위치	상태
1	개발 환경 (Python 3.10+, venv, fastapi·uvicorn·firebase-admin·openai·python-dotenv)	backend/requirements.txt, 배포 Python 3.11.9	✅
2	시계열 데이터 100개 이상 + 요약 정보	업비트 KRW-BTC 일별 종가 400개 (이후 매일 자동 추가), GET /api/data/summary (기간·개수·평균·최고·최저·추세)	✅
3	FastAPI 구성 + CORS + /docs	backend/main.py (CORS ALLOWED_ORIGINS), Swagger UI	✅
4	Firestore 연동, 키는 환경 변수, data·conversations 컬렉션	backend/app/db.py, 9장 컬렉션 구조	✅
5	데이터 API 5개 (CRUD 4 + summary)	POST/GET /api/data, PUT/DELETE /api/data/{id}, GET /api/data/summary	✅
6	대화 API (저장·목록·삭제 + 불러오기 (A))	POST/GET /api/conversations, DELETE·GET /api/conversations/{id}	✅
7	AI 챗봇 API (요약 조회 → 시스템 프롬프트 삽입 → GPT 호출 → 자동 저장)	POST /api/chat, backend/app/services/chat_service.py	✅
8	Render 배포 + /docs + 콜드스타트 대응	Render 배포, 프론트의 "서버 깨우는 중" 안내·자동 재시도	✅
9	바닐라 프론트 (채팅·로딩, 데이터 관리, 대화 기록, 요약 표시)	frontend/ (HTML/CSS/JS, 프레임워크 없음)	✅
10	Vercel 배포(API_BASE_URL) + README + 스크린샷 3종	프론트엔드, 14장 스크린샷	✅

• 제약 사항: 키는 환경 변수로만 관리(.gitignore), Pydantic 입력 검증 + 예외 처리, max_tokens·이전 대화 10개·도구 호출 3회 제한으로 비용 관리 ✅
• AI 제공자: openai 패키지의 Chat Completions·Function Calling 을 그대로 쓰고, 비용 문제로 Gemini 의 OpenAI 호환 주소에 연결했습니다. 환경 변수 3개(OPENAI_API_KEY·OPENAI_BASE_URL·OPENAI_MODEL)만 바꾸면 코드 수정 없이 GPT(gpt-4o-mini)로 동작합니다.

보너스

보너스	요구 사항	구현	상태
① AI 도구 호출	GPT 가 내부 기능을 도구로 호출	도구 6개 (기간 조회·통계·요약·위험 신호·뉴스·대화 목록), 답변 아래 🔧 표시	✅
① 멀티채널	MCP Server 또는 GPT Actions	mcp_server/server.py — Claude 데스크톱에서 도구 호출로 실제 요약 조회 성공	✅
① 문서화	어떤 근거로 어떤 도구를 호출했는지 + 흐름	7장 (도구별 호출 근거 표 + 흐름도)	✅
② 추가 지표	summary 보강 또는 statistics	GET /api/data/statistics + 요약에 상승일 비율·최대 낙폭·이번 달 vs 월평균	✅
② 시각화	그래프 1개	SVG 가격 그래프 + 30일 이동평균, 기간 선택(30·90·180·전체)	✅
② 내보내기	CSV 또는 JSON	GET /api/data/export?format=csv (또는 json)	✅
② 다크 모드	토글	상단 🌙 버튼 (선택 기억, OS 설정 따름)	✅
추가 (자율)	—	위험 단계 경보판 + 과거 적중률 공개 + 디스코드 위험 알림	✅ 구현 · 디스코드는 웹훅 설정 후 동작

1. 서비스 소개

철학: 버는 것보다 지키는 것이 먼저다

코인에서 큰 손실은 대부분 "팔 타이밍을 놓쳐서" 생깁니다. 이 비서는 오를 종목을 찍어 주는 대신, 위험해지는 순간을 먼저 알려 주고 판단은 사람에게 맡깁니다.

원칙	의미	구현
이유 없는 경고는 없다	"팔아라"만 말하지 않고 왜 위험한지 함께 말한다	신호마다 사유 문장·반대 근거·관련 뉴스
스스로를 의심한다	예측은 틀릴 수 있으니 성적표를 먼저 공개한다	과거 적중률, 기준선, 매도 신호 뒤 7일 평균 변화
먼저 찾아간다	차트를 계속 볼 수 없으니 위험할 때 비서가 먼저 연락한다	매일 자동 분석, '주의' 이상이면 디스코드 알림 → 누르면 대시보드
결정은 사람이 한다	판단 재료만 주고 결정과 책임은 사용자에게	단정 금지 프롬프트 규칙, 모든 신호에 "투자 판단은 본인 책임"

왜 만들었나 (무엇을 해결하는가)

• ChatGPT에 "요즘 비트코인 어때?"라고 물으면 내 데이터를 모르기 때문에 일반적인 이야기만 하거나 숫자를 지어낸다.
• 업비트 차트는 정확하지만 "이번 달 어때?", "지금 위험해?"에 답해 주지 않고, 사람이 하루 종일 차트를 볼 수도 없다.
• 그래서 **저장된 실제 시세 데이터를 요약해 AI 에게 주입(컨텍스트 주입)**하고, 위험해지면 먼저 알려 주는 비서를 만들었다.

무엇이 좋은가

대상	이로운 점
코인 초보자	차트를 몰라도 "지금 위험해?"라고 물으면 위험 단계와 이유를 쉬운 말로 듣는다
바쁜 직장인·학생	차트를 안 봐도 위험할 때 디스코드로 알림을 받고, 눌러서 바로 근거를 확인한다
급락에 불안한 사람	감정이 아니라 "과거에 이 신호가 얼마나 맞았는지" 숫자로 판단할 수 있다

• 정확성: AI 는 시스템 프롬프트에 넣은 데이터 요약과 도구 결과 안에서만 답하고, 없는 정보는 "저장된 데이터에는 없어요"라고 말한다.
• 최신성: 데이터를 추가·수정·삭제하면 요약·위험 단계가 다시 계산되어 AI 답변과 화면에 바로 반영된다.
• 안전성: 위험 신호는 항상 사유·반대 근거·과거 적중률과 함께 보여 주고, 단정하지 않는다.

2. 주요 기능

필수 (과제 4가지)

1. 데이터 기반 AI 채팅: 질문 → 데이터 요약(+오늘의 위험 단계)을 시스템 프롬프트에 주입 → GPT 답변 (로딩 표시)
2. 데이터 관리(CRUD): 날짜·종가·메모 추가, 목록, 수정, 삭제
3. 대화 기록: 채팅 자동 저장, 목록 조회, 이전 대화 불러오기, 삭제
4. 배포·문서화: Render + Vercel 배포, Swagger UI, 이 README

보너스 5. AI 도구 호출 + MCP 연동: GPT 가 필요할 때 기간 조회·통계·위험 신호·뉴스를 스스로 호출, 같은 도구를 Claude 데스크톱에서 MCP 로 사용 6. 인사이트·UX 고도화: 위험 대시보드(경보판·성적표), 가격 그래프(기간 선택), 추가 통계, CSV·JSON 내보내기, 다크 모드 7. 디스코드 위험 알림: 매일 09:05 자동 분석 → 위험 단계가 '주의' 이상으로 오르면 🔴 경고, 내려오면 ✅ 해제. 메시지를 누르면 대시보드로 이동

위험 단계 (국가 위기경보와 같은 이름)

단계	점수	의미
🟢 안전	0 이상	뚜렷한 하락 근거 없음
🔵 관심	−1	하락 근거 1개
🟡 주의	−2	하락 근거가 겹치기 시작 (매도 신호 시작, 디스코드 경고)
🟠 경계	−3	하락 근거 여럿
🔴 심각	−4 이하	거의 모든 지표가 하락

3. 기술 스택

구분	사용 기술
백엔드	Python 3.11, FastAPI, Pydantic, Uvicorn
DB	Firebase Firestore (firebase-admin)
AI	openai 패키지 (OpenAI 호환 Chat Completions + Function Calling). 배포는 무료 키로 Google Gemini(gemini-2.5-flash)의 OpenAI 호환 주소를 사용, 환경 변수만 바꾸면 GPT(gpt-4o-mini)로 동작
프론트엔드	HTML / CSS / JavaScript (프레임워크 없음)
배포	Render (백엔드), Vercel (프론트엔드)
데이터	업비트 시세 API (KRW-BTC 일봉, 400일)

4. 배포 URL

구분	주소
프론트엔드 (Vercel)	https://crypto-ai-assistant-frontend-lake.vercel.app
백엔드 API (Render)	https://crypto-ai-assistant-j7ge.onrender.com
Swagger UI	https://crypto-ai-assistant-j7ge.onrender.com/docs

Render 무료 티어는 15분간 요청이 없으면 잠들어, 첫 접속에 30초~1분이 걸릴 수 있습니다. 화면 상단에 "서버 깨우는 중" 안내가 뜨고, 서버가 깨면 자동으로 데이터를 불러옵니다.

5. 프로젝트 구조

crypto-ai-assistant/
├── backend/
│   ├── main.py                    # FastAPI 앱, CORS, 라우터 등록
│   ├── app/
│   │   ├── config.py              # 환경 변수 읽기
│   │   ├── db.py                  # Firestore 연결 (키 없으면 메모리 저장소)
│   │   ├── schemas.py             # Pydantic 요청/응답 모델 (입력 검증)
│   │   ├── routers/               # URL 과 HTTP 처리만 담당
│   │   │   ├── data.py            #   /api/data (CRUD + summary)
│   │   │   ├── conversations.py   #   /api/conversations
│   │   │   └── chat.py            #   /api/chat
│   │   └── services/              # 실제 로직
│   │       ├── data_service.py    #   CRUD, 요약 통계 계산
│   │       ├── conversation_service.py
│   │       └── chat_service.py    #   시스템 프롬프트 구성, GPT 호출, 자동 저장
│   │       └── tools.py           #   (보너스) AI 도구 정의·실행 (Function Calling)
│   ├── scripts/seed_upbit.py      # 업비트 데이터 수집·분석·Firestore 업로드
│   ├── data/btc_daily.csv         # 수집한 원본 데이터
│   ├── requirements.txt
│   └── .env.example
├── frontend/
│   ├── index.html / style.css / app.js
│   ├── config.js                  # 로컬용 API 주소
│   ├── build.js                   # Vercel 빌드 시 API_BASE_URL 로 config.js 생성
│   └── vercel.json
├── mcp_server/                    # (보너스) MCP 서버 — Claude 데스크톱에서 같은 도구 사용
│   ├── server.py
│   └── requirements.txt
├── docs/
│   ├── GLOSSARY.md                # 과제 용어 정리
│   ├── 과제목표_답변정리.md        # 과제 목표 6가지 설명 답변
│   ├── 평가_대비_상세답변.md       # 과제 PDF 장별 요구 ↔ 구현 ↔ 예상 질문 답변
│   └── screenshots/
└── render.yaml

라우터와 서비스를 나눈 기준: 라우터는 "어떤 URL로 무엇을 받고 어떤 상태 코드를 돌려줄지"만, 서비스는 "데이터를 어떻게 계산·저장할지"만 맡는다. 그래서 /api/chat 이 /api/data/summary 와 같은 요약 함수(build_summary)를 그대로 재사용할 수 있다.

6. API

메서드	경로	설명
POST	/api/data	새 데이터 추가 (같은 날짜가 있으면 409)
GET	/api/data	목록 조회 (?order=desc&limit=30)
PUT	/api/data/{id}	수정 (바꿀 항목만 전송)
DELETE	/api/data/{id}	삭제
GET	/api/data/summary	요약 (프롬프트 주입용)
GET	/api/data/range?start=&end=	(보너스) 기간 데이터 + 기간 통계 (AI 도구와 같은 함수)
GET	/api/data/statistics	(보너스) 추가 통계 + 그래프용 시계열
GET	/api/data/export?format=csv	(보너스) CSV 또는 JSON 파일 다운로드
POST	/api/conversations	대화 저장
GET	/api/conversations	대화 목록 (messages 미포함, 개수만)
GET	/api/conversations/{id}	특정 대화 불러오기 (messages 포함)
DELETE	/api/conversations/{id}	대화 삭제
POST	/api/chat	AI 대화 (요약 주입 + 필요 시 도구 호출 + 자동 저장). 응답에 tool_calls 포함
GET	/api/signals	(보너스) 오늘의 매매 신호 + 근거 + 7일 예상 범위 + 과거 적중률
GET	/api/news?q=&limit=	(보너스) 최근 7일 뉴스 헤드라인 (구글 뉴스 RSS)
GET	/api/alerts/history	(보너스) 디스코드로 보낸 알림 기록
POST	/api/alerts/run	(보너스) 시세 갱신 → 위험 단계 계산 → 디스코드 알림. 첫 실행 때 '연결 완료' 메시지, 이후 단계가 바뀔 때만 전송. force=true 는 X-Alert-Token 필요
POST	/api/market/update	(보너스) 업비트에서 빠진 날짜 시세만 추가. X-Alert-Token 헤더 필요

요약 응답 예시 (GET /api/data/summary)

{
  "name": "비트코인 일별 종가 (업비트 KRW-BTC)",
  "period": "2025-09-03 ~ 2026-10-07",
  "count": 400,
  "metrics": {
    "latest": {"date": "2026-10-07", "value": 165000000},
    "average": 140000000,
    "max": {"date": "...", "value": 0},
    "min": {"date": "...", "value": 0},
    "change_30d_pct": 4.2,
    "daily_volatility_pct": 2.4
  },
  "trend": "상승 (최근 30일 평균이 직전 30일 대비 +4.2%)"
}

컨텍스트 주입 흐름 (POST /api/chat)

사용자 질문
  → ① data_service.build_summary()  : 요약 계산 (/api/data/summary 와 같은 함수)
  → ② 요약을 시스템 프롬프트에 삽입   : "당신은 데이터 분석 비서입니다. [사용자 데이터 요약] ..."
  → ③ 이전 대화 최대 10개 + 질문과 함께 GPT 호출 (max_tokens 500)
  → ④ 질문·답변을 conversations 에 자동 저장
  → 답변 + conversation_id 반환

7. 보너스 ①: AI 도구 호출(Function Calling) + MCP 연동

왜 필요한가

요약(컨텍스트 주입)만으로는 "3월 가격 흐름은?"처럼 특정 기간을 물으면 월별 평균 정도밖에 모른다. 그래서 GPT 에게 내부 기능을 "도구"로 쥐여 주고, 필요할 때만 직접 호출해 정확한 숫자를 가져오게 했다.

도구 목록과 호출 근거

GPT 는 각 도구의 description 을 읽고 질문에 맞는 도구를 고른다 (tool_choice: "auto").

도구	하는 일	GPT 가 호출하는 근거(질문 예)
get_price_range(start_date, end_date)	기간의 일별 종가 + 시작·끝 가격, 변화율, 최고·최저	날짜·기간이 정해진 질문 — "3월 가격 어땠어?", "지난주 흐름"
get_statistics()	상승일 비율, 최대 낙폭(MDD), 월별 수익률	"몇 번 올랐어?", "가장 크게 떨어진 구간은?", "6월 수익률"
get_data_summary()	전체 요약 (시스템 프롬프트와 같은 내용)	대화가 길어져 최신 요약을 다시 확인할 때
get_market_signals()	오늘의 매매 신호 + 근거 + 7일 예상 범위 + 과거 적중률	"지금 살까?", "팔아야 해?", "앞으로 어떨까?"
get_recent_news(query)	최근 7일 뉴스 헤드라인	"요즘 왜 떨어져?", "뉴스 알려줘", 살까/팔까 질문의 근거
list_conversations()	저장된 대화 목록	"지난번에 뭐 물어봤지?"

• 요약에 이미 답이 있는 질문("최근 흐름 어때?")은 도구를 부르지 않고 바로 답한다 → 불필요한 호출·비용을 줄인다.
• 어떤 도구를 불렀는지는 응답의 tool_calls 와 저장된 메시지의 tools_used 에 남고, 화면에는 답변 아래 🔧 기간 데이터 조회 처럼 표시된다.
• 도구 호출은 최대 3회까지만 주고받는다 (무한 반복·비용 방지). 잘못된 인자(예: 날짜 형식 오류)는 오류 내용을 GPT 에 돌려줘 스스로 고치게 한다.

호출 흐름 (웹 채팅)

사용자: "올해 3월 가격 흐름은?"
 ① 백엔드: 요약을 시스템 프롬프트에 넣고 + 도구 목록(tools)과 함께 GPT 호출
 ② GPT: "요약엔 3월 일별 값이 없다" → get_price_range("2026-03-01", "2026-03-31") 호출 요청
 ③ 백엔드: tools.run_tool() 로 Firestore 데이터 계산 → 결과(JSON)를 role=tool 메시지로 전달
 ④ GPT: 결과를 읽고 최종 답변 "3월은 ○○원에서 ○○원으로 +6.98% …"
 ⑤ 백엔드: 질문·답변·사용 도구를 conversations 에 저장 → 화면에 답변 + 🔧 표시

MCP 연동 (외부 채널: Claude 데스크톱)

같은 기능을 MCP(Model Context Protocol) 서버로도 열었다. Claude 데스크톱에서 "내 비트코인 데이터 3월 흐름 알려 줘"라고 하면, Claude 가 MCP 도구를 골라 배포된 API 를 호출한다.

[Claude 데스크톱] ──MCP(stdio)──> [mcp_server/server.py] ──HTTP──> [Render API] ──> [Firestore]
                                                      └─ ask_assistant ─> /api/chat ─> GPT (+ Function Calling)

MCP 도구	호출하는 API
get_data_summary	GET /api/data/summary
get_statistics	GET /api/data/statistics
get_price_range	GET /api/data/range
list_conversations, get_conversation	GET /api/conversations, GET /api/conversations/{id}
ask_assistant	POST /api/chat (웹의 GPT 비서에게 질문, 대화도 저장됨)

설정 방법 (Windows)

cd mcp_server
python -m venv venv
venv\Scripts\activate
pip install -r requirements.txt

Claude 데스크톱 → 설정 → 개발자 → 구성 편집 (%APPDATA%\Claude\claude_desktop_config.json) 에 추가하고 앱을 재시작한다.

{
  "mcpServers": {
    "bitcoin-ai-assistant": {
      "command": "<프로젝트 경로>\\mcp_server\\venv\\Scripts\\python.exe",
      "args": ["<프로젝트 경로>\\mcp_server\\server.py"],
      "env": { "API_BASE_URL": "https://crypto-ai-assistant-j7ge.onrender.com" }
    }
  }
}

검증: Claude 데스크톱에서 "bitcoin-ai-assistant 도구로 3월 가격 흐름 알려 줘" → get_price_range 호출 허용 → 답변 확인.

8. 보너스 ②: 인사이트·UX 고도화

요구 사항	구현
추가 지표 1개 이상	/api/data/statistics 신설 + /api/data/summary 보강. 상승일 비율(오른 날 ÷ 전체), 최대 낙폭 MDD(고점 대비 가장 크게 떨어진 비율과 날짜), 월별 수익률(월초 대비 월말), 7일·30일 이동평균
그래프 1개	라이브러리 없이 SVG 로 직접 그린 종가 + 30일 이동평균 선 그래프. 마우스를 올리면 그날 가격 표시
선택 UI	그래프 기간 30일 / 90일 / 180일 / 전체 전환
데이터 내보내기	데이터 관리의 CSV / JSON 버튼 → /api/data/export (CSV 는 엑셀에서 한글이 깨지지 않게 BOM 포함)
다크 모드	상단 🌙 버튼. 선택은 브라우저에 기억되고, 처음 방문 시 OS 설정을 따른다

상승일 비율과 최대 낙폭은 요약에도 넣어, AI 가 "가장 크게 떨어졌을 때가 언제야?" 같은 질문에도 답할 수 있게 했다.

매매 신호 · 예측 · 디스코드 알림

"지금 살까/팔까?"에 신호와 그 사유를 함께 답하고, 신호가 바뀌면 디스코드로 알려 준다.

신호 규칙 (signal_service.py, 각 항목이 매수 +1 / 매도 −1 로 투표)

근거	매수 쪽(+1)	매도 쪽(−1)
추세	7일 평균 > 30일 평균	7일 평균 < 30일 평균
RSI(14)	30 이하 (과매도)	70 이상 (과열)
14일 모멘텀	+7% 이상	−7% 이하
90일 고점 대비	—	15% 이상 하락 (약세장)
30일 평균과의 거리	3% 이상 위	3% 이상 아래

합계 +2 이상 → 매수 신호, −2 이하 → 매도 신호, 그 사이는 관망. 각 항목은 "하락 탄력: 최근 14일 −15.2%"처럼 사유 문장으로 함께 돌려준다.

예측을 믿어도 되는지 스스로 검증

• 7일 예상 범위: 최근 30일 일간 변동성으로 계산한, 7일 뒤 가격이 약 68% 확률로 들어올 범위.
• 과거 적중률(백테스트): 같은 규칙을 과거 각 날짜에 적용하고(그날까지의 데이터만 사용), 7일 뒤 실제 방향과 비교한 적중률. "그냥 오른다고만 했을 때"(매수 비교용)와 "그냥 내린다고만 했을 때"(매도 비교용)의 적중률(기준선)도 같이 계산해 규칙이 실제로 나은지 비교할 수 있다. 실제 데이터 결과: 매도 신호 50.4% vs 그냥 '내린다' 51.5% → 방향 예측력은 없다고 보고, '예측'이 아니라 '위험 신호'로 쓴다 (큰 하락 전에 경고가 뜨는지가 목적).
• 매도 신호 뒤 7일 평균 변화: 과거에 매도 신호가 뜬 날 이후 7일 평균 변화율을 평소와 비교한다. 평소보다 낮으면 "그 신호에 팔았다면 손실을 줄였다"는 근거가 된다.
• AI 는 위험 단계와 신호 → 사유 2~3개 → 반대 근거 → 예상 범위·적중률 → "투자 판단은 본인 책임" 순서로 답하도록 프롬프트에 규칙을 넣었다.

디스코드 알림 흐름

GitHub Actions (매일 09:05 KST, .github/workflows/daily-alert.yml)
  → 서버 깨우기 → POST /api/alerts/run?deliver=client
      → 업비트에서 어제까지 시세 추가 → 신호 계산
      → 위험 단계가 바뀌었으면 보낼 메시지(payload)를 돌려줌 → GitHub Actions 가 디스코드 웹훅으로 전송
        (🔴 매도 신호 / 팔아야 할 이유 / 반대 근거 / AI 의 뉴스 해석 / 현재가 / 7일 범위 / 적중률 / 뉴스 링크 3개)
      → alerts 컬렉션에 마지막 신호 저장

ALERT_MODE 는 risk(기본: '주의' 이상으로 오르면 경고, 내려오면 해제) / change(단계가 바뀔 때마다) / daily(매일) 중 고른다. 메시지 제목과 "대시보드에서 자세히 보기" 링크를 누르면 FRONTEND_URL/#risk 경보판으로 바로 들어간다. Actions 탭의 Run workflow 로 바로 테스트할 수 있다 (force 체크 시 무조건 전송).

9. Firestore 컬렉션 구조

data/{자동ID}
  date: "2026-10-07"   value: 165000000   memo: "일간 +6.3% 급등"
  created_at, updated_at

conversations/{자동ID}
  title: "최근 한 달 흐름 어때?"
  messages: [{role: "user", content: "..."}, {role: "assistant", content: "...", tools_used: ["기간 데이터 조회"]}]
  created_at, updated_at

alerts/state            ← (보너스) 마지막으로 계산한 위험 단계
  last_step: 3   last_signal: "SELL"   last_date: "2026-10-07"   updated_at
alerts/{자동ID}          ← 디스코드로 보낸 기록 (대시보드의 "디스코드 알림 기록")
  type: "sent"   kind: "risk"|"release"|"report"   level: "경계"   step   signal   date   score   price   sent_at

왜 이렇게 설계했나 (조회 패턴 → 설계 결정)

결정	이유 (어떻게 읽고 쓰는가)	검토한 대안과 버린 이유
data: 하루 = 문서 1개	요약·그래프·백테스트는 항상 전체를 날짜순으로 한 번에 읽고, CRUD 는 하루 단위로 고친다. 한 줄씩 문서로 두면 추가·수정·삭제가 문서 하나로 끝난다.	한 문서에 400일 배열로 저장 → 하루만 고쳐도 문서 전체를 다시 써야 하고, 문서 크기 한도(1MB)에 가까워진다.
data: 날짜는 필드, ID 는 자동	과제가 PUT/DELETE /api/data/{id} 형태라 ID 로 접근한다. 같은 날짜 중복은 서버가 확인해 409 로 막는다.	날짜를 문서 ID 로 쓰기 → 날짜를 수정하면 문서를 지우고 새로 만들어야 해서 PUT 이 복잡해진다.
conversations: 대화 1개 = 문서 1개, 메시지는 배열	대화는 통째로 불러오고(과제 (A) 방식), 메시지를 하나만 따로 읽는 일이 없다. 그래서 한 번 읽기로 대화 전체를 가져온다.	메시지를 하위 컬렉션으로 분리 → 불러올 때 읽기 횟수(요금)가 메시지 수만큼 늘어난다. 한 대화가 1MB 를 넘을 만큼 길어지지 않는 서비스라 배열로 충분하다.
목록 API 는 messages 를 빼고 응답	대화가 쌓여도 목록 화면이 가볍게 열리도록 제목·메시지 수·시각만 보낸다.	목록에 메시지까지 포함 → 대화가 늘수록 첫 화면이 무거워진다.
updated_at 저장	대화 목록을 최근 수정 순으로 보여 주려고.	—
alerts 를 따로 둠	알림 상태("어제 단계")와 보낸 기록은 시세·대화와 성격이 달라, 섞이지 않게 분리했다. 상태는 고정 ID state 문서 하나로 덮어쓴다.	data 에 함께 저장 → 요약·그래프 계산에 알림 문서가 섞인다.
정규화하지 않음	사용자 1명, 관계형 조인이 필요 없는 구조라, 읽기 횟수가 가장 적은 "한 번에 읽는" 형태를 골랐다.	—

10. 환경 변수

이름	위치	설명
OPENAI_API_KEY	백엔드	OpenAI API 키 (또는 Gemini API 키)
OPENAI_BASE_URL	백엔드	비우면 OpenAI. Gemini 는 https://generativelanguage.googleapis.com/v1beta/openai/
OPENAI_MODEL	백엔드	gpt-4o-mini 또는 gemini-2.5-flash
OPENAI_MAX_TOKENS	백엔드	답변 최대 토큰. GPT 500, Gemini 1500 권장 (Gemini 2.5 는 생각 과정도 토큰에 포함)
FIREBASE_SERVICE_ACCOUNT_JSON	백엔드(배포)	서비스 계정 키 JSON 전체
FIREBASE_SERVICE_ACCOUNT_PATH	백엔드(로컬)	서비스 계정 키 파일 경로
ALLOWED_ORIGINS	백엔드	CORS 허용 도메인 (쉼표 구분)
API_BASE_URL	프론트(Vercel)	백엔드 주소
DISCORD_WEBHOOK_URL	백엔드	(보너스) 디스코드 채널 웹훅 주소
ALERT_TOKEN	백엔드 + GitHub Secret	(선택) 강제 전송(force=true)을 보호하는 비밀 문자열. 일반 실행은 단계가 바뀔 때만 보내므로 토큰 없이 동작
ALERT_MODE	백엔드	risk(기본) / change / daily
FRONTEND_URL	백엔드	(보너스) 디스코드 메시지에서 눌러 들어갈 대시보드 주소

키 파일과 .env 는 .gitignore 에 등록해 GitHub 에 올라가지 않는다.

11. 로컬 실행 방법 (Windows)

백엔드

cd backend
python -m venv venv
venv\Scripts\activate
pip install -r requirements.txt
copy .env.example .env          # 값 채우기
python scripts/seed_upbit.py --upload   # 업비트 400일 수집 → CSV 저장 → Firestore 업로드
uvicorn main:app --reload

• API: http://localhost:8000 , Swagger: http://localhost:8000/docs
• Firebase 키 없이 실행하면 메모리 저장소로 동작한다 (서버를 끄면 사라짐, 개발용).

프론트엔드

cd frontend
python -m http.server 5500

• http://localhost:5500 접속. API 주소는 config.js 에서 바꾼다.

12. 데이터 선정과 분석

• 데이터: 업비트 KRW-BTC 일봉 종가 400일 (최소 100개 조건 충족)

• 선정 이유: 변동이 커서 "추세·급등락" 질문거리가 많고, 키 없이 받을 수 있는 공개 API 라 재현이 쉽다.

• 출처 비교: 가장 유명한 코인마켓캡과 국내 거래소 코빗도 검토했다.

  	업비트 (선택)	코빗	코인마켓캡
  가격 단위	원화	원화	달러
  국내 거래량	가장 많음 (대표 가격)	적은 편	여러 거래소 평균
  API 키	필요 없음	필요 없음	필요
  과거 일별 400일	무료로 받음	가능	무료 요금제로는 어려움

  → 한국 사용자가 실제로 거래하는 원화 대표 가격을 키 없이 400일 받을 수 있는 업비트를 골랐다.

• 점검: 빠진 날짜, 0 이하 값 확인 (seed_upbit.py 실행 시 출력)

• 요약 정보: 기간, 개수, 평균, 최고·최저(날짜 포함), 기간 변화율, 30일 변화율, 일간 변동성(일간 수익률 표준편차), 최대 상승·하락일, 월별 평균·최고·최저

• 추세 판단: 최근 30일 평균이 직전 30일 평균보다 +3% 이상이면 상승, -3% 이하면 하락, 그 사이는 보합

• 메모 자동 생성: 하루 ±5% 이상 움직인 날에 "일간 +6.3% 급등" 메모를 붙여, AI 가 급등락일을 설명할 수 있게 했다.

AI 제공자에 대해

과제는 GPT API 사용을 요구하지만, 개인 OpenAI 키는 선불 충전이 필요해 배포본은 Google Gemini 무료 키로 운영했다. Gemini 는 OpenAI 와 같은 형식의 API 주소를 제공하므로 코드는 openai 패키지 그대로이고, 아래 두 값만 바꾸면 GPT 로 전환된다.

OPENAI_BASE_URL=          # 비우면 OpenAI
OPENAI_MODEL=gpt-4o-mini

컨텍스트 주입, Function Calling, 대화 저장 등 모든 흐름은 두 제공자에서 동일하다.

13. 보안·운영

• API 키, 서비스 계정 키는 모두 환경 변수로 관리하고 코드에 넣지 않았다.
• 입력 검증(Pydantic): 잘못된 날짜, 0 이하 가격, 200자 넘는 메모, 빈 메시지는 422 로 거절한다.
• 예외 처리: 없는 id 404, 중복 날짜 409, AI 호출 실패 503, 그 외 500 을 JSON 으로 돌려주고 프론트가 문구로 표시한다.
• CORS: ALLOWED_ORIGINS 에 등록한 프론트 주소만 호출할 수 있다.
• 비용 제한: 작은 모델(gpt-4o-mini / gemini-2.5-flash), max_tokens 제한, 이전 대화는 최근 10개만 전송, 도구 호출은 최대 3회.

시행착오 (문제 → 원인 → 조치 → 결과)

구간	문제	원인	조치	결과
AI 비용	OpenAI 키에 결제가 필요	무료 크레딧 없음	openai 패키지는 그대로 두고 base_url 만 Gemini 의 OpenAI 호환 주소로 변경	비용 0원, 환경 변수만 바꾸면 GPT 로 전환 가능
AI 답변 잘림	Gemini 답변이 중간에 끊김	Gemini 2.5 는 '생각' 과정도 토큰에 포함	OPENAI_MAX_TOKENS 500 → 1500	끝까지 답변
키 노출	스크린샷에 API 키가 그대로 보임	화면 공유 중 키 확인	즉시 키 삭제·재발급, 키는 .env·배포 환경 변수에만	노출된 키 무효화, 이후 캡처 전 확인
로컬 실행	AuthenticationError	예전 코드 압축본 + 잘못된 .env	최신 코드 재다운로드, PowerShell 로 BOM 없는 .env 작성	로컬 채팅 정상
프론트	숨긴 요소가 계속 보임	CSS display:flex 가 hidden 속성을 덮어씀	[hidden]{display:none!important}	로딩·안내 표시 정상
MCP	설치 후 서버 실행 실패	mcp 2.x 에서 FastMCP 위치 변경	mcp>=1.2.0,<2 로 버전 고정	Claude 데스크톱에서 도구 호출 성공
Render	Blueprint 배포 후 서비스가 생성되지 않음	블루프린트 생성 단계 미완료	Web Service 직접 생성 (Root backend, Start uvicorn main:app --host 0.0.0.0 --port $PORT)	배포 성공, /docs 확인
Vercel	백엔드·MCP 까지 함께 배포하려 함	저장소의 render.yaml 을 보고 여러 서비스로 인식	Root Directory frontend, Preset Other 로 지정	프론트만 배포
CORS	배포 화면에서 API 호출이 막힐 수 있음	백엔드가 로컬 주소만 허용	ALLOWED_ORIGINS 에 Vercel 주소 추가 (끝 / 없이)	배포 화면에서 채팅·데이터 정상
알림 전송	디스코드가 잠깐 응답하지 않으면 알림이 사라질 수 있음	일시적 네트워크 오류·429·5xx	3회까지 재시도, 끝내 실패하면 502 → GitHub Actions 실행이 '실패'로 표시되어 메일로 알 수 있음	일시적 오류에도 알림 유지
디스코드 전송	서버에서 보낸 알림이 계속 거절됨 (재시도 3회 모두 실패)	디스코드가 Render 무료 서버의 공유 IP 를 일시 차단	서버는 메시지만 만들고(deliver=client), GitHub Actions 가 디스코드로 직접 전송. 웹훅은 GitHub Secret 에 보관

핵심 정리: 기능을 만든 것보다, 막힌 지점마다 원인을 찾아 설정과 구조로 해결하고 문서로 남긴 과정이 이 프로젝트의 결과물입니다.

14. 제출 스크린샷

화면	이미지
데이터 요약이 보이는 채팅 (질문+답변)
데이터 관리 (추가/수정/삭제)
대화 기록 불러오기
Swagger UI
(보너스) 그래프·다크 모드
(추가) 위험 대시보드 경보판 — 실제 데이터 기준 '안전'
(추가) 알리미 성적표 — 매도 신호 적중률·신호 뒤 평균 변화를 그대로 공개
(추가) 모바일 화면

15. 데이터 출처

• 업비트 Open API (시세 조회, 인증 불필요): https://docs.upbit.com
• AI 답변과 매매 신호는 과거 데이터·뉴스 헤드라인을 근거로 한 규칙 기반 참고 정보이며, 수익을 보장하는 투자 조언이 아닙니다.