20개 LLM 에이전트 · 5-Stage 미디어 파이프라인 · Docker 9컨테이너 1인으로 설계·구현·운영한 AI 제품 프로젝트

기간 | 개인 프로젝트 역할 | 설계 · 구현 · 배포 · 운영 (1인 Full-Cycle) 분류 | AI Product · LLM Engineering · Platform Architecture

📑 목차

📌 한눈에 보기

항목 내용
풀어야 할 문제 콘텐츠 루프(기획→제작→게시→분석→개선) 자동화 + "무엇을 만들 것인가"의 의사결정 품질까지 시스템에 내장
AI 에이전트 20개 (스크립트 생성, 토픽 스코어링, EV 엔진, SEO 등)
미디어 파이프라인 5-Stage (Plan → Asset → Render → Package → Publish)
인프라 Docker 9컨테이너 · 백엔드 30+ 모듈 · PostgreSQL 30+ 테이블

🏗️ 시스템 아키텍처

Gemini_Generated_Image_m10a9nm10a9nm10a 크게.jpeg

[Ingest Collectors]  ──→  [Topic Scoring Agent]  ──→  [Master Graph (LangGraph)]
   Reddit / YouTube          AI 기반 점수화              상태머신 오케스트레이션
   News / Trends                                        Grade A/B/C → 8-Slot 선별
                                                              │
                                                              ▼
[Telegram Commands] ──→  [ARQ Task Queue]  ──→  [Media Pipeline (5-Stage)]
   온디맨드 트리거           비동기 작업 분배        Plan → Asset → Render
                                                   → Package → Publish
                                                              │
                                                              ▼
                                                   [YouTube Publishing]
                                                   [Analytics & EV Engine]
                                                   EV 기반 다음 주기 피드백

주요 기술: Python 3.12 · FastAPI · LangGraph · Gemini/GPT-4o-mini · Docker Compose · PostgreSQL · Redis · Prometheus + Grafana

🧠 핵심 의사결정 5개

"어떤 선택을 했는가"보다 **"왜 그 선택을 했는가"**에 집중합니다.

Decision 1 · LLM 비용 전략 — 멀티 프로바이더 + 등급별 차등

20개 에이전트의 일일 수백 회 LLM 호출 비용을 통제해야 했다.

결정: Gemini Free Tier를 기본으로, A등급(스코어 ≥ 93.0) 콘텐츠만 프리미엄 모델로 자동 승격. 당시 전체의 80%는 Free Tier로 처리할 수 있다는 가정 아래 상위 20%에 프리미엄 리소스를 집중하는 방향을 선택. 80/20은 배정 전략의 가정이며 품질·비용 실측 결과가 아님.