"""Gemini AI 클라이언트 모듈 (gemini_client.py) Google Gemini API를 사용하여 주식 분석, 리스크 평가, 매매일지 생성 등을 수행. Claude 클라이언트와 동일한 인터페이스를 제공하여 AI_PROVIDER 설정으로 전환 가능. 주요 기능: - analyze(): 범용 Gemini 분석 - validate_trading_rule(): 트레이딩 규칙 검증 - analyze_market(): 시장 분석 - calculate_fair_price(): 적정가 산출 - assess_risk(): 리스크 평가 - optimize_trading_rules(): 전략 최적화 - generate_trade_journal(): 매매일지 생성 공통 헬퍼: - _parse_json_response(): AI 응답에서 JSON 추출 (Claude 클라이언트에도 동일 로직 존재) """ from google import genai from google.genai import types from config import settings from utils import _dumps from typing import Dict, Any, List import json import logging logger = logging.getLogger(__name__) class GeminiClient: """Gemini AI 클라이언트 (최신 google-genai SDK 버전)""" def __init__(self): if not settings.GEMINI_API_KEY: raise ValueError("GEMINI_API_KEY is not set") # 최신 SDK에서는 Client 객체를 생성하여 사용합니다. self.client = genai.Client(api_key=settings.GEMINI_API_KEY) self.model_id = settings.GEMINI_MODEL # 예: 'gemini-2.0-flash' # GenerationConfig 설정 self.config = types.GenerateContentConfig( max_output_tokens=settings.MAX_TOKENS, temperature=settings.TEMPERATURE, ) async def analyze( self, system_prompt: str, user_message: str, tools: List[Dict[str, Any]] = None, max_tokens: int = None, ) -> Dict[str, Any]: """Gemini를 통한 분석 실행""" try: config_with_system = types.GenerateContentConfig( system_instruction=system_prompt, max_output_tokens=max_tokens or self.config.max_output_tokens, temperature=self.config.temperature, ) # 비동기 호출 (google-genai SDK: models.generate_content는 동기 함수 — aio 네임스페이스 사용) response = await self.client.aio.models.generate_content( model=self.model_id, contents=user_message, config=config_with_system ) text = response.text if response.text else "" return { "content": [{"type": "text", "text": text}], "stop_reason": "end_turn", "usage": { "input_tokens": response.usage_metadata.prompt_token_count if response.usage_metadata else 0, "output_tokens": response.usage_metadata.candidates_token_count if response.usage_metadata else 0, } } except Exception as e: logger.error(f"Gemini analysis error: {e}") raise def _parse_json_response(self, response: Dict[str, Any], fallback: Dict[str, Any]) -> Dict[str, Any]: """응답 텍스트에서 JSON 파싱 (공통 헬퍼)""" for content in response["content"]: if content["type"] == "text": try: text = content["text"] json_start = text.find('{') json_end = text.rfind('}') + 1 if json_start != -1 and json_end > json_start: return json.loads(text[json_start:json_end]) except (json.JSONDecodeError, Exception): return {**fallback, "analysis": content["text"]} return fallback async def validate_trading_rule( self, rule: Dict[str, Any], market_data: Dict[str, Any], news_data: List[Dict[str, Any]] = None ) -> Dict[str, Any]: """트레이딩 규칙 검증""" system_prompt = """주식 트레이딩 규칙 검증 전문가. 규칙/시장/뉴스를 분석하여 JSON으로만 응답. 필수 필드: decision(BUY/SELL/HOLD), confidence(0-1), risk_level, recommendation. 악재(유상증자,감자,소송,실적악화) 시 confidence 낮추고 경고 포함. JSON 외 텍스트 금지.""" user_message = f"규칙:{_dumps(rule)}\n시장:{_dumps(market_data)}" if news_data: user_message += f"\n뉴스:{_dumps(news_data)}" response = await self.analyze(system_prompt, user_message) return self._parse_json_response( response, {"decision": "HOLD", "confidence": 0.0, "analysis": "분석 실패"} ) async def analyze_market( self, stock_code: str, market_data: Dict[str, Any], news: List[Dict[str, Any]] = None ) -> Dict[str, Any]: """시장 분석""" system_prompt = """주식 시장 분석 전문가. JSON으로만 응답. 필수 필드: trend(UP/DOWN/SIDEWAYS), sentiment(POSITIVE/NEGATIVE/NEUTRAL), recommendation(BUY/SELL/HOLD), confidence(0-1), analysis(간략설명). JSON 외 텍스트 금지.""" news_limit = settings.NEWS_LIMIT if settings.TOKEN_SAVE_MODE else 5 news_text = "" if news: news_text = "\n뉴스:" + ",".join([item.get('title', '') for item in news[:news_limit]]) user_message = f"종목:{stock_code}\n시장:{_dumps(market_data)}{news_text}" response = await self.analyze(system_prompt, user_message) return self._parse_json_response( response, {"trend": "UNKNOWN", "sentiment": "NEUTRAL", "recommendation": "HOLD", "confidence": 0.0} ) async def calculate_fair_price( self, stock_code: str, market_data: Dict[str, Any], financial_data: Dict[str, Any] = None ) -> Dict[str, Any]: """AI 기반 적정 매수/매도 가격 산출""" system_prompt = """주식 가격 전략 전문가. JSON으로만 응답. 필수 필드: buy_prices(aggressive,neutral,conservative), sell_prices(target1,target2,target3), stop_loss, strategy, confidence(0-1). JSON 외 텍스트 금지.""" user_message = ( f"종목:{stock_code} 현재가:{market_data.get('current_price')} " f"고가:{market_data.get('high_price')} 저가:{market_data.get('low_price')} " f"거래량:{market_data.get('volume')} 지표:{_dumps(market_data.get('indicators', {}))}" ) response = await self.analyze(system_prompt, user_message) return self._parse_json_response( response, {"error": "분석 실패", "confidence": 0.0} ) async def assess_risk( self, portfolio: Dict[str, Any], trade_plan: Dict[str, Any] ) -> Dict[str, Any]: """리스크 평가 (토큰 최소화)""" system_prompt = """리스크 평가. JSON만 출력. 필수: risk_level(LOW/MEDIUM/HIGH), approval(APPROVED/REJECTED), reason(한줄). JSON 외 금지.""" slim_portfolio = {k: portfolio[k] for k in ("strategy", "position_count", "mdd") if k in portfolio} user_message = f"포트:{_dumps(slim_portfolio)} 계획:{_dumps(trade_plan)}" response = await self.analyze(system_prompt, user_message, max_tokens=settings.RISK_MAX_TOKENS) return self._parse_json_response( response, {"error": "Failed to assess risk"} ) async def optimize_trading_rules( self, stock_code: str, market_data: Dict[str, Any], news_data: List[Dict[str, Any]] = None ) -> Dict[str, Any]: """시장 상황에 맞는 트레이딩 규칙 최적화""" system_prompt = """알고리즘 트레이딩 전략가. JSON으로만 응답. 필수 필드: strategy_name, market_condition, parameters(buy_conditions,sell_conditions(take_profit_rate,stop_loss_rate,trailing_stop)), risk_assessment, confidence_score(0-100). 악재시 보수적, 호재시 적극적 설정. JSON 외 텍스트 금지.""" user_message = f"종목:{stock_code}\n시장:{_dumps(market_data)}" if news_data: user_message += f"\n뉴스:{_dumps(news_data)}" response = await self.analyze(system_prompt, user_message) return self._parse_json_response( response, {"error": "Failed to generate optimized rules"} ) async def generate_trade_journal( self, trade_info: Dict[str, Any], market_data: Dict[str, Any] ) -> Dict[str, Any]: """매매일지 자동 작성""" system_prompt = """매매일지 작성 전문가. JSON으로만 응답. 필수 필드: title, content(간략 Markdown), mood(평정심/흥분/공포/아쉬움/만족), tags(배열), score(0-100). 매매근거, 잘한점/아쉬운점, 개선사항 포함. JSON 외 텍스트 금지.""" user_message = f"거래:{_dumps(trade_info)}\n시장:{_dumps(market_data)}" response = await self.analyze(system_prompt, user_message) return self._parse_json_response( response, {"error": "Failed to generate journal"} ) async def analyze_batch_stocks( self, stocks: List[Dict[str, Any]], ) -> Dict[str, Any]: """장 전 배치 분석 — 10종목을 한 번에 받아 각각 매수적합/부적합 판정. max_tokens=2048 (10종목 응답이므로 넉넉하게). 입력 stocks: [{stock_code, stock_name, current_price, rsi, bb_position, volume_ratio, score, news_titles}, ...] """ system_prompt = """주식 스윙 트레이딩 분석가. 종목 리스트를 분석하여 JSON 배열로 응답. 각 종목: stock_code, suitable(true/false), confidence(0-1), reason(한줄), risk_factors(배열). JSON 외 텍스트 금지.""" user_message = f"종목리스트:{_dumps(stocks)}" response = await self.analyze(system_prompt, user_message, max_tokens=2048) return self._parse_batch_response(response) def _parse_batch_response(self, response: Dict[str, Any]) -> Dict[str, Any]: """배치 분석 응답 파싱 — JSON 배열 또는 객체 모두 처리. 1) 응답 텍스트에서 JSON 배열([...]) 파싱 시도 2) JSON 객체({...}) 파싱 시도 (AI가 {stocks: [...]} 형태로 응답할 수 있음) 3) 모두 실패하면 빈 결과 반환 """ for content in response["content"]: if content["type"] == "text": text = content["text"] # 배열 형태 시도 try: arr_start = text.find('[') arr_end = text.rfind(']') + 1 if arr_start != -1 and arr_end > arr_start: parsed = json.loads(text[arr_start:arr_end]) if isinstance(parsed, list): return {"stocks": parsed} except (json.JSONDecodeError, Exception): pass # 객체 형태 시도 try: obj_start = text.find('{') obj_end = text.rfind('}') + 1 if obj_start != -1 and obj_end > obj_start: return json.loads(text[obj_start:obj_end]) except (json.JSONDecodeError, Exception): pass return {"stocks": [], "analysis": text} return {"stocks": []} async def check_news_sentiment( self, stock_code: str, stock_name: str, news_titles: List[str], ) -> Dict[str, Any]: """장중 뉴스 감성 분석. max_tokens=256 (짧은 응답).""" system_prompt = """주식 뉴스 감성 분석. JSON만 출력. 필수: sentiment(POSITIVE/NEGATIVE/NEUTRAL), severity(LOW/MEDIUM/HIGH), action(HOLD/SELL/WATCH), reason(한줄). JSON 외 텍스트 금지.""" user_message = f"종목:{stock_code}({stock_name})\n뉴스제목:{_dumps(news_titles)}" response = await self.analyze(system_prompt, user_message, max_tokens=256) return self._parse_json_response( response, {"sentiment": "NEUTRAL", "severity": "LOW", "action": "HOLD", "reason": "분석 실패"} ) async def review_daily_trades( self, trades_summary: Dict[str, Any], market_summary: Dict[str, Any], ) -> Dict[str, Any]: """장 후 당일 매매 복기. max_tokens=1024. trades_summary: {total_trades, wins, losses, pnl, strategies_used, notable_trades} market_summary: {kospi_change, regime, top_movers} """ system_prompt = """주식 매매 복기 전문가. 당일 매매를 분석하여 JSON 응답. 필수: overall_grade(A/B/C/D/F), good_points(배열), bad_points(배열), improvements(배열), strategy_drift(bool), drift_detail(있으면), tomorrow_plan(한줄). JSON 외 텍스트 금지.""" user_message = f"매매요약:{_dumps(trades_summary)}\n시장요약:{_dumps(market_summary)}" response = await self.analyze(system_prompt, user_message, max_tokens=1024) return self._parse_json_response( response, { "overall_grade": "C", "good_points": [], "bad_points": [], "improvements": [], "strategy_drift": False, "tomorrow_plan": "분석 실패", } ) gemini_client = GeminiClient()