🚀 개요

현대 소매업체는 재고 부족, 과잉 재고, 부정확한 수요 예측, 느린 재고 의사 결정으로 인해 상당한 매출 손실을 겪고 있습니다. 기존 재고 관리 시스템은 종종 정적 규칙과 수동 분석에 의존하기 때문에 변화하는 비즈니스 조건에 신속하게 대응하기 어렵습니다.

StockPilot AI는 협업형 AI 에이전트 군집을 사용하여 원시 재고 데이터를 실행 가능한 비즈니스 인사이트로 변환하는 엔터프라이즈 멀티 에이전트 재고 인텔리전스 플랫폼입니다. Google Agent Development Kit (ADK), Gemini 2.5 Flash, Model Context Protocol (MCP) 로 구축된 이 플랫폼은 전문화된 AI 에이전트가 함께 작업하여 재고를 분석하고, 운영 위험을 감지하며, 수요를 예측하고, 조달 결정을 최적화하며, 경영진 수준의 비즈니스 보고서를 생성할 수 있도록 합니다.

StockPilot AI는 모듈식 AI 오케스트레이션과 재사용 가능한 비즈니스 인텔리전스 스킬을 결합하여 엔터프라이즈 조직이 협업형 AI 시스템을 활용하여 확장 가능하고 설명 가능하며 프로덕션 준비가 완료된 의사 결정 지원 애플리케이션을 구축하는 방법을 보여줍니다.

📚 목차

• 🚀 개요

• ✨ 주요 기능

• 🏗️ 시스템 아키텍처

• 🤖 AI 에이전트 역할

• 🔄 멀티 에이전트 워크플로우

• 🛠️ 기술 스택

• 📈 비즈니스 영향

• 🚀 빠른 시작

• 📂 리포지토리 구조

• 🗺️ 향후 로드맵

• 🤝 기여

• 📄 라이선스

✨ 주요 기능

• 🤖 Google ADK 기반 멀티 에이전트 군집 인텔리전스

• 🧠 전문화된 AI 에이전트를 갖춘 루트 코디네이터

• 🔌 Model Context Protocol (MCP) 통합

• 📊 AI 기반 재고 상태 분석

• 📈 수요 예측 및 판매 속도 분석

• ⚠️ 재고 부족 및 과잉 재고 위험 감지

• 💰 운전 자본 최적화

• 📦 지능형 조달 추천

• 📄 경영진 비즈니스 보고서 생성

• 🔒 엔터프라이즈급 보안 및 입력 검증

• 🎨 Streamlit으로 구축된 현대적 대화형 대시보드

🌟 프로젝트 하이라이트

✔ 엔터프라이즈 멀티 에이전트 AI 아키텍처

✔ Google Agent Development Kit (ADK) 사용

✔ Gemini 2.5 Flash 기반

✔ MCP 기반 도구 통신

✔ FastMCP 통합

✔ 재고 상태 인텔리전스

✔ AI 조달 추천

✔ 경영진 비즈니스 보고

✔ 대화형 Streamlit 대시보드

✔ 모듈식 및 확장 가능한 설계

🏗️ 시스템 아키텍처

StockPilot AI는 AI 추론, 비즈니스 로직, 도구 실행이 명확하게 분리된 모듈식 엔터프라이즈급 멀티 에이전트 아키텍처를 따릅니다. 이 플랫폼은 Google Agent Development Kit (ADK) 를 활용하여 전문화된 AI 에이전트를 오케스트레이션하고, FastMCP는 Model Context Protocol (MCP) 을 통해 재사용 가능한 비즈니스 인텔리전스 스킬을 노출합니다.

루트 코디네이터 에이전트는 재고 분석, 수요 예측, 재고 위험 감지, 조달 추천 생성, 경영진 보고를 담당하는 도메인별 AI 에이전트에 작업을 위임합니다. 각 에이전트는 전문화된 책임을 수행한 후 협업하여 통합된 비즈니스 결정을 생성합니다.

이러한 모듈식 아키텍처는 확장성, 유지 관리성, 설명 가능성을 향상시키고 기존 시스템에 최소한의 변경만으로 새로운 AI 기능을 통합할 수 있도록 합니다.

🤖 AI 에이전트 역할

🔄 멀티 에이전트 워크플로우

워크플로우는 업로드된 재고 데이터셋으로 시작됩니다. 루트 코디네이터는 분석 작업을 전문화된 AI 에이전트에 분배하며, 각 에이전트는 Model Context Protocol (MCP)을 통해 재사용 가능한 재고 인텔리전스 스킬을 호출합니다. 모든 분석이 완료되면 코디네이터는 결과를 집계하여 재고 인사이트, 수요 예측, 조달 추천, 비즈니스 인텔리전스가 포함된 경영진 보고서를 생성합니다.

🛠️ 기술 스택

📈 비즈니스 영향

StockPilot AI는 AI 추론과 비즈니스 인텔리전스를 결합하여 데이터 기반 재고 의사 결정을 지원하도록 설계되었습니다. 단순히 재고 기록을 분석하는 것을 넘어, 이 플랫폼은 조직이 운영 위험을 식별하고, 조달 전략을 최적화하며, 협업형 AI 에이전트를 통해 재고 성과를 개선할 수 있도록 지원합니다.

주요 비즈니스 이점

• 📉 사전 예방적 수요 분석을 통한 재고 부족 감소

• 📦 초과 재고 및 보유 비용 최소화

• 💰 운전 자본 활용도 개선

• 📈 AI 인사이트를 활용한 미래 재고 수요 예측

• ⚠️ 운영에 영향을 미치기 전에 재고 위험 감지

• 🤖 조달 추천 자동화

• 📊 경영진 수준의 비즈니스 보고서 생성

• 🚀 전략적 재고 의사 결정 가속화

🌟 StockPilot AI를 선택해야 하는 이유는?

정적 비즈니스 규칙에 의존하는 기존 재고 관리 시스템과 달리, StockPilot AI는 복잡한 재고 문제를 해결하기 위해 협업하는 여러 전문화된 AI 에이전트를 결합합니다.

기존 재고 시스템

• 수동 재고 분석

• 정적 비즈니스 규칙

• 제한된 예측 기능

• 반응형 의사 결정

• 분산된 보고

StockPilot AI

• 멀티 에이전트 AI 협업

• 지능형 수요 예측

• AI 기반 위험 감지

• 자동화된 조달 추천

• 경영진 비즈니스 인텔리전스

• 모듈식 및 확장 가능한 아키텍처

• 설명 가능한 AI 의사 결정 지원

✨ 엔터프라이즈 기능

🚀 빠른 시작

아래 단계에 따라 StockPilot AI를 로컬에서 실행하세요.

Related MCP server: confirmation-outlook-mcp

📦 리포지토리 복제

git clone https://github.com/ankitachotaliya2310/StockPilot-AI.git
cd StockPilot-AI

📥 종속성 설치

필요한 모든 Python 패키지를 설치합니다.

pip install -r requirements.txt

🔑 환경 구성

.env.example을 사용하여 .env 파일을 생성합니다.

GEMINI_API_KEY=YOUR_GEMINI_API_KEY
GEMINI_MODEL=gemini-2.5-flash

✅ 설치 확인

MCP 도구, AI 에이전트 및 재사용 가능한 스킬을 검증하기 위해 확인 스위트를 실행합니다.

python -X utf8 verify_system.py

▶️ StockPilot AI 실행

Streamlit 애플리케이션을 시작합니다.

streamlit run app.py

브라우저를 열고 다음으로 이동합니다:

http://localhost:8501

📂 리포지토리 구조

StockPilot-AI
│
├── Assets/
│   ├── Cover.png
│   ├── Logo.png
│   ├── Architecture.png
│   ├── Architecture Overview.png
│   ├── Workflow.png
│   └── business-impact.png
│
├── Datasets/
│   ├── sample_inventory.csv
│   ├── test_dataset_balanced.csv
│   ├── test_dataset_overstocks.csv
│   └── test_dataset_shortages.csv
│
├── doc/
│   └── architecture.md
│
├── agents.py
├── app.py
├── data_generator.py
├── mcp_server.py
├── skills.py
├── tools.py
├── style.css
├── verify_system.py
├── requirements.txt
├── walkthrough.md
├── README.md
├── LICENSE
└── .gitignore

🔗 StockPilot AI 살펴보기

🗺️ 향후 로드맵

StockPilot AI는 확장 가능한 엔터프라이즈 재고 인텔리전스 플랫폼으로 설계되었습니다. 향후 개선 사항은 다음과 같을 수 있습니다:

• 🌐 다중 창고 재고 관리

• 📡 실시간 ERP 및 SAP 통합

• 🤖 AI 공급업체 추천 엔진

• 📈 고급 예측 수요 예측

• 📦 자동 구매 주문 생성

• 🔐 역할 기반 사용자 인증

• ☁️ 클라우드 네이티브 배포

• 📊 실시간 비즈니스 인텔리전스 대시보드

• 🔔 스마트 재고 알림 및 알림

• 🌍 다국어 엔터프라이즈 지원

🤝 기여

기여는 언제나 환영합니다!

StockPilot AI를 개선하고 싶다면 다음을 자유롭게 수행하세요:

• 리포지토리 포크

• 기능 브랜치 생성

• 풀 리퀘스트 제출

• GitHub Issues를 통해 버그 신고 또는 개선 제안

🙏 감사의 말

이 프로젝트는 다음을 포함한 현대 AI 및 데이터 엔지니어링 기술을 사용하여 구축되었습니다:

• Google Agent Development Kit (ADK)

• Gemini 2.5 Flash

• Model Context Protocol (MCP)

• FastMCP

• Streamlit

• Pandas

• Plotly

• Python

이 프로젝트 개발에 영감을 준 Google × Kaggle AI Agents Capstone 프로그램에 특별히 감사드립니다.

📄 라이선스

이 프로젝트는 MIT 라이선스에 따라 라이선스가 부여됩니다.

자세한 내용은 LICENSE 파일을 참조하세요.

⭐ 이 프로젝트가 유용하다고 생각하신다면, GitHub에 별표를 남겨주시면 감사하겠습니다.

Google Agent Development Kit (ADK), Gemini, Streamlit으로 ❤️를 담아 제작되었습니다