AI Report 직원 만들기 — 웹 검색으로 정보를 모아 매일 정해진 시간에 보고하기
AI Report 직원 만들기 — 웹 검색으로 정보를 모아 매일 정해진 시간에 보고하기
개발자·창업자·마케터에게 반복되는 아침 루틴이 하나 있습니다.
“경쟁사 뭐 올렸지?”
“우리 키워드 순위 변했나?”
“어제 나온 Django/AI 관련 뉴스 뭐 있지?”
“GitHub 이슈·Slack에서 내가 놓친 게 있나?”
이걸 사람이 매일 30~60분 쓰는 대신, AI Report 직원에게 맡기는 구조를 만들 수 있습니다. 핵심은 단순합니다.
- 무엇을 찾을지 — 관심 주제·키워드·경쟁사·내부 지표를 명시한다.
- 어떻게 검증할지 — LLM 기억이 아니라 웹 검색·API·MCP로 최신 근거를 수집한다.
- 언제 어디로 보낼지 — cron·Automations·Celery Beat로 같은 시간·같은 형식으로 배달한다.
이 글은 AI 직원 고용하기에서 다룬 “Agent = 목표 + 도구 + 자율 실행” 개념을, 정보 수집·요약·정기 보고에 특화한 Report 직원 한 명을 실제로 세팅하는 방법입니다.
프롬프트 설계 원칙은 ESC Prompting과 프롬프트 엔지니어링 가이드를 함께 보면 Report 품질이 올라갑니다.
0. 결론부터: Report 직원의 3대 구성요소
| 구성요소 | 역할 | 실패하면 생기는 일 |
|---|---|---|
| Brief (업무 정의서) | 찾을 주제, 제외할 노이즈, 출력 형식 | 매일 다른 형식의 잡담형 요약 |
| Research Stack (조사 도구) | Web Search, SerpAPI, MCP, 내부 API | 2024년 지식으로 쓴 “그럴듯한 환각” |
| Delivery (배달·스케줄) | Slack, 이메일, Notion, cron | 조사는 되는데 사람이 못 봄 |
가장 흔한 실수는 ChatGPT에 “매일 뉴스 알려줘”라고만 말하는 것입니다. 그건 챗봇이지 직원이 아닙니다. Report 직원은 스케줄, 도구 사용 권한, 고정된 보고서 템플릿이 있어야 합니다.
1. AI Report 직원 vs 일반 AI 챗봇
| 구분 | AI 챗봇 | AI Report 직원 |
|---|---|---|
| 실행 | 내가 열 때만 | 정해진 시간에 자동 실행 |
| 정보원 | 대화 + 모델 학습 데이터 | 웹 검색·API·DB |
| 출력 | 자유 형식 | 고정 템플릿 (섹션·길이·우선순위) |
| 검증 | 없음 | 출처 URL·날짜·중복 제거 |
| 비용 | 대화당 | 실행당 (토큰 + 검색 API) |
Report 직원이 잘 맞는 업무:
- 산업·기술 동향 — “Django 6.x”, “Cursor changelog”, “국내 스마트팜 정책”
- 경쟁·시장 — 경쟁사 블로그, Product Hunt, 키워드 순위
- 운영 지표 — GA 주간 비교 (GA 주간 리포트 서비스 참고)
- 개인 생산성 — 캘린더·이메일·Slack 하이라이트 (MCP/커넥터 연동)
Report 직원에 맞지 않는 업무:
- 법률·투자 최종 판단
- 출처 없이 “확실하다”고 단정해야 하는 의료·안전 정보
- 실시간 트레이딩·장중 호가 (지연·환각 리스크)
2. 구현 경로 비교 — 무엇을 쓸지 고르기
2026년 기준, Report 직원을 만드는 대표 경로는 아래 네 가지입니다.
| 경로 | 적합한 사람 | 장점 | 단점 |
|---|---|---|---|
| Cursor Automations (no-repo) | Cursor 구독자, 코드 없이 빠르게 | 클라우드 cron, MCP·Slack 내장, 레포 불필요 | Cursor 사용량 과금, 커스텀 파이프라인 제한 |
Cursor /loop |
IDE 안에서 프로토타입·개발 중 모니터링 | 즉시 테스트, 로컬 파일 접근 | 세션이 열려 있어야 실행 |
| Claude Code Routines | Claude Code Desktop/CLI 사용자 | 클라우드 스케줄, /schedule 대화형 설정 |
Anthropic 생태계에 종속 |
| Django Ninja + Celery Beat | 직접 서비스로 운영하고 싶을 때 | 완전 통제, DB·히스토리·다중 사용자 | 구축·운영 비용 |
추천 순서: Cursor 사용자라면 Automations로 MVP → 품질이 검증되면 Django로 제품화.
이미 n8n 워크플로우를 쓰고 있다면, n8n cron + HTTP 노드 + LLM 노드 조합도 같은 패턴입니다.
3. 경로 A — Cursor Automations으로 Report 직원 고용 (가장 빠른 MVP)
2026년 5월, Cursor는 Automations로 클라우드 에이전트를 cron·Slack·GitHub 이벤트 등에 연결할 수 있게 했습니다. 특히 no-repo 자동화는 코드 저장소 없이 외부 시스템 감시 + 요약 보고에 맞습니다.
공식 문서: Cursor Automations
블로그 소개: Build agents that run automatically
3.1 설정 5단계
- Cursor 대시보드 또는 Agents 창 → Automations → Create
- Trigger: Scheduled → 매일 원하는 시간 (또는 cron, 예:
0 8 * * 1-5= 평일 08:00) - Repository: No repository — 정보 수집·보고만 할 때
- Tools: Web Search(또는 MCP), Send to Slack / 이메일 / Webhook
- Prompt: 아래 Brief 템플릿 붙여넣기 → Run Now로 테스트 → 저장
3.2 Report 직원 Brief (프롬프트) 템플릿
# Role
You are my AI Report employee. Your job is research + synthesis, not chat.
# Schedule context
Report for: {YYYY-MM-DD}, timezone Asia/Seoul.
Audience: backend developer running Django/Next.js side projects and a tech blog.
# Research rules (MANDATORY)
1. Use web search aggressively for EVERY factual claim. Do NOT rely on training data for news, versions, or pricing.
2. Prefer sources from the last 7 days unless I ask for historical context.
3. For each bullet, include: headline, 1-sentence insight, source URL, published date (if available).
4. Deduplicate overlapping stories. Skip press-release fluff without substance.
5. If search is inconclusive, say "확인 불가" — never invent.
# Topics (search each separately)
- Cursor IDE: changelog, Automations, pricing (last 7 days)
- Django / Python backend: security advisories, LTS news
- AI dev tools: Claude Code, Copilot agent updates
- Competitors / references: {경쟁사 A}, {경쟁사 B} — product or blog posts
- Optional internal: summarize if MCP {analytics/slack} is connected
# Output format (Korean, fixed sections)
## 🔴 오늘 꼭 볼 것 (max 3)
## 📰 업계·도구 동향 (max 5)
## 🎯 내 프로젝트에 영향 (max 3, actionable)
## 📎 출처 목록 (URL only, no duplicates)
## ⏱️ 다음 리포트 제안 (1 line: what to add/remove)
Keep total length under 800 words.
3.3 MCP로 “내부 정보”까지 합치기
웹 검색만으로는 내 GA 숫자, Slack 스레드, Linear 이슈를 못 봅니다. Automations에 MCP 서버를 연결하면 Report 직원이 공개 웹 + 내부 도구를 한 번에 조사합니다.
| MCP / 커넥터 | Report에 쓰는 방법 |
|---|---|
| Google Analytics | 어제 대비 트래픽·전환 변화 |
| Slack | #dev 채널 하이라이트 |
| Linear / GitHub | 열린 P0 이슈, 어제 머지된 PR |
| SerpAPI / Brave Search | 키워드·뉴스 정밀 검색 (SerpAPI 가이드) |
Cursor 개발자 꿀팁에서 다룬 것처럼, MCP는 Report 직원의 “눈과 손”입니다. Rules 파일에 “항상 URL 인용” 같은 헌법을 두면 품질이 안정됩니다.
3.4 비용 감각
no-repo 일일 리포트(입력 ~50K 토큰, 출력 ~2K)는 Composer 계열 기준 월 $1 미만 수준으로 잡히는 경우가 많습니다(2026년 5월 Cursor Automations 요금 구조 기준, 실제 사용량·모델에 따라 변동). Run Now로 하루치 품질을 본 뒤 cron을 켜세요.
4. 경로 B — Cursor /loop으로 프로토타입·개발 중 브리핑
IDE 세션 안에서 “매일 8시”가 아니라 “5분마다 배포 상태 확인” 같은 반복 조사가 필요할 때는 /loop 가 맞습니다.
/loop 1d 오늘 날짜 기준으로 Cursor·Django·AI 도구 뉴스를 웹 검색해 요약하고,
출처 URL 포함한 5줄 브리핑을 이 채팅에 남겨줘.
/loop 특성:
- 세션 스코프 — 새 채팅을 열면 루프가 끊김
- PC·Cursor가 켜져 있어야 함
- 개발 중 프롬프트·주제 튜닝에 최적
Automations로 넘기기 전에 /loop 1d로 일주일치 샘플을 모아 Brief를 다듬는 워크플로를 추천합니다.
5. 경로 C — Django Ninja + Celery Beat으로 “진짜” Report 서비스
팀·고객에게 Report를 제품으로 제공하거나, 히스토리·알림·다중 구독이 필요하면 자체 서비스가 낫습니다. 이 블로그의 스택(Django Ninja, Celery, Redis)과 잘 맞습니다.
5.1 아키텍처
[Celery Beat cron 08:00 KST]
↓
[generate_daily_report_task]
↓
┌───────────────────────────────────────┐
│ 1. ReportProfile DB에서 주제·키워드 로드 │
│ 2. SerpAPI / Tavily로 웹 검색 (병렬) │
│ 3. LLM: dedupe + 섹션별 요약 + JSON │
│ 4. ReportSnapshot DB 저장 │
│ 5. Slack / Email / Webhook 발송 │
└───────────────────────────────────────┘
Celery Beat 설정 패턴은 Celery Beat 가이드의 daily-statistics 예시와 동일합니다.
5.2 핵심 코드 스케치
# reports/tasks.py
from celery import shared_task
from datetime import date
import httpx
from openai import OpenAI
client = OpenAI()
SEARCH_QUERIES = [
"Django security advisory site:djangoproject.com",
"Cursor IDE changelog 2026",
"AI coding agent automation news",
]
def web_search(query: str, num: int = 5) -> list[dict]:
"""SerpAPI 등 검색 API — LLM 환각 방지용 1차 근거."""
resp = httpx.get(
"https://serpapi.com/search.json",
params={"engine": "google", "q": query, "api_key": settings.SERPAPI_KEY, "num": num},
timeout=30,
)
resp.raise_for_status()
return [
{"title": r.get("title"), "link": r.get("link"), "snippet": r.get("snippet")}
for r in resp.json().get("organic_results", [])
]
@shared_task(name="reports.generate_daily_report")
def generate_daily_report(profile_id: int):
profile = ReportProfile.objects.get(pk=profile_id)
raw_hits = []
for q in profile.queries:
raw_hits.extend(web_search(q))
prompt = f"""
You are an AI Report employee. Synthesize the search results below.
Rules: cite URLs, Korean output, skip duplicates, flag uncertainty.
Template sections: {profile.template_sections}
Search results: {raw_hits[:40]}
"""
completion = client.chat.completions.create(
model="gpt-4.1-mini",
messages=[{"role": "user", "content": prompt}],
)
body = completion.choices[0].message.content
snapshot = ReportSnapshot.objects.create(
profile=profile,
report_date=date.today(),
body_markdown=body,
raw_sources=raw_hits,
)
send_slack(profile.slack_webhook_url, body)
return snapshot.id
# config/celery.py — beat schedule 예시
app.conf.beat_schedule = {
"daily-ai-report-08am": {
"task": "reports.generate_daily_report",
"schedule": crontab(hour=8, minute=0), # Celery timezone 설정 확인
"args": (1,), # profile_id
},
}
왜 SerpAPI(또는 Tavily)를 끼우나: LLM에게 “검색해”만 시키면 도구 호출이 빠지거나 구식 정보를 씁니다. 검색 API → 구조화된 결과 → LLM 요약 2단계가 Report 직원의 표준 패턴입니다.
6. Report 품질을 올리는 프롬프트·운영 팁
6.1 웹 검색을 “적극” 쓰게 만드는 문장
Brief에 아래 문장을 항상 넣으세요.
Before writing each section, run at least one targeted web search.
If you did not search, do not write that section.
Training data cutoff is NOT a valid source for version numbers, pricing, or news.
6.2 ESC Prompting을 Report에 적용
| ESC 단계 | Report 직원 적용 |
|---|---|
| Equalizer | “800자 이하, 섹션 4개 고정, 불릿만” |
| Socratic | “내 프로젝트에 왜 중요한지 한 줄” 자문 |
| Chain | 검색 → 중복 제거 → 우선순위 → 최종 템플릿 |
6.3 사람 20% 검토 루틴
AI Report 직원도 80/20이 안전합니다.
- 🔴 섹션만 사람이 2분 스캔
- 틀린 URL·날짜가 보이면 Brief에 금지 출처·선호 출처 추가
- 한 달에 한 번 주제·키워드 정리 (Report 직원 “성과 평가”)
6.4 실패 패턴 체크리스트
| 증상 | 원인 | 수정 |
|---|---|---|
| 매일 비슷한 뉴스 | 검색 쿼리가 너무 넓음 | 쿼리를 5~10개로 쪼개기 |
| 옛날 버전 번호 | 검색 생략 | Mandatory search 규칙 강화 |
| 너무 김 | Equalizer 없음 | 글자 수·불릿 수 상한 |
| Slack만 안 옴 | Tool 미선택 | Automations Tools 재확인 |
7. Claude Code Routines — Cursor 대안 한 줄 비교
Claude Code 사용자라면 Routines(claude.ai/code/routines)나 Desktop Scheduled tasks로 같은 Report 직원을 만들 수 있습니다. /schedule weekday industry briefing at 8:30am처럼 대화형으로 cron을 잡고, MCP 커넥터로 캘린더·Slack을 붙이는 패턴입니다.
| Cursor Automations | Claude Routines | |
|---|---|---|
| 클라우드 스케줄 | ✅ cron | ✅ (최소 1시간 간격 등 제약 확인) |
| no-repo 보고 | ✅ | ✅ |
IDE /loop |
✅ | ✅ (세션 스코프) |
| Django 코드베이스와 통합 | MCP / webhook | MCP / webhook |
도구는 하나만 고르면 됩니다. Report 직원의 본질은 Brief + Research Stack + Delivery이지 IDE 브랜드가 아닙니다.
8. 7일 롤아웃 플랜
| Day | 할 일 |
|---|---|
| 1 | 관심 주제 5~10개, 제외 키워드, 출력 템플릿 초안 |
| 2 | /loop 1d 또는 Run Now로 3회 테스트 |
| 3 | 출처·날짜 누락 수정, Brief 강화 |
| 4 | Slack/이메일 배달 연결 |
| 5 | cron Automations 또는 Celery Beat 활성화 |
| 6~7 | 아침 2분 검토 → Brief 미세 조정 |
9. 정리 — Report 직원은 “더 똑똑한 챗봇”이 아니다
AI Report 직원은 매일 같은 시간에, 같은 형식으로, 검색 근거와 함께 조사 결과를 가져오는 역할이 고정된 Agent입니다.
- Brief로 무엇을 찾을지 명시하고
- 웹 검색·MCP·API로 최신성을 확보하며
- Automations / Celery / Routines로 사람 개입 없이 배달한다
Cursor만 쓴다면 Automations(no-repo) + Run Now 검증 + 평일 cron이 가장 빠른 첫 고용입니다. Report가 비즈니스가 되면 GA 주간 리포트처럼 Django 파이프라인으로 옮기면 됩니다.
참고 자료
- Cursor Automations 공식 문서
- Cursor — Build agents that run automatically
- Claude Code — Automate work with routines
- Claude Code — Run prompts on a schedule (
/loop)