한 번뿐인 면접, 실전처럼 미리 겪어라. OBA Weekendthon S1 · Team WIGTN (김현상 · 김진모 · 손상우)
내 이력서와 실제 채용공고로 AI 면접관을 자동 생성 → 음성/텍스트로 모의면접 → 상태기계 + 도구호출 하네스로 끝까지 일관 압박 → 답변 약점을 실시간 포착해 꼬리질문 → 세션 내 자가진화(약점 학습) → 단어 타임스탬프·STAR 프레임워크 근거 피드백 + 분기 리플레이.
작은 한국어 오픈 모델(EXAONE-4.5, 실연동)을 도구호출 하네스로 굴려, GPT급 자유연기 없이도 끝까지 일관되게 압박·평가·진화하는 면접관을 만든다. 부트스트랩은 실제 DeepAgents 미들웨어 (
wrap_tool_call·write_todos) 옵션으로 동작하고, 턴 루프는 결정론 하네스로 저지연·고신뢰를 지킨다. 키 0개 mock으로 전 기능 완주 — EXAONE/외부 API는 env만 켜면 무중단 승격.
인터랙티브 원본:
docs/architecture.html· Mermaid 버전:docs/ARCHITECTURE.md
[1] web/app Next.js 16 / React 19 — 4 페이지 (setup · spar · result · /)
│ §5.1 REST 계약 (web/lib/contract/types.ts ≡ agent/app/contract.py)
[2] web/lib/bff BFF (Next API routes) ── agentClient.ts: isProxy?
│ ├─ AGENT_SERVICE_URL 미설정 → 내장 TS mock 엔진 (단독 데모, 의존성 0)
│ └─ 설정 → HTTP forward() ↓
[3] agent/app Python / FastAPI — DeepAgents analog
├─ engine(컨트롤러) · harness(하네스) · skills(플레이북) · state(자가진화)
├─ ports.py → OCR·Job·Rank·Gw·STT·Align·TTS (Mock ↔ 실어댑터)
└─ llm/ → mock | EXAONE (LLM_PROVIDER로 토글)
mock-first 원칙: 외부 8종 API/모델 없이도 전 기능이 mock으로 완주한다. 명세·키·EXAONE가 도착하면 어댑터와 env만 교체 → 무중단 승격. (BFF ↔ Python 프록시 동작 검증 완료)
| 면지 모듈 | DeepAgents 컴포넌트 | 역할 |
|---|---|---|
harness.py |
wrap_tool_call middleware | tool-call 스키마 검증 + 자동 리프롬프트 → 작은 모델도 tool-call 유효율 ↑ |
skills.py |
SkillsMiddleware (SKILL.md) | 페르소나·STAR·플레이북 = 스킬 한 장. 새 도메인은 데이터만 추가(엔진 불변) |
state.py |
StateBackend | 약점 신호 분석 + 세션휘발 weakness_profile(자가진화) |
engine.py |
LangGraph 결정론 컨트롤러 | 턴 루프 = 결정론 tool-calling · verdict = 순수코드 집계 |
llm/base.py |
provider-agnostic model port | 포트 뒤에 EXAONE 교체 — mock ↔ exaone |
mock 모드는
deepagents의존성 0으로 동작.HARNESS=deepagents로 켜면 부트스트랩 컨텍스트 수집이 실제deepagents·langchain에이전트(EXAONE 모델 +wrap_tool_call·wrap_model_call·TodoListMiddleware(write_todos)) 위에서 돌고, 작업 로그에 그 발화가 그대로 노출된다. 실패/지연 시 결정론 수집으로 자동 폴백 → 데모 무중단. (턴 루프·질문 생성은 EXAONE 직접 호출로 불변)
| 기능 | 설명 | 구현 |
|---|---|---|
| 자동 면접관 생성 | 이력서 OCR + 채용공고 + 회사 평판 → Fit-Gap 공격포인트 + 4 페르소나(기술/컬처핏/임원/HR) | engine.bootstrap |
| 면접 단계 선택 | 사용자가 단계(기술/컬처핏/임원/HR)를 고르면 그 순서가 라운드 — 단계마다 다른 면접관 진행, 마지막에 종료 | setup 단계 선택 → persona_sequence |
| 플레이북 스왑 | 직무 키워드 감지 → backend/frontend/pm/general 플레이북 자동 선택 (FR-005) | skills.detect_playbook |
| 멀티라운드 + 꼬리질문 | 답변 약점 신호 포착 시 라운드당 최대 2회 꼬리질문. 각 단계는 같은 세션 누적정보(이력서·JD·직전 약점) 기반 | engine.process_turn |
| 자가진화 | 라운드별 약점 누적 → weakness_profile before→after diff. 단계가 달라도 직전 약점을 이어서 공략 | state.update_weakness_profile |
| 음성 면접 + 보이스 선택 | webm 녹음 → Qwen3 ASR 전사(단어 타임스탬프) → 머뭇거림·필러 분석. 면접관 TTS 보이스(여성/남성) 라디오 선택 | sttClient.ts / ports.Qwen3Stt / ttsClient.ts |
| 프롬프트 인젝션 방어 | 답변·이력서는 평가 대상 데이터로 격리, 지시 주입 거부 + 입력 길이 캡 | llm/exaone.py·openai_llm.py |
| 결정론 피드백 | 점수·합격확률·타이밍 메트릭 모두 순수함수(랜덤 금지) → 심사위원 일관성 확인 | engine.process_verdict |
| 분기 리플레이 | "그때 이렇게 답했다면?" 대안 답변 재시뮬레이션 | engine.process_replay |
cd web
npm install
npm run dev # http://localhost:3000 (BFF 내장 mock 엔진)# 터미널 1 — 에이전트 서비스
cd agent
python -m venv .venv && source .venv/bin/activate
pip install -r requirements.txt
uvicorn app.main:app --port 8000 --reload # LLM_PROVIDER=mock 기본
# 터미널 2 — web (프록시 모드)
cd web
cp .env.example .env # AGENT_SERVICE_URL=http://localhost:8000 설정
npm install && npm run dev- 음성 입력(STT): 브라우저 webm 녹음 → 전사 + 단어 타임스탬프 → 머뭇거림·필러 분석.
- 면접관 목소리(TTS): BFF가 HTTP TTS 서버를 대리 호출하는 스트리밍 프록시(
/api/v1/tts)를 직접 구현 — WAV를 받아 재생하고, 면접관 보이스를 라디오로 선택(여성/남성/박명수/유해진). 미설정·실패 시 브라우저 SpeechSynthesis로 자동 폴백. - LLM: EXAONE-4.5(OpenAI 호환 + Hermes tool-call) 실연동, 미설정 시 mock 폴백.
실제 엔드포인트·키는 공개하지 않으며 각 서비스의
.env(gitignore)에만 둡니다.
oba-weekendthon/
├─ web/ Next.js 16 / React 19
│ ├─ app/ setup · spar/[id] · result/[id] · api/v1/*
│ └─ lib/
│ ├─ bff/ agentClient(분기) · mockEngine · sttClient · ttsClient · store
│ └─ contract/types.ts §5.1 REST 계약 (Python contract.py와 동기)
├─ agent/ Python / FastAPI (DeepAgents analog)
│ └─ app/
│ ├─ main.py §5.1 REST 엔드포인트
│ ├─ engine.py 턴 컨트롤러 (bootstrap/turn/verdict/replay)
│ ├─ harness.py tool-call 하네스 (검증·재시도)
│ ├─ skills.py 페르소나·프레임워크·플레이북·길이 프리셋
│ ├─ state.py 약점 분석 + 자가진화 weakness_profile
│ ├─ store.py 인메모리 세션 (PII 휘발)
│ ├─ ports.py 외부 8종 포트 + Mock/실 어댑터
│ ├─ contract.py pydantic §5.1 계약
│ ├─ harness_da.py 실제 DeepAgents 부트스트랩 (HARNESS=deepagents)
│ └─ llm/ base · mock · exaone(실연동) · openai_llm
└─ docs/
├─ architecture.html 손배치 아키텍처 (이 README의 PNG 원본)
├─ ARCHITECTURE.md Mermaid 다이어그램
├─ prd/ PRD · STT/TTS 명세 · 화면정의서
└─ architecture/AGENT_ARCHITECTURE.md
- Frontend: Next.js 16, React 19, TypeScript, 서버사이드 BFF
- Agent: Python 3.14, FastAPI, pydantic v2, httpx — DeepAgents/LangGraph 패턴
- LLM: EXAONE-4.5 (LG U+ 오픈 모델, OpenAI 호환 vLLM, Hermes tool-call) — 실연동, mock 폴백
- 에이전트 하네스: DeepAgents · LangGraph · langchain (
HARNESS=deepagents시 부트스트랩 실동작) - 음성: Qwen3 ASR (STT, 단어 타임스탬프) + Qwen3-TTS (보이스 선택) / SpeechSynthesis 폴백
- 외부 포트: MISO(OCR) · Rocketpunch(공고) · GenRank(평판) · API Fuse(게이트웨이) — 어댑터 통합(키 연결 시 실동작)
CLAUDE.md 심사기준상 API·OSS 활용도가 이중 가중치(최重) — 이를 정면으로 겨냥한다.
- agentic / 자동 / 하네스: 작업로그 패널에
ocr → job → fitgap → persona → playbook → harness.validate/retry → tool → followup.fire → evolve.diff실시간 방출 - self-evolving (창의성):
EvolveDiff— R1 약점 → R2 전략 before/after, 세션 내 학습 - API·OSS 활용도: EXAONE-4.5(LG U+ Voice AI 트랙) 실연동 + 실제 DeepAgents·LangGraph 미들웨어 + Qwen3 STT/TTS + MISO/Rocketpunch 어댑터. mock·폴백은
[mock]배지로 정직하게 표시 - 빌더 임팩트: "플레이북 한 벌 추가 = 새 도메인" — 연봉협상·세일즈 등으로 확장 가능한 하네스
- ✅
web/프론트 4페이지 + BFF(§5.1) + TS mock 엔진 + 면접 단계 선택·음성 보이스 선택 - ✅
agent/Python 서비스 — 하네스·엔진·포트·플레이북·면접단계·자가진화 - ✅ EXAONE-4.5 실연동 (
llm/exaone.py, OpenAI 호환 + Hermes tool-call, mock 폴백) - ✅ 실제 DeepAgents 부트스트랩 (
harness_da.py,HARNESS=deepagents— wrap_tool_call·write_todos) - ✅ 음성 STT/TTS 실연동 (
Qwen3Stt/ttsClient) — 실 서버 ↔ 폴백 - ✅ 프롬프트 인젝션 방어 가드
- ⏳ 외부 실어댑터(MISO/Rocketpunch/GenRank/API Fuse) — 키 연결 시
ports.pyprovider 토글
자세한 기획: docs/prd/PRD_myeonji.md ·
에이전트 설계: docs/architecture/AGENT_ARCHITECTURE.md