[클로드 시리즈_45] API/Agent/Sub-agent 개념 — [04] Claude Code로 부동산 데이터 분석하기 : Agent와 Subagent로 마용성 가격 흐름 예측해보기

0. 오늘의 목표

오늘은 개발을 배우는 시간이 아닙니다.

오늘 배울 것은 이것입니다.

Claude Code에게
“부동산 데이터를 보고,
가격이 오를지 내릴지 판단하는
AI 리서치팀을 만들어주는 방법”

우리가 직접 코딩하지 않아도 됩니다.

대신 Claude Code에게 이렇게 시킵니다.

1. 공공데이터를 가져와
2. 숫자를 정리하고
3. 마포·용산·성동을 비교하고
4. 가격 상승/하락 가능성을 판단하고
5. 보고서로 정리해줘

---

1. 먼저 Agent란?

Agent = 일을 맡아서 처리하는 AI 직원

일반 AI는 보통 이렇게 씁니다.

마포구 부동산 전망 알려줘

그러면 AI가 아는 범위에서 설명을 해줍니다.

하지만 Agent는 조금 다릅니다.

마포구 상업용 부동산 실거래 데이터를 가져오고,
거래금액, 평당가, 건물 연식, 거래량을 계산한 뒤,
가격이 오를지 내릴지 판단해서 보고서로 정리해줘.

즉, Agent는 단순히 답변하는 AI가 아니라

업무를 끝까지 처리하는 AI 실무자입니다.

---

2. Subagent란?

Subagent = Agent가 부르는 전문 담당자

부동산 리서치를 혼자 하려면 일이 많습니다.

데이터도 가져와야 하고
숫자도 계산해야 하고
마용성 지역도 비교해야 하고
가격 전망도 해야 하고
보고서도 써야 합니다.

그래서 하나의 Agent가 모든 일을 혼자 하기보다

업무를 나눠서 처리하게 만들 수 있습니다.

메인 Agent: 부동산 리서치 팀장

Subagent 1: 데이터 수집 담당
Subagent 2: 데이터 정리 담당
Subagent 3: 가격 계산 담당
Subagent 4: 지역 비교 담당
Subagent 5: 전망 보고서 작성 담당

Subagent는 특정 유형의 작업을 처리하는 특화 AI 어시스턴트이며, 각자 별도의 컨텍스트에서 작업하고 결과를 메인 Agent에게 반환하는 구조입니다.

---

3. Subagent vs Agent Team 사용법 시각화

3-1. Subagent 방식

Subagent의 느낌

팀장이 일을 쪼개서
각 담당자에게 맡기는 방식

예를 들면 이렇습니다.

데이터 담당자는 데이터만 봄
계산 담당자는 숫자만 계산함
지역 비교 담당자는 마용성 차이만 봄
보고서 담당자는 보기 좋게 정리함

적합한 상황

반복 리포트 만들기
월간 실거래 데이터 정리
마포구 거래금액·평당가 계산
표 중심의 보고서 작성

---

3-2. Agent Team 방식

Agent Team의 느낌

여러 명의 전문가가
회의하면서 결론을 내는 방식

Agent Team은 Subagent와 달리 팀원들이 서로 직접 메시지를 주고받고, 공유 작업 목록을 기반으로 협업할 수 있습니다. Subagent가 메인 Agent에게만 보고하는 구조라면, Agent Team은 팀원들이 서로 직접 통신하며 조율합니다.

적합한 상황

가격이 오를지 내릴지 판단
마포·용산·성동 중 투자 매력 비교
출점 후보지 선정
여러 관점의 토론이 필요한 전략 판단

---

4. 한 장 비교표

구분	Subagent	Agent Team
쉬운 비유	팀장이 직원들에게 업무 분장	전문가들이 회의하는 TF팀
관계	메인 Agent에게만 보고	Agent끼리 서로 대화
장점	빠르고 정리된 결과	여러 관점의 전략 판단
적합 업무	데이터 수집, 계산, 표 정리	가격 전망, 지역 비교, 리스크 검토
부동산 예시	마포구 평당가 계산	마용성 중 어디가 오를지 토론
결과물	깔끔한 데이터 리포트	의사결정용 전략 보고서

---

5. 오늘 사용할 부동산 데이터

활용 API

출처:
공공데이터포털 /
국토교통부 상업업무용 부동산 매매 실거래가 자료

엔드포인트:
<https://apis.data.go.kr/1613000/RTMSDataSvcNrgTrade/getRTMSDataSvcNrgTrade>

방식:
GET

응답:
XML

오늘 볼 지역

마포구: 11440
용산구: 11170
성동구: 11200

오늘 볼 기간

예시:
2026년 3월

DEAL_YMD = 202603

---

6. 부동산 가격 전망에 필요한 핵심 지표

가격이 오를지 내릴지는 한 가지 숫자로 판단하면 위험합니다.

그래서 Claude Code에게 아래 기준으로 보게 합니다.

지표	의미	상승 신호	하락 또는 주의 신호
거래량	실제 거래가 얼마나 있는지	거래가 꾸준히 발생	거래가 거의 없음
평균 거래금액	시장 가격대	고가 거래 증가	저가 거래 위주
평당가	면적 대비 가격	평당가 상승	평당가 하락
50억 이상 거래 비중	큰 자금 유입 여부	중대형 거래 증가	소액 거래만 발생
200억 이상 거래	기관·법인급 거래 가능성	대형 거래 발생	대형 거래 부재
건물 연식	신축/노후 비중	신축 또는 리모델링 가능성	노후 건물 위주
매수자 구분	개인/법인/공공기관	법인 매수 증가	개인 단발성 거래 위주
해제건	취소된 거래	해제건 적음	해제건 많음
중개/직거래	거래 신뢰도 참고	중개거래 중심	직거래 비중 과다 시 주의

---

7. 가격 전망 판단 공식

가격이 오를 가능성 =
거래가 늘고
+ 평당가가 높아지고
+ 고가 거래가 많고
+ 법인/기관 매수가 있고
+ 해제건이 적을 때
상승 가능성이 높다고 판단

반대로,

가격이 내릴 가능성 =
거래가 줄고
+ 평당가가 낮아지고
+ 해제건이 많고
+ 노후 건물 저가 거래 위주이고
+ 특정 거래 1건에 평균이 왜곡될 때
주의 신호로 판단

단, 이것은 예측이 아니라 데이터 기반 추정입니다.

부동산 가격 전망은 확정이 아니라 추정입니다.
따라서 Claude Code 결과에도 반드시
“상승 가능성”, “하락 가능성”, “판단 보류”
처럼 표현해야 합니다.

---

8. 실습 1

Agent 하나에게 마포구 분석시키기

Claude Code에 아래 프롬프트를 넣습니다.

너는 부동산 데이터 분석을 도와주는 마케팅 리서치 Agent야.

나는 개발자가 아니므로,
어려운 기술 설명은 줄이고
표와 짧은 코멘트 중심으로 정리해줘.

아래 공공데이터 API를 활용해서
2026년 3월 마포구 상업업무용 부동산 매매 실거래 데이터를 분석해줘.

[활용 API]
- 출처: 공공데이터포털 / 국토교통부 상업업무용 부동산 매매 실거래가 자료
- 엔드포인트: <https://apis.data.go.kr/1613000/RTMSDataSvcNrgTrade/getRTMSDataSvcNrgTrade>
- 메서드: GET
- 응답 포맷: XML
- 인증키(serviceKey): [본인 키]

[요청 조건]
- LAWD_CD = 11440
- DEAL_YMD = 202603
- numOfRows = 1000
- pageNo = 1

[분석 규칙]
- cdealType == "O"인 해제건은 제외해줘.
- dealAmount는 만원 단위야.
- buildingAr는 ㎡ 단위야.
- 평당가 = dealAmount ÷ (buildingAr × 0.3025)
- 건물 연식 = dealYear − buildYear
- 거래금액 구간은 50억 미만 / 50~200억 / 200억 이상으로 나눠줘.

[출력 형식]
1. 마포구 거래 요약표
2. 주요 거래 TOP 10
3. 평당가 상위 거래
4. 건물 연식별 특징
5. 마포구 가격 상승/하락 가능성 코멘트

주의:
- 숫자는 반드시 데이터 근거와 함께 제시해줘.
- 데이터에 없는 내용은 “추정”이라고 표시해줘.
- 결과는 마크다운 표와 짧은 코멘트로 정리해줘.

---

9. 실습 2

Subagent 방식으로 마포구 분석하기

이번에는 Claude Code에게

업무를 나눠서 처리하라고 시킵니다.

너는 상업용 부동산 데이터를 분석하는 부동산 리서치 Agent야.

목표는 2026년 3월 마포구 상업업무용 부동산 실거래 데이터를 분석해서
마포구 부동산 가격이 오를 가능성이 있는지,
내릴 가능성이 있는지 판단하는 것이야.

이 일을 subagent 방식으로 나눠서 처리해줘.

[활용 API]
- 공공데이터포털 / 국토교통부 상업업무용 부동산 매매 실거래가 자료
- 엔드포인트: https://apis.data.go.kr/1613000/RTMSDataSvcNrgTrade/getRTMSDataSvcNrgTrade
- 메서드: GET
- 응답 포맷: XML
- 인증키(serviceKey): [본인 키]

[조회 조건]
- LAWD_CD = 11440
- DEAL_YMD = 202603
- numOfRows = 1000
- pageNo = 1

[Subagent 역할]

1. 데이터 수집 Subagent
- API에서 마포구 데이터를 조회해줘.
- resultCode가 00인지 확인해줘.
- totalCount를 확인해줘.

2. 데이터 정리 Subagent
- items.item 리스트를 표로 정리해줘.
- cdealType == "O"인 해제건은 제외해줘.
- dealAmount의 콤마를 제거하고 숫자로 처리해줘.
- 단위는 거래금액 만원, 면적 ㎡로 유지해줘.

3. 가격 계산 Subagent
- 평당가를 계산해줘.
- 평당가 = dealAmount ÷ (buildingAr × 0.3025)
- 건물 연식 = dealYear − buildYear
- 거래금액 구간을 50억 미만 / 50~200억 / 200억 이상으로 나눠줘.

4. 가격 전망 Subagent
- 거래량, 평당가, 고가 거래 비중, 건물 연식, 매수자 구분을 기준으로
  상승 가능성 / 하락 가능성 / 판단 보류 중 하나로 평가해줘.
- 단, 데이터만으로 확정할 수 없는 내용은 반드시 “추정”이라고 표시해줘.

5. 보고서 작성 Subagent
- 최종 결과를 마크다운 표로 정리해줘.
- 마지막에 “마포구 가격 전망 한 줄 결론”을 작성해줘.

[주의]
- 숫자는 반드시 데이터 근거와 함께 제시해줘.
- 응답 단위인 만원과 ㎡를 절대 헷갈리지 마.
- 해제건은 집계에서 제외해줘.

 

10. Subagent 결과물 예시

실제 데이터가 들어오면 이런 식으로 나와야 합니다.

항목	결과
분석 지역	마포구
분석 월	2026년 3월
전체 거래 수	API totalCount 기준
해제 제외 거래 수	cdealType == "O" 제외 후 건수
평균 거래금액	만원 기준
평균 평당가	만원/평
50억 미만 거래	건수 / 비중
50~200억 거래	건수 / 비중
200억 이상 거래	건수 / 비중
평균 건물 연식	dealYear − buildYear
가격 전망	상승 가능성 / 하락 가능성 / 판단 보류

결과

• 결과 확인하기

마포구 상업업무용 부동산 실거래 분석 보고서

---

분석 개요

항목	내용
분석 대상 지역	서울특별시 마포구
부동산 유형	상업업무용 부동산 (근린생활시설, 업무용, 판매시설 등)
조회 기간	2026년 3월 (1일~31일)
데이터 출처	국토교통부 실거래가 공개시스템
적용 필터	해제(취소)건 6건 제거 후 유효 거래만 집계
유효 거래 건수	48건
분석 일자	2026년 5월 14일

본 보고서는 단월(2026년 3월) 실거래 데이터를 기반으로 하며, 전기 대비 가격 비교 데이터 및 공실률·임대수익률 등 외부 변수는 미반영입니다.

---

1. 거래 현황 요약

항목	값
유효 거래 건수	48건
총 거래금액	727억 9,002만원
평균 거래금액	15억 1,646만원
최고 거래금액	75억 5,000만원 (합정동, 1977년 건물, 토지 556.4㎡)
최저 거래금액	1억 500만원 (성산동, 2009년 집합 근린)
평균 평당가	3,201만원/평
중앙값 평당가	2,337만원/평
평균·중앙값 괴리율	37.0% (고가 거래의 평균 상향 왜곡)
집합건물 거래 비중	75.0% (36건)
일반건물 거래 비중	25.0% (12건)

주의: 공덕동 115-62 지번에서 동일 업무용 빌딩의 13개 집합 호실이 법인 일괄 매입으로 신고되어 총 13건(합계 약 77억)이 포함되어 있습니다. 이를 단일 거래로 환산하면 실질 독립 거래건수는 약 36건 수준으로 줄어들 수 있습니다(추정).

---

2. 동별 거래 현황

동명	건수	평균 거래금액(만원)	평균 평당가(만원/평)
공덕동	14건	79,643	2,159
도화동	7건	20,071	1,756
서교동	3건	493,000	3,353
상수동	3건	318,667	3,847
대흥동	3건	166,000	8,124
연남동	2건	408,000	4,419
합정동	2건	385,000	2,715
상암동	2건	170,500	3,607
신공덕동	2건	130,000	9,408
마포동	2건	47,250	3,749
성산동	2건	11,400	1,941
아현동	2건	19,600	1,640
창전동	1건	605,000	2,828
신수동	1건	75,000	1,292
염리동	1건	22,000	2,941
용강동	1건	45,000	3,146

주요 관찰:

• 공덕동은 건수(14건) 기준 최다 거래 동으로, 동일 빌딩 다층 패키지 거래가 포함되어 건수가 과대 집계된 측면이 있음
• 신공덕동·대흥동은 소형 집합 물건 위주로 평당가가 9,000~9,700만원/평대의 고단가를 기록하였으나, 소형 면적(25~46㎡) 집합 물건의 특성상 단순 비교에 주의 필요
• 서교동·연남동·합정동은 평균 거래금액 기준 상위권으로, 홍대·연남 상권의 높은 수요 반영
• 도화동·아현동·성산동은 평균 거래금액 및 평당가 모두 낮은 수준으로, 중저가 근린생활 물건 중심 거래

---

3. 거래금액 구간별 분포

거래금액 구간	건수	비중(%)
50억 미만	45건	93.8%
50억 ~ 200억	3건	6.2%
200억 이상	0건	0.0%
합계	48건	100.0%

50억 이상 거래 상세:

동명	거래금액	건물 연식	건물 유형	매수자
합정동	75억 5,000만원	1977년 (49년)	일반 / 제1종근린	법인
창전동	60억 5,000만원	2005년 (21년)	일반 / 기타	법인
서교동	56억 0,000만원	2024년 (2년)	일반 / 제2종근린	법인

50억 이상 고가 3건 모두 법인 매수이며, 강남구·서초구 소재 중개사가 체결한 거래임. 합정동 49년 노후 건물의 75.5억 거래는 토지가치 및 재개발 기대 프리미엄이 반영된 것으로 해석됩니다(추정).

---

4. 건물 연식 분포

연식 구간	건수	비중(%)
5년 이내 (2022년~)	4건	8.3%
6~10년 (2016~2021년)	1건	2.1%
11~20년 (2006~2015년)	7건	14.6%
21~30년 (1996~2005년)	24건	50.0%
31~40년 (1986~1995년)	4건	8.3%
41년 이상 (~1985년)	5건	10.4%
연식 불명	3건	6.3%
합계	48건	100.0%

주요 관찰:

• 전체의 **50.0%**가 준공 21~30년(1996~2005년)된 중고령 건물에 해당
• 20년 이상 노후 건물 합산 비중: 68.8% (33건)
• 신축 5년 이내 물건은 단 4건(8.3%)으로 공급 측 재고 신선도가 낮음
• 평균 건물 연식: 약 23.8년 (연식 확인 45건 기준)

---

5. 매수자·거래방식 분석

5-1. 매수자 구분

매수자 구분	건수	비중(%)	평균 거래금액(만원)
법인	30건	62.5%	192,483
개인	18건	37.5%	83,583
합계	48건	100.0%	—

• 법인 대 개인 평균 거래가 격차: 약 2.3배
• 법인이 중대형 물건 집중 매수 → 기관·임대수익형 수요 주도 시장 구조 확인
• 강남구·서초구 소재 법인 중개사가 체결한 거래(41.7%, 20건)가 고가 거래 대부분을 차지

5-2. 거래방식

거래방식	건수	비중(%)	평균 거래금액(만원)
중개거래	44건	91.7%	158,773
직거래	4건	8.3%	73,250
합계	48건	100.0%	—

• 직거래 비중 8.3%는 통상적 범위 내로 과도하지 않음
• 직거래 평균가(7억 3,250만원)가 중개거래 평균가(15억 8,773만원)보다 낮아 가격 이상 신호 없음
• 신공덕동 2025년 신축 집합 물건이 13억원에 직거래로 2건 신고(동일 물건 중복 신고 가능성 주의, 추정)

---

6. 가격 전망 신호 판단

기준 항목	신호	핵심 수치	근거 요약
① 거래량	🔺 상승	48건 (1~4월 평균 42.3건 대비 +13.6%)	2월 저점(32건) 이후 반등세, 시장 활동성 회복
② 평당가 수준	➡ 중립	평균 3,201만원/평, 중앙값 2,337만원/평 (괴리율 37%)	전기 대비 비교 기준 부재, 절대가 서울 도심 중위권 수준(추정)
③ 고가 거래 비중	🔺 상승	50억 이상 3건(6.2%), 빌딩 패키지(77억) 별도	외부 법인 주도 고가 거래 다수, 기관 투자 수요 활성화
④ 건물 연식(노후화)	🔻 하락	20년 이상 비중 68.8%, 평균 연식 23.8년	구조적 감가상각·유지보수 비용 증가 하방 압력
⑤ 매수자 구성(법인)	🔺 상승	법인 62.5%, 평균 19억 2,483만원	법인 주도 수요 안정성 확보, 전략적 포트폴리오 편입 수요
⑥ 거래방식	➡ 중립	직거래 8.3% (통상 범위), 직거래 평균 < 중개거래	이상 거래 징후 없음, 시장 방향성 판단 기준 부족

신호 집계 요약:

신호	해당 항목	건수
🔺 상승	거래량, 고가 거래 비중, 매수자 구성	3개
🔻 하락	건물 연식(노후화)	1개
➡ 중립	평당가 수준, 거래방식	2개

---

7. 종합 결론

2026년 3월 마포구 상업업무용 부동산 시장은 상승 신호 3개, 하락 신호 1개, 중립 2개로 상승 우위 판단이 도출되었습니다.

상승 근거:

1. 거래량 반등: 2월 저점(32건)에서 3월 48건으로 증가하며 시장 활동성이 회복되었습니다. 1~4월 월평균 42.3건 대비 13.6% 상회하는 수준입니다.
2. 외부 기관 투자 수요 유입: 전체 48건 중 약 41.7%(20건)가 강남구·서초구 소재 중개사를 통해 체결되었으며, 이는 마포구 상권에 대한 외부 투자 자본의 관심이 높아지고 있음을 나타냅니다.
3. 법인 매수 주도: 법인 비중 62.5%, 평균 거래금액 약 19.2억원으로 기관·임대수익형 수요가 시장을 주도하는 안정적 수요 구조가 확인됩니다.
4. 고가 거래 활성화: 50억 이상 거래 3건 외에 공덕동 빌딩 패키지(13개 집합호 일괄 취득, 합계 약 77억)가 발생하였으며, 49년 노후 건물(합정동 75.5억)도 토지가치 기대로 고가 거래된 점이 확인됩니다(추정).

위험 요인:

1. 노후 건물 비중: 전체의 68.8%가 20년 이상 노후 건물로, 구조적 감가상각 및 유지보수 비용 증가에 따른 하방 압력이 상존합니다.
2. 거래 구조 왜곡: 공덕동 다층 패키지 거래 13건이 전체 건수의 27.1%를 차지해 거래량 및 법인 비중을 인위적으로 부풀린 측면이 있습니다. 이를 제거하면 실질 독립 거래건수는 약 36건 수준입니다(추정).
3. 데이터 한계: 본 분석은 2026년 3월 단월 데이터만을 기반으로 하며, 서울시 전체 금리 환경, 공실률, 임대수익률, 인허가 현황 등 핵심 외부 변수는 미반영됩니다.

종합 판단: 마포구 상업용 부동산은 외부 기관 투자 수요가 유입되는 강세 초입 국면으로 판단됩니다. 단기 가격 급등보다는 법인 수요 중심의 완만한 상승 흐름이 지속될 가능성이 높습니다(추정). 홍대·연남·서교동 등 핵심 상권은 외부 자본 유입으로 상승 압력이 우선적으로 반영될 것으로 예상되며, 도화동·아현동 등 외곽 동은 상대적으로 가격 상승 속도가 느릴 것으로 보입니다(추정).

---

📌 마포구 가격 전망 한 줄 결론: 2월 거래 저점 이후 법인·외부 자본 중심의 매수세가 유입되며 상승 초입 국면으로, 단기 급등보다는 완만한 우상향 흐름이 이어질 가능성이 높다(단, 금리 환경 및 공실률 변수 미반영, 추정).

---

11. 실습 3

Agent Team 방식으로 마용성 비교하기

이번에는 마포만 보는 것이 아니라

마포·용산·성동을 비교합니다.

너는 상업용 부동산 투자 전략을 검토하는 부동산 리서치 팀장이야.

목표는 2026년 3월 기준
마포구, 용산구, 성동구의 상업업무용 부동산 매매 실거래 데이터를 비교해서
마용성 중 어느 지역의 가격 상승 가능성이 상대적으로 높은지 판단하는 것이야.

이번 작업은 Agent Team 방식으로 진행해줘.

[활용 API]
- 공공데이터포털 / 국토교통부 상업업무용 부동산 매매 실거래가 자료
- 엔드포인트: <https://apis.data.go.kr/1613000/RTMSDataSvcNrgTrade/getRTMSDataSvcNrgTrade>
- 메서드: GET
- 응답 포맷: XML
- 인증키(serviceKey): [본인 키]

[조회 지역]
- 마포구: LAWD_CD = 11440
- 용산구: LAWD_CD = 11170
- 성동구: LAWD_CD = 11200

[조회 기간]
- DEAL_YMD = 202603
- numOfRows = 1000
- pageNo = 1

[Agent Team 구성]

1. 데이터 분석 Agent
- 세 지역의 거래 데이터를 수집하고 정리해줘.
- 해제건 cdealType == "O"는 제외해줘.
- 거래 수, 평균 거래금액, 평균 평당가, 고가 거래 비중을 계산해줘.

2. 마포 담당 Agent
- 마포구만 집중 분석해줘.
- 상업용 부동산 가격 상승 신호와 하락 신호를 구분해줘.

3. 용산 담당 Agent
- 용산구만 집중 분석해줘.
- 고가 거래, 업무시설, 대형 거래 여부를 중심으로 분석해줘.

4. 성동 담당 Agent
- 성동구만 집중 분석해줘.
- 성장형 상권, 거래금액 구간, 평당가 수준을 중심으로 분석해줘.

5. 리스크 검토 Agent
- 단일 월 데이터의 한계
- 표본 수 부족
- 특정 고가 거래 1건으로 평균이 왜곡될 가능성
- 해제건 영향
- 데이터에 없는 상권 이미지를 과도하게 해석하는 문제를 검토해줘.

6. 리더 Agent
- 각 Agent의 의견을 종합해서
  마용성 중 가격 상승 가능성이 가장 높은 지역을 1순위, 2순위, 3순위로 정리해줘.

[판단 기준]
- 거래량 증가 신호
- 평균 평당가 수준
- 50억 이상 거래 비중
- 200억 이상 거래 여부
- 건물 연식
- 법인/공공기관 매수 여부
- 해제건 제외 후 안정성

[출력 형식]
1. 마용성 비교 요약표
2. 지역별 상승 신호 / 하락 신호
3. 가격 상승 가능성 순위
4. 마포구에 대한 별도 코멘트
5. 최종 결론

[주의]
- 숫자는 반드시 데이터 근거와 함께 제시해줘.
- 데이터에 없는 내용은 “추정”이라고 표시해줘.
- 부동산 가격 전망은 확정이 아니라 “가능성 평가”로 표현해줘.
- 결과는 마크다운 표와 짧은 코멘트 중심으로 작성해줘.

---

12. Agent Team 결과물 예시

순위	지역	상승 가능성	근거	주의점
1위	마포구	높음 / 중간 / 낮음	거래량, 평당가, 고가 거래 비중	단일 월 데이터 한계
2위	성동구	높음 / 중간 / 낮음	성장형 거래 여부, 평당가	특정 거래 왜곡 가능성
3위	용산구	높음 / 중간 / 낮음	대형 거래 여부	표본 수 부족 가능성

마포구 별도 코멘트 예시

마포구는 상업시설과 업무시설 수요가 함께 나타날 수 있는 지역입니다.
2026년 3월 데이터에서 거래량이 충분하고,
50억 이상 거래 비중이 높으며,
평당가가 마용성 내에서 중상위권이라면
가격 상승 가능성을 긍정적으로 볼 수 있습니다.

다만 이는 해당 월 실거래 데이터에 기반한 추정이며,
전월·전년 동월 비교 없이 장기 상승을 확정하기는 어렵습니다.

---

13. 가격 전망 점수표 만들기

Claude Code에게 단순히 “오를까?”라고 묻지 말고

점수표로 판단하게 하면 좋습니다.

각 지역을 100점 만점으로 평가해줘.

거래량: 20점
평균 평당가: 20점
50억 이상 거래 비중: 20점
200억 이상 거래 여부: 15점
법인/기관 매수 여부: 10점
해제건 안정성: 10점
건물 연식 매력도: 5점

점수표 출력 예시

지역	거래량	평당가	고가 거래	대형 거래	매수자	안정성	연식	총점	전망
마포구									상승 가능성
용산구									판단 보류
성동구									상승 관찰

---

14. 점수표까지 포함한 최종 프롬프트

너는 상업용 부동산 가격 전망을 도와주는 부동산 리서치 Agent Team이야.

공공데이터포털의 국토교통부 상업업무용 부동산 매매 실거래가 API를 활용해서
2026년 3월 마포구, 용산구, 성동구의 데이터를 비교하고,
마용성 중 가격 상승 가능성이 높은 지역을 평가해줘.

[API]
- 엔드포인트: <https://apis.data.go.kr/1613000/RTMSDataSvcNrgTrade/getRTMSDataSvcNrgTrade>
- 메서드: GET
- 응답 포맷: XML
- serviceKey: [본인 키]

[지역 코드]
- 마포구: 11440
- 용산구: 11170
- 성동구: 11200

[요청 파라미터]
- DEAL_YMD = 202603
- numOfRows = 1000
- pageNo = 1

[데이터 처리 규칙]
- cdealType == "O"인 해제건은 제외
- dealAmount는 만원 단위
- buildingAr는 ㎡ 단위
- 평당가 = dealAmount ÷ (buildingAr × 0.3025)
- 건물 연식 = dealYear − buildYear
- 거래금액 구간:
  50억 미만 / 50~200억 / 200억 이상
- 1억 = 10,000만원

[Agent Team 역할]
1. 데이터 분석 Agent:
   거래 수, 평균 거래금액, 평균 평당가, 거래금액 구간을 계산

2. 마포 담당 Agent:
   마포구 상승 신호와 하락 신호 분석

3. 용산 담당 Agent:
   용산구 상승 신호와 하락 신호 분석

4. 성동 담당 Agent:
   성동구 상승 신호와 하락 신호 분석

5. 리스크 검토 Agent:
   표본 수, 해제건, 특정 고가 거래 왜곡, 단일 월 데이터 한계를 검토

6. 리더 Agent:
   최종적으로 가격 상승 가능성 순위를 정리

[점수화 기준]
- 거래량: 20점
- 평균 평당가: 20점
- 50억 이상 거래 비중: 20점
- 200억 이상 거래 여부: 15점
- 법인/기관 매수 여부: 10점
- 해제건 안정성: 10점
- 건물 연식 매력도: 5점

[출력 형식]
1. 마용성 비교 요약표
2. 지역별 점수표
3. 지역별 상승 신호 / 하락 신호
4. 마포구 별도 분석
5. 최종 결론:
   - 1순위 지역
   - 2순위 지역
   - 3순위 지역
   - 판단 보류가 필요한 이유

[주의]
- 숫자는 반드시 데이터 근거와 함께 제시
- 데이터에 없는 내용은 “추정”이라고 표시
- 부동산 가격 전망은 확정이 아니라 가능성 평가로 표현
- 결과는 마크다운 표와 짧은 코멘트 중심으로 작성

15. 실무 활용 예시

1) 부동산 리서치 보고서

마용성 상업업무용 부동산 월간 리서치 보고서를 작성해 주세요.
이번 달 거래량, 평균 평당가, 고가 거래 비중, 법인 매수 비중을 중심으로 정리해 주세요.

 

2) 상권 분석 보고서

마포·용산·성동 중 상업 활동이 가장 활발해 보이는 지역을 분석해 주세요.
거래량, 주용도, 평당가, 고가 거래 비중을 근거로 제시해 주세요.

 

3) 투자 검토 참고자료

투자 권유가 아니라 내부 검토용 참고자료로,
마용성 상업업무용 부동산 거래 흐름을 정리해 주세요.
상승 가능성과 리스크를 나누어 작성해 주세요.

 

4) AI 데이터 분석 강의 실습

비개발자 대상 AI 데이터 분석 강의용으로
마용성 실거래가 API 분석 실습안을 만들어 주세요.
Agent와 Subagent 역할 분담을 포함해 주세요.

 

5) 월간 자동화 보고서

매월 마포·용산·성동 데이터를 같은 방식으로 호출해
월간 비교 보고서를 만들 수 있는 프롬프트 템플릿을 작성해 주세요.

 

---

16. Q&A — 자주 묻는 질문 5가지

Q1. Agent와 Subagent는 꼭 나눠야 하나요?

반드시 나눠야 하는 것은 아닙니다. 단순한 질문은 하나의 Agent만으로도 충분합니다. 하지만 데이터 수집, 계산, 비교, 해석, 보고서 작성처럼 단계가 많은 업무는 Subagent로 나누면 결과가 더 안정적입니다.

Q2. Subagent와 Agent Team은 무엇이 다른가요?

Subagent는 메인 Agent가 업무를 나눠 주고 결과를 받는 구조입니다. Agent Team은 여러 전문가 Agent가 서로 의견을 주고받으며 결론을 만드는 구조입니다. 반복 계산은 Subagent, 전략 판단은 Agent Team이 더 적합합니다.

Q3. 마용성 가격 흐름을 한 달 데이터로 예측해도 되나요?

한 달 데이터만으로는 부족합니다. 한 달 데이터는 참고 신호일 뿐입니다. 최소 6개월, 가능하면 12개월 데이터를 함께 보고 거래량, 평당가, 고가 거래, 법인 매수 비중, 해제건을 종합해야 합니다.

Q4. 이 분석은 투자 조언으로 써도 되나요?

아닙니다. 이 분석은 공공데이터 기반 참고자료입니다. 투자 권유나 매수·매도 판단으로 사용하면 안 됩니다. 보고서에는 반드시 “데이터 기반 참고 분석이며 투자 판단은 별도 검토가 필요합니다”라는 문구를 넣는 것이 좋습니다.

Q5. Claude Code가 가져온 데이터는 무조건 맞나요?

그렇지 않습니다. API 응답이 정상인지, resultCode가 00인지, totalCount가 맞는지, 해제건을 제외했는지, 거래금액 단위가 맞는지 반드시 확인해야 합니다. AI가 계산한 결과도 사람이 검토해야 합니다.

---

17. 핵심 정리

Agent는 일을 맡아서 처리하는 AI 직원입니다.

Subagent는 Agent가 부르는 전문 담당자입니다.

부동산 데이터 분석에서는 데이터 수집, 데이터 정리, 가격 계산, 지역 비교, 전망 보고서 작성을 각각 Subagent에게 맡길 수 있습니다.

Subagent 방식은 반복 계산과 표 정리에 강합니다.
Agent Team 방식은 여러 관점이 필요한 전략 판단에 강합니다.

마용성 가격 흐름을 볼 때는 다음 지표를 함께 봐야 합니다.

거래량
평균 거래금액
평당가
50억 이상 거래 비중
200억 이상 거래
건물 연식
매수자 구분
해제건
중개·직거래

 

가격 전망은 확정이 아니라 가능성으로 표현해야 합니다.

가장 중요한 문장은 이것입니다.

Agent는 일을 끝까지 처리하는 AI 직원이고, Subagent는 그 일을 나눠 맡는 전문 담당자입니다. 부동산 분석에서는 숫자를 모으는 AI보다, 숫자를 역할별로 검토하는 AI 팀을 만드는 것이 핵심입니다.

---

작성자 프로필

강호종 AI 길라잡이 강사

​생성형 AI 활용 업무 효율화 전문강사 · 디지털융합교육원 지도강사 & AI 전문강사, 젠스파크 AI 전문강사 · (사)한국AINFT협회 이사
저서: 『생성형 AI 활용 업무혁신』(2026.1) · 『이것이 GEO마케팅이다』(2026) 외
📞 010-9912-9934 | 📧 art386@naver.com | Ⓑ blog.naver.com/art386 | Ⓣ aiart386.tistory.com​

생성형 AI, AI 리터러시, ChatGPT·Claude·Gemini 실무 활용, AI 업무 자동화, GEO마케팅을 중심으로 공공기관·기업·단체 대상 강의와 콘텐츠를 제작합니다.

---

메타 설명

Claude Code와 공공데이터 API를 활용해 마포·용산·성동 상업업무용 부동산 가격 흐름을 Agent와 Subagent 방식으로 분석하는 실습 글입니다. Agent, Subagent, Agent Team의 차이와 마용성 가격 흐름 예측 프롬프트를 정리했습니다.

---

해시태그

#클로드시리즈 #ClaudeCode #Agent #Subagent #AgentTeam #공공데이터API #부동산실거래가 #마용성 #마포구 #용산구 #성동구 #상업용부동산 #AI데이터분석 #AI업무자동화 #MCP #AI리터러시 #생성형AI강의 #AI강사 #강호종강사 #GEO마케팅