# Dartlab > Korean DART + SEC EDGAR filings as structured Python data for company analysis - **Type:** MCP server - **Install:** `agentstack add mcp-eddmpython-dartlab` - **Verified:** Yes — security-reviewed for prompt injection and unsafe behavior - **Seller:** [eddmpython](https://agentstack.voostack.com/s/eddmpython) - **Installs:** 0 - **Category:** [Integrations](https://agentstack.voostack.com/c/integrations) - **Latest version:** 0.1.0 - **License:** Apache-2.0 - **Upstream author:** [eddmpython](https://github.com/eddmpython) - **Source:** https://github.com/eddmpython/dartlab - **Website:** https://eddmpython.github.io/dartlab ## Install ```sh agentstack add mcp-eddmpython-dartlab ``` Requires the [AgentStack CLI](https://agentstack.voostack.com/docs/cli). Works with Claude Code, Cursor, and any MCP-compatible agent. ## About DartLab 종목코드 하나. 기업의 전체 이야기. Korean DART + US SEC EDGAR 공시를 한 줄의 Python 으로 읽고 비교한다. 문서 · Skill OS · Skill Market · 블로그 · Colab에서 열기 · Molab에서 열기 · English · 후원    ## 터미널: 블룸버그식에 도전하다 종목 하나로 재무·주가·공시·신용·산업·매크로를 한 화면에서 읽는 **블룸버그식 터미널에 도전하는 DartLab 터미널**. 라이브러리가 만든 비교 가능한 데이터를 그대로 화면 위에 올렸다. > 이 터미널은 [@youngchangjo](https://www.threads.com/@youngchangjo) 님의 [스레드](https://www.threads.com/@youngchangjo/post/DZC_jobCfO6)에서 받은 영감으로 시작됐습니다. ## DartLab 무엇을 해주는가 DartLab은 DART와 EDGAR 공시를 **종목코드 하나로 비교 가능한 데이터**로 바꾸는 Python 라이브러리다. 재무제표, 사업보고서 본문, 공시 목록, 비율, 신용위험, 산업 맵, 매크로 맥락을 같은 `Company` 인터페이스로 읽는다. 핵심은 단순 수집이 아니다. 회사마다 다른 계정명과 공시 목차를 `topic × period`, `account × period` 형태로 수평화해서 **작년과 올해, 삼성전자와 애플, 한 종목과 전체 시장을 같은 질문으로 비교**하게 만든다. | Before | After | |---|---| | 사업보고서 여러 해를 열고 목차를 맞춘다 | `c.panel()` | | XBRL 계정명과 한글 항목명을 직접 매핑한다 | `c.panel("IS")` | | 전 종목 재무비율을 직접 수집·정규화한다 | `dartlab.scan("profitability")` | | AI 답변의 숫자를 다시 검산한다 | `dartlab.ask(...)` + 실행 근거 ref | ## 세 가지 시작점 DartLab은 **AI / Python / CLI** 세 길을 같은 데이터·같은 엔진 위에 올려놓는다. 자기 맥락에 맞는 길로 진입하면 된다. | 사용 방식 | 코드 길이 | 첫 결과 | 이런 사람에게 맞다 | |---|---|---|---| | [AI로 바로 사용](#ai로-바로-사용) | 1 줄 | ~1 분 | 질문을 던지고 근거 있는 답변을 받고 싶은 분석가 | | [Python 코드로 사용](#python-코드로-사용) | 3-5 줄 | ~3 분 | 재무제표·공시·스캔 데이터를 직접 다루는 개발자 | | [CLI 로 사용](#cli-로-사용) | 1 명령 | ~2 분 | 단발 조회·자동화 스크립트·셸 파이프라인 사용자 | 각 경로는 모두 `dartlab.Company` 와 같은 분석 엔진을 호출한다. **출발점만 다를 뿐 결과는 같다.** ## AI로 바로 사용 기업 이름이나 종목코드를 넣고 자연어로 물어보면, DartLab AI는 내부에서 `Company`, `analysis`, `credit`, `scan`, `macro` 같은 도구를 직접 실행한다. 답변만 만드는 것이 아니라 어떤 데이터와 계산을 썼는지 추적 가능한 ref를 함께 남긴다. ```python import dartlab dartlab.ask("삼성전자 재무건전성 분석해줘") # AI가 필요한 데이터를 직접 조회하고, 계산 결과와 근거 ref를 함께 반환 ``` AI 경로의 장점: - **분석 흐름을 직접 설계**: 질문에 맞춰 공시, 재무제표, 신용, 매크로, peer 비교 도구를 조합한다. - **숫자 검산 가능**: 답변 속 숫자와 표는 실행 결과 ref에 연결된다. - **공시 본문은 데이터로만 처리**: DART/EDGAR/웹 본문 안의 지시는 따르지 않고 분석 근거로만 쓴다. - **외부 LLM 연동 가능**: MCP로 Claude Code, Codex CLI, Cursor 같은 도구에서 같은 표면을 호출한다. ```bash claude mcp add dartlab -- dartlab mcp codex mcp add dartlab -- dartlab mcp ``` > Claude Desktop · 원격 SSE · 절대 경로 옵션은 [MCP 섹션](#mcp--ai-어시스턴트-연동) 참조. ## Python 코드로 사용 코드 경로는 `Company`가 중심이다. 종목코드 하나로 재무제표, 공시 본문, 정형 보고서, 비율을 `c.panel` 단일 표면에서 같은 방식으로 호출한다. `c.panel` 을 잡는 순간 항목×기간 격자가 된다. ```bash uv add dartlab ``` ```python import dartlab c = dartlab.Company("005930") # 삼성전자 c.panel() # 전체 공시 수평화 격자 (항목 × 기간) c.panel("IS") # 손익계산서 (finance 정규화 숫자) c.panel("is") # native 손익 — 사업보고서 항목 그대로 (XBRL+옛 통합 2013~) c.panel("ratios") # native 재무비율 (5표 항목으로 계산) c.panel("사업") # 사업 개요 등 공시 본문 행 검색 c.filings() # 원문 공시 링크 ``` ```python # 같은 인터페이스, 다른 시장 kr = dartlab.Company("005930") us = dartlab.Company("AAPL") kr.panel("IS") us.panel("IS") ``` Python 경로의 장점: - **API 키 없이 시작**: 사전 구축 데이터는 HuggingFace에서 자동 다운로드하고 로컬에 캐시한다. - **기간 비교가 기본**: 공시 본문과 재무제표를 기간 축으로 맞춘다. - **한국과 미국을 같은 인터페이스로 조회**: DART와 EDGAR의 차이는 provider가 흡수한다. - **엔진 결과를 재사용 가능**: analysis, credit, macro, quant, industry, story 결과를 코드에서 직접 다룬다. ## CLI 로 사용 설치 후 셸에서 `dartlab` 명령으로 같은 엔진을 호출한다. 단발 조회·셸 자동화·파이프라인 친화적. ```bash uv add dartlab dartlab help "외인 매수" # 도움말 + 매칭 capability 탐색 dartlab list scan # scan 카테고리 recipe 인덱스 dartlab show 005930 IS # 손익계산서 출력 (Python c.panel("IS") 등가) dartlab analyze 005930 --aspect credit dartlab mcp # MCP 서버 진입 (외부 LLM 도구 등록용) ``` CLI 경로의 장점: - **API 키 없이 단발 호출**: HuggingFace 캐시 자동 사용 - **셸 파이프라인 친화**: `dartlab show ... --json | jq ...` 식으로 합성 - **MCP 서버 진입점 동일**: `dartlab mcp` 한 명령으로 외부 어시스턴트 도구 노출 > CLI 명령 전체 목록 + 옵션은 `dartlab --help` 또는 Skill OS (`src/dartlab/skills/specs/operation/code.md`) 참조. ## 결과 예시 아래는 Python 경로에서 바로 얻는 대표 결과다. 공시 본문, 재무제표, 원문 링크가 같은 `Company` 객체에서 나온다. ```python import dartlab c = dartlab.Company("005930") # 삼성전자 c.panel() # 모든 항목, 모든 기간, 나란히 — 잡는 순간 격자 # shape: (223, 14) — 공시 항목 × 기간 # 2026Q1 2025Q4 2025Q3 2024Q4 ... # (표지) v v v v # 사업의 내용 v v v v # 재무상태표 v v v v ``` > 텍스트와 숫자의 시계열 수평화: 전 기간 비교 가능성의 핵심 > > ```python c.panel("IS") # 손익계산서 — finance 정규화 (분기 기본) c.panel("IS", freq="year") # freq로 연간 합산 ``` > finance 정규화: XBRL 표준계정(snakeId) + 한글 항목명, 원 단위 정밀 숫자 > > ```python c.panel("is", freq="year") # native 손익 — 사업보고서 항목 그대로 (2013~) c.panel("ratios") # native 재무비율, 5표 항목으로 계산 ``` > 소문자=native: 사업보고서 항목 그대로, XBRL 이전까지 닿는 깊은 history (2013~) > > ```python c.panel("사업") # 사업 개요 등 공시 본문 행 검색 c.panel.search("재고") # 본문 전체 검색 c.filings() # 모든 보고서 — DART 뷰어로 바로 연결 ``` > 사업보고서부터 분기보고서까지, dartUrl로 원문 즉시 확인 > > ```python # 같은 인터페이스, 다른 나라 us = dartlab.Company("AAPL") us.panel("business") us.panel("ratios") # 자연어로 질문 dartlab.ask("삼성전자 재무건전성 분석해줘") # → AI가 코드를 실행하며 분석: "영업이익률이 8.6%→21.4%로 반등..." ``` API 키 불필요. [HuggingFace](https://huggingface.co/datasets/eddmpython/dartlab-data)에서 자동 다운로드, 로컬 캐시로 즉시 로드. ## 세 겹의 분석 Company가 종목코드 하나로 데이터를 준비하면, 세 겹이 분석한다. 1. **분석 엔진**: 숫자를 만든다. 마진 추이, 현금흐름 패턴, 부도 확률, 업종 비교, 매크로 사이클. 해석하지 않는다. 숫자와 근거만 제공한다. 2. **story (L3 조합기)**: 분석엔진 X. L2 5 분석엔진 끼리의 import 순환을 막기 위해, story 가 단독으로 다중 결합 책임을 짊어진다. 엔진 데이터를 블록 단위로 조합하여 11가지 보고서 타입 × 7가지 기업유형 템플릿. 해석은 제공하지 않는다. 다양한 관점의 근거를 체계적으로 배치한다. 3. **AI**: 엔진을 직접 쓰고 판단한다. 결과를 의심하고, 원본으로 검증하고, 이상하면 가정을 바꿔서 재계산한다. dartlab을 대표하는 적극적 분석가. ## DartLab은 무엇인가 하나의 호출 계약. `dartlab.엔진()` 으로 가이드 보고 `dartlab.엔진("축")` 으로 실행. > **처음이라면?** `Company` → `Story` → `Ask` 순서로. 종목코드로 데이터를 보고, 보고서를 만들고, AI에게 물어본다. > **엔진 이름을 클릭하면** 사용법 4 섹션 (`공개 호출 방식` · `호출 동작` · `대표 반환 형태` · `기본 검증`) 으로 진입한다. 모든 엔진이 같은 4 섹션을 갖는다. | 레이어 | 엔진 | 하는 일 | 진입점 | 노트북 | |--------|------|---------|--------|--------| | Data | [Data](https://eddmpython.github.io/dartlab/skills/engines.data) | HuggingFace 사전 구축, 자동 다운로드 | `Company("005930")` | — | | L1 | [Company](https://eddmpython.github.io/dartlab/skills/engines.company) | provider facade: 공시 + 재무제표 + 정형 데이터를 종목코드 하나로 통합 | `c.panel()` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/01_company.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/01_company.py) | | L1 | [Gather](https://eddmpython.github.io/dartlab/skills/engines.gather) | 외부 시장 데이터 (주가/수급/매크로/뉴스) | `dartlab.gather()` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/02_gather.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/02_gather.py) | | L1.5 | [Scan](https://eddmpython.github.io/dartlab/skills/engines.scan) | 전 종목 사전 빌드 (거버넌스/비율/현금흐름 등 parquet) | `dartlab.scan()` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/03_scan.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/03_scan.py) | | L2 | [Analysis](https://eddmpython.github.io/dartlab/skills/engines.analysis) | 재무 심층 분석 (수익성/안정성/현금흐름) + 가치평가 + 전망 | `c.analysis("financial", "수익성")` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/05_analysis.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/05_analysis.py) | | L2 | [Quant](https://eddmpython.github.io/dartlab/skills/engines.quant) | 가격 기반 정량 신호 (기술/리스크/팩터/백테스트) | `c.quant()` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/04_quant.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/04_quant.py) | | L2 | [Credit](https://eddmpython.github.io/dartlab/skills/engines.credit) | 독립 신용평가 (dCR 등급, 부도확률, 건전도) | `c.credit("등급")` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/07_credit.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/07_credit.py) | | L2 | [Macro](https://eddmpython.github.io/dartlab/skills/engines.macro) | 시장 레벨 매크로 (사이클/금리/유동성/심리/자산 + 시나리오 110) | `dartlab.macro("사이클")` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/06_macro.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/06_macro.py) | | L2 | [Industry](https://eddmpython.github.io/dartlab/skills/engines.industry) | 산업 매퍼: 전 상장사 × 공정·역할·스트림 + 공급망 엣지 (산업지도 `/map`) | `c.industry()`, `dartlab.industry("semiconductor")` | — | | L3 | [Story](https://eddmpython.github.io/dartlab/skills/engines.story) | 조합기 (분석엔진 X): L2 5엔진 (analysis · credit · macro · quant · industry) + L1.5 scan 블록 조합. 순환참조 방지 책임자. 11 타입 × 7 템플릿 (해석 안 함) | `c.story("수익성")` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/08_story.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/08_story.py) | | L4 | [AI/Skills](https://eddmpython.github.io/dartlab/skills) | skills 검색 + DartLab 실행 + ref 검산을 쓰는 분석 작업대 (사람도 L4) | `dartlab.ask()` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/09_ai.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/09_ai.py) | | L4 | [Channel](https://eddmpython.github.io/dartlab/skills) | 외부 공유: `dartlab channel` 한 줄로 폰에서 PC dartlab 사용 | `dartlab channel` | — | | core | [Search](https://eddmpython.github.io/dartlab/skills/engines.search) | 공시 시맨틱 검색 *(beta: 인덱스 신선도 부족)* | `dartlab.search()` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/10_search.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/10_search.py) | | facade | [Listing](https://eddmpython.github.io/dartlab/skills/engines.gather) | 종목/공시/topic 카탈로그 API | `dartlab.listing()` | [Colab](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/11_listing.ipynb) · [marimo](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/11_listing.py) | | viz | [Viz](https://eddmpython.github.io/dartlab/skills/engines.viz) | 차트/다이어그램 (`emit_chart`) | `emit_chart({...})` | — | > 모든 노트북: [marimo](notebooks/marimo/) · [colab](notebooks/colab/) · [](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo) ### Company > 설계: [engines.company](https://eddmpython.github.io/dartlab/skills) 세 가지 데이터 소스(docs=전문 공시, finance=XBRL 재무제표, report=DART API 정형 데이터)를 하나의 객체로 통합. [HuggingFace](https://huggingface.co/datasets/eddmpython/dartlab-data)에서 자동 다운로드, 설정 불필요. ```python c = dartlab.Company("005930") c.panel() # 잡는 순간 격자 -- 공시 항목 × 기간 전체 c.panel("BS") # 재무상태표 -- finance 정규화 숫자 c.panel("bs") # native 재무상태표 -- 사업보고서 항목 그대로 (2013~) c.panel("ratios") # native 재무비율 -- 5표 항목으로 계산 c.panel("매출") # 항목명 행 검색 (raw 공시) ``` **주석(Notes)**: BS/IS 총액 이면의 항목별 분해. `c.panel("topic")`으로 재무제표와 같은 패턴으로 접근. DART(K-IFRS HTML 파싱)와 EDGAR(US-GAAP XBRL 태그) 동일 인터페이스. | `c.panel(...)` | 내용 | DART | EDGAR | |---------------|------|:----:|:-----:| | `"inventory"` | 원재료/재공품/제품 분해 | ✅ | ✅ | | `"borrowings"` | 단기/장기 차입금 분해 | ✅ | ✅ | | `"tangibleAsset"` | 유형자산 취득원가/감가상각/장부가 | ✅ | ✅ | | `"intangibleAsset"` | 영업권/개발비 등 | ✅ | ✅ | | `"receivables"` | 매출채권 + 대손충당금 | ✅ | ✅ | | `"provisions"` | 보증/소송/구조조정 충당부채 | ✅ | ✅ | | `"eps"` | 기본/희석 주당이익 | ✅ | ✅ | | `"segments"` | 부문별 매출/이익 | ✅ | ✅ | | `"costByNature"` | 원재료/급여/감가상각 성격별 비용 | ✅ | ✅ | | `"lease"` | 사용권자산/리스부채 | ✅ | ✅ | | `"affiliates"` | 관계기업 지분법 투자 | ✅ | ✅ | | `"investmentProperty"` | 투자부동산 공정가치/장부가 | ✅ | ✅ | > [](https://marimo.app/github.com/eddmpython/dartlab/blob/master/notebooks/marimo/01_company.py) [](https://colab.research.google.com/github/eddmpython/dartlab/blob/master/notebooks/colab/01_company.ipynb) ### Scan: 전 종목 횡단 비교 > 설계: [engines.scan](https://eddmpython.github.io/dartlab/skills) 전 종목 대상 횡단 분석. 거버넌스, 인력, 주주환원, 부채, 현금흐름, 감사, 내부자, 이익의 질, 유동성, 네트워크, 계정/비율 비교 등. ```python dartlab.scan("governance") # 전종목 지배구조 dartlab.scan("ratio", "roe") # 전종목 ROE dartlab.scan("account", "매출액") # 전종목 매출액 시계열 ``` > 2,500+ 종목의 매출액을 한 번에: 분기별 시계열로 즉시 비교 > > ### Compare: 회사 간 N사 비교 > 설계: [engines.panel](https://eddmpython.github.io/dartlab/skills/engines.panel) `Company.panel`이 한 회사를 항목×기간으로 수평화한다면, `dartlab.compare`는 **2~6개 회사**를 같은 토픽·시점 격자로 정렬한다. `scan`처럼 단어 하나로 부르는 톱레벨 verb: 회사 간 비교의 공식 표면이다. ```python import dartlab # 주석·서술 비교 — disclosureKey·scope·leafType 정렬키로 회사 간 한 행 정렬 dartlab.compare(["005930", "000660"], topic="재고") # 재무제표 셀 비교 — acode 단위, 값은 원 환산 (단위·라벨 착시 제거) dartlab.compare(["005930", "000660"], topic="is", freq="year") # 다기간 — 셀 컬럼이 {code}␟{period} 로 회사·시점 namespace dartlab.compare(["005930", "000660"], topic="유형자산", period=["2025Q4", "2024Q4"]) ``` - **label-drift 자동 해소**: 같은 항목이 회사마다 다른 절 번호(삼성 "7. 유형자산" ↔ SK "11. 유형자산")여도 한 행에 정렬한다. - **확신 오정렬 차단**: 연결↔별도(scope)·표↔서술(leafType)이 다르면 같은 행에 병치하지 않는다. - **결손은 NaN 유지**: 0 채움·forward-fill 없이 빈 칸을 그대로 둔다(honest-gap, 추세 왜곡 방지). - **시장 경계**: KO↔US 혼합은 막는다. US(EDGAR)는 현재 row 비교만, 재무 셀 비교는 DART(원 환산)만 열려 있다. ### Gather: 외부 시장 데이터 > 설계: [engines.gather](https://eddmpython.github.io/dartlab/skills) 주가, 수급, 거시지표, 뉴스를 Polars DataFrame으로. ```python dartlab.gather("price", "005930") # KR OHLCV dartlab.gather("price", "AAPL", market="US") # US 주가 dartlab.gather("macro", "FEDFUNDS") # 자동 US 감지 dartlab.gather("news", "삼성전자") # Google News RSS ``` **대량 데이터 batch 순회**: 인사이더 거래·지분·뉴스를 generator 로 분할 yield (메모리 안전, 전 종목 스캔용): ```python from dartlab.gather.accessors import DefaultFinanceAccessor a = DefaultFinanceAccessor() for batch in a.iterNews("삼성전자", days=30, batchSize=100): process(batch) # 동행: a.iterInsiderTrades("005930") · a.iterOwnership("005930") # 일괄: a.fetchInsiderTrades / fetchOwnership / fetchNews ``` `getDefaultGather()` 싱글턴은 thread-safe (멀티스레드 환경 단일 인스턴스 보장). 캐시 통계·source fallback 신호는 `getCacheStatsSnapshot()` · `DARTLAB_TELEMETRY=stdout` 으로 추적. ### Analysis: 재무 인과 분석 > 설계: [engines.analysis](https://eddmpython.github.io/dartlab/skills) 수익구조 → 수익성 → 성장성 → 안정성 → 현금흐름 → 자본배분 → 가치평가 → 전망. 원본 재무제표를 인과 서사로 가공한다. ```python c.analysis("financial", "수익성") # 수익성 분석 c.analysis("수익성") # 단축형 (financial 자동) print(c.credit()) # 사용 가능한 축 가이드 DataFrame (self-discovery) c.credit("등급") # dCR-AA, 건전도 93/100 c.credit("등급", detail=True) # 등급 + 서사 + 지표 시계열 ``` ### Credit: 독립 신용분석 > 설계: [engines.credit](https://eddmpython.github.io/dartlab/skills) | 보고서: [eddmpython.github.io/dartlab/blog/credit-reports](https://eddmpython.github.io/dartlab/blog/credit-reports) 3-Track 모델(일반/금융/지주) + Notch Adjustment + CHS 시장 보정 + 별도재무 블렌딩. **79개사 검증: 대기업 87% (26/30), 중대형 82% (41/50), 전체 70% (55/79, v5.0 과대평가 수정 후 재측정 예정). 삼성전자 AA+ 정확 일치.** 검증 방법론은 [methodology](https://eddmpython.github.io/dartlab/skills/operation.methodology) 참조. ```python print(c.credit()) # self-discovery — 사용 가능한 축 + 종합 등급 cr = c.credit("등급") # 종합 등급 print(cr["grade"]) # dCR-AA+ print(cr["healthScore"]) # 96 (0-100, 높을수록 건전) print(cr["pdEstimate"]) # 0.01% 부도확률 cr = c.credit("등급", detail=True) # 등급 + 서사 + 지표 + 괴리 설명 print(cr["divergenceExplanation"]) # 신평사와 왜 다른지 ``` 신용분석 보고서 발간 (credit 서사 + 신평사 대조가 story 5막에 자동 통합): ```python from dartlab.story.publisher import publishReport publishReport("005930") # 6막 보고서 (credit narrative + audit 포함) ``` ### Macro: 종목코드 없 … ## Source & license This open-source MCP server is cataloged on AgentStack and links to its original source — we do not rehost the code. - **Author:** [eddmpython](https://github.com/eddmpython) - **Source:** [eddmpython/dartlab](https://github.com/eddmpython/dartlab) - **License:** Apache-2.0 - **Homepage:** https://eddmpython.github.io/dartlab Install and usage instructions live in the source repository linked above. ## Pricing - **Free** — Free ## Security capabilities Automated source analysis of v0.1.0 — what this tool can access: - **Network access:** no - **Filesystem access:** no - **Shell / process execution:** no - **Environment & secrets:** no - **Dynamic code execution:** no *"Yes" means the capability is present in the source — more access means more to trust, not that it is unsafe.* ## Versions - **0.1.0** — security scan: passed — Imported from the upstream source. ## Links - Listing page: https://agentstack.voostack.com/l/mcp-eddmpython-dartlab - Seller: https://agentstack.voostack.com/s/eddmpython - Browse the marketplace: https://agentstack.voostack.com/browse --- Listed on AgentStack — the marketplace for AI agent skills and MCP servers. Every listing is security-reviewed. Creators keep 70%.