기존 방식:   사용자 → 프롬프트 → LLM → 출력 (원샷)

이 시스템:   사용자 입력 → LLM이 적합한 에이전트 라우팅 → MCP 도구로 멀티 플랫폼 수집
             → LLM이 분석 → LLM이 품질 자체 평가(critic) → 미달 시 보강(refine, 최대 3회)
             → 과거 분석 메모리에서 학습 → 리포트 + 후속 질문 제안

사용자 입력 (키워드 or @채널핸들 / youtube.com/... )
    │
    ├── [트렌드 쿼리] ─────────────────────────────────┐
    │                                                  │
    │   [크리에이터 URL 감지(CREATOR_URL_RE) → 분기]    │
    ▼                                                  ▼
FastAPI(:8000) ── SSE 스트리밍 ──► React(:5173) ── Creator DNA Card
    │                                                  ▲
    ▼                                                  │
3-Gear 오케스트레이터 (LangGraph)                       │
  Gear 1 route_request → Gear 2 plan_workflow → Gear 3 execute
    ├── news_trend_agent   → Brave Search → 뉴스·커뮤니티
    ├── viral_video_agent  → Brave Search → YouTube·TikTok
    └── social_trend_agent → Brave Search → X·Instagram
          │
          ▼  각 에이전트 StateGraph:
   router → collect → normalize → analyze → summarize
                                    → critic ⇄ refine (최대 3회, 4차원 품질 게이트)
                                    → report → notify
          │
          ├── Creator Intelligence (/api/creator/analyze)
          │     YouTube Data API v3 → Brave fallback → LLM DNA 분석 ──┘
          │     → top_topics / content_pillars / ContentDraft ×3
          │
          ├── Competitor Radar (/api/radar)  — 키워드 모니터(최대 5) + 변화 감지 알림
          ├── Signal Archive (/api/signal-archive) — 토픽 진화·크로스 신시사이즈·주간 다이제스트
          └── 일일 스케줄러 (src/core/scheduler.py) — 인기 검색어 자동 분석 → Slack
          │
    ┌─────┴──────────────┐
    ▼                    ▼
Supabase PostgreSQL    Redis(:6380)        Prometheus(:9091) ← /metrics
(insights, agent_memory,  (SSE 히스토리,    AgentTracer: 노드별 실행 추적
 query_logs, creators)     rate limit)

summarize → critic (4차원 LLM 품질 평가) → score < 0.6 ? → refine → critic (재평가)
                                          score ≥ 0.6 ? → report (보고서 생성)
                                          최대 3회 반복