/* Agent API view — gives a Claude agent (or any LLM) a clean interface to read the current simulation, run scenarios, and get explanations. Exposes window.GFAMatrix programmatic API: GFAMatrix.simulate(query) → result JSON GFAMatrix.simulateText(spec) → human-readable summary GFAMatrix.recommend(query) → 3 alternative queries GFAMatrix.compare(qA, qB) → side-by-side delta GFAMatrix.taxonomy() → 560-leaf tree GFAMatrix.archetypes(query) → persona match scores GFAMatrix.export() → full result + AI-readable narrative */ const { useState: useAGState, useMemo: useAGMemo, useEffect: useAGEffect } = React; // === Reading-Trace 스키마(구조화 해석) — 첫답 GEO 방법론의 "Claude Reading Trace" // (이해함/놓침/인용난이도를 자유텍스트가 아닌 구조화 로그로 남긴다) 착안. // window.claude.complete는 Anthropic Messages API의 output_config.format(그래머 레벨 // 강제)을 노출하지 않는 sandbox 헬퍼라 진짜 constrained decoding은 못 쓴다 — 대신 // 스키마를 프롬프트로 강제 + 파싱 실패 시 1회 재시도로 "실질적으로 깨끗한 JSON"을 근사한다. const READING_TRACE_SCHEMA = `{ "summary": "1-2문장 핵심 요약(문자열)", "confidence": "0~100 정수 — 이 해석 자체에 대한 자체평가 확신도", "understood": ["입력 데이터에서 명확히 파악한 포인트, 최대 4개"], "missed_or_uncertain": ["표본 부족·모호해서 확정 못한 포인트. 없으면 빈 배열"], "action": "1문장 실행 권장사항(문자열)" }`; function extractJsonObject(text) { if (!text) return null; const stripped = String(text).replace(/```json\s*|```/g, '').trim(); const start = stripped.indexOf('{'); const end = stripped.lastIndexOf('}'); if (start === -1 || end === -1 || end < start) return null; try { return JSON.parse(stripped.slice(start, end + 1)); } catch { return null; } } function validateReadingTrace(obj) { if (!obj || typeof obj !== 'object') return '응답이 JSON 객체가 아님'; if (typeof obj.summary !== 'string' || !obj.summary.trim()) return 'summary 누락'; if (typeof obj.confidence !== 'number' || obj.confidence < 0 || obj.confidence > 100) return 'confidence 범위 이탈(0~100)'; if (!Array.isArray(obj.understood)) return 'understood가 배열이 아님'; if (!Array.isArray(obj.missed_or_uncertain)) return 'missed_or_uncertain이 배열이 아님'; if (typeof obj.action !== 'string' || !obj.action.trim()) return 'action 누락'; return null; } function AgentAPIView({ query, target, exposure }) { const [out, setOut] = useAGState(''); const [busy, setBusy] = useAGState(false); const [aiSummary, setAiSummary] = useAGState(''); const [aiTrace, setAiTrace] = useAGState(null); const [aiBusy, setAiBusy] = useAGState(false); const result = useAGMemo(() => window.SimEngine.evalQuery(query), [query]); // 카테고리 민감도(P0/P1/P2) — 결정론 엔진 leave-one-out. LLM 미개입. const sensitivity = useAGMemo(() => { if (!window.SimEngine?.leafSensitivity) return []; try { return window.SimEngine.leafSensitivity(query); } catch { return []; } }, [query]); const apiJson = useAGMemo(() => { if (!result) return null; return { version: 'gfa-pm-lab.v0.3', generatedAt: new Date().toISOString(), input: { query: query.map(g => ({ op: g.op, leaves: g.leaves })), target, exposure, }, output: { 예상도달인원: result.finalReach, 월노출수: result.impressions, 클릭률: result.ctr, 노출당비용: result.cpm, 전환율: result.conv, 예상전환건수: result.convs, 타겟정확도: result.validity, 경쟁도: result.compete, 월예상지출: result.budget, 성별비율_여성: Math.round(result.skew * 100), 연령분포: Object.fromEntries(window.SimEngine.AGES.map((a, i) => [a, +(result.ageDist[i]*100).toFixed(1)])), 지면효과: Object.fromEntries(window.SimEngine.PLACEMENTS.map((p, i) => [p.label, +(result.placeNorm[i]*100).toFixed(1)])), 시간대효과: Object.fromEntries(window.SimEngine.TIME_BINS.map((t, i) => [t.label, +(result.timeDist[i]*100).toFixed(1)])), }, }; }, [query, target, exposure, result]); function runTest() { setBusy(true); setOut(''); const tests = []; function pass(name) { tests.push({ name, ok: true }); } function fail(name, why) { tests.push({ name, ok: false, why }); } try { const tx = window.GFAMatrix.taxonomy(); if (tx.length > 0) pass('taxonomy 트리 로드'); else fail('taxonomy 트리 로드', '비어 있음'); } catch (e) { fail('taxonomy 트리 로드', e.message); } try { const sample = [{ op: 'OR', leaves: ['관심사 > 뷰티 > 스킨케어', '관심사 > 뷰티 > 메이크업/색조'] }]; const r = window.GFAMatrix.simulate(sample); if (r && r.finalReach > 0) pass('단순 OR 쿼리 시뮬레이션 (도달 > 0)'); else fail('단순 OR 쿼리 시뮬레이션', '결과 비정상'); } catch (e) { fail('단순 OR 쿼리 시뮬레이션', e.message); } try { const recs = window.GFAMatrix.recommend([{ op: 'OR', leaves: ['관심사 > 게임 > 모바일 게임'] }]); if (Array.isArray(recs) && recs.length >= 3) pass('추천 3종 생성'); else fail('추천 3종 생성', `length=${recs?.length}`); } catch (e) { fail('추천 3종 생성', e.message); } try { const text = window.GFAMatrix.simulateText({ leaves: ['관심사 > 라이프 이벤트 > 결혼'], op: 'OR', }); if (text && text.length > 20) pass('자연어 요약 출력'); else fail('자연어 요약 출력', '문자열 너무 짧음'); } catch (e) { fail('자연어 요약 출력', e.message); } try { const ax = window.GFAMatrix.archetypes([{ op: 'OR', leaves: ['관심사 > 게임 > PC 게임'] }]); if (Array.isArray(ax) && ax.length === 6) pass('아키타입 6종 매칭'); else fail('아키타입 6종 매칭', `len=${ax?.length}`); } catch (e) { fail('아키타입 6종 매칭', e.message); } try { const cmp = window.GFAMatrix.compare( [{ op: 'OR', leaves: ['관심사 > 뷰티 > 스킨케어'] }], [{ op: 'OR', leaves: ['관심사 > 게임 > PC 게임'] }] ); if (cmp && cmp.diff) pass('두 쿼리 비교'); else fail('두 쿼리 비교', 'diff 없음'); } catch (e) { fail('두 쿼리 비교', e.message); } try { const sens = window.GFAMatrix.sensitivity([ { op: 'OR', leaves: ['관심사 > 뷰티 > 스킨케어', '관심사 > 게임 > PC 게임'] }, ]); if (Array.isArray(sens) && sens.length === 2 && sens.every(s => ['P0','P1','P2'].includes(s.tier))) pass('카테고리 민감도 분석(P0/P1/P2)'); else fail('카테고리 민감도 분석(P0/P1/P2)', `len=${sens?.length}`); } catch (e) { fail('카테고리 민감도 분석(P0/P1/P2)', e.message); } const allPass = tests.every(t => t.ok); setOut(JSON.stringify({ status: allPass ? 'PASS' : 'FAIL', tests }, null, 2)); setBusy(false); } function copyJson() { if (!apiJson) return; window.safeCopy(JSON.stringify(apiJson, null, 2)); } async function explainWithClaude() { if (!result || !window.claude?.complete) return; setAiBusy(true); setAiSummary(''); setAiTrace(null); const topImpact = sensitivity.slice(0, 3) .map(s => `${s.leaf}(${s.tier}, Δvalidity ${s.deltaValidity})`) .join(', ') || '없음'; function buildPrompt(correction) { return `당신은 디지털 광고 미디어 플래너입니다. 다음 네이버 GFA 광고 시뮬레이션 결과를 분석해, 아래 스키마와 정확히 일치하는 JSON 객체 "하나만" 출력하세요. 설명·마크다운·코드블록 없이 순수 JSON 텍스트만 반환합니다. 스키마: ${READING_TRACE_SCHEMA} 카테고리 민감도(제거 시 영향이 큰 순, 결정론 엔진 산출): ${topImpact} 시뮬레이션 결과: ${JSON.stringify(apiJson, null, 2)}${correction ? '\n\n(이전 응답이 스키마와 맞지 않았습니다: ' + correction + ' — JSON 객체만, 다른 텍스트 없이 다시 출력하세요.)' : ''}`; } let trace = null; let lastReply = ''; let lastErr = ''; try { for (let attempt = 0; attempt < 2 && !trace; attempt++) { lastReply = await window.claude.complete(buildPrompt(attempt === 0 ? '' : lastErr)); const parsed = extractJsonObject(lastReply); lastErr = validateReadingTrace(parsed); if (!lastErr) trace = parsed; } if (trace) setAiTrace(trace); else setAiSummary('AI 해설 실패: 스키마 검증 2회 실패(' + lastErr + '). 원문:\n' + lastReply); } catch (e) { setAiSummary('AI 호출 실패: ' + e.message); } setAiBusy(false); } return (

현재 시뮬레이션 — JSON 출력window.GFAMatrix.export()

{apiJson ? JSON.stringify(apiJson, null, 2) : '// 쿼리를 먼저 구성하세요'}

AI 자연어 해설claude.complete

{aiTrace ? (
{aiTrace.summary} 확신도 {aiTrace.confidence}%
{aiTrace.understood?.length > 0 && (
파악한 포인트
    {aiTrace.understood.map((u, i) =>
  • {u}
    • )}
)} {aiTrace.missed_or_uncertain?.length > 0 && (
확정 보류 · 불확실
    {aiTrace.missed_or_uncertain.map((u, i) =>
  • {u}
    • )}
)} {aiTrace.action && (
▸ {aiTrace.action}
)}
) : aiSummary ? (

{aiSummary}

) : (
🪄 버튼을 누르면 Claude가 현재 시뮬레이션 결과를 구조화된 스키마(요약·확신도·파악한 점·불확실한 점·권장사항)로 해설합니다.

외부 에이전트 활용:
const text = await window.GFAMatrix.simulateText({ leaves, op })
)}

자가 테스트엔진 6종 점검

{out || '// 테스트 실행 결과가 여기에 표시됩니다.\n// 에이전트가 페이지 로드 직후 GFAMatrix.runTests() 로 자동 점검할 수 있습니다.'}

카테고리 민감도 분석leave-one-out · 결정론

{sensitivity.length > 0 ? ( <>

각 카테고리를 쿼리에서 하나씩 제외했을 때 타겟정확도·전환적합도가 얼마나 떨어지는지 측정한 값입니다. P0는 제거 시 영향이 가장 큰(=핵심) 카테고리, P2는 빼도 영향이 작은 카테고리입니다. 전부 결정론 엔진(evalQuery) 재계산 — LLM 미개입.

{sensitivity.slice(0, 8).map((s, i) => ( ))}
순위카테고리Δ타겟정확도Δ전환적합도Δ도달%티어
{i + 1} {window.SimEngine.shortLabel ? window.SimEngine.shortLabel(s.leaf) : s.leaf} {s.deltaValidity >= 0 ? '-' : '+'}{Math.abs(s.deltaValidity)} {s.deltaFitness >= 0 ? '-' : '+'}{Math.abs(s.deltaFitness)} {s.deltaReachPct}% {s.tier}
) : (
// 쿼리에 카테고리를 2개 이상 담으면 상대 영향력을 비교할 수 있습니다.
)}

에이전트 활용 가이드API 레퍼런스

이 페이지는 외부 LLM 에이전트가 직접 호출할 수 있도록 window.GFAMatrix 글로벌 API를 노출합니다. iframe에 페이지를 띄운 뒤 eval_js 또는 postMessage로 호출하세요.

주요 메서드

메서드설명반환값
GFAMatrix.simulate(query)쿼리 → 도달·CPM·CTR 등 전체 지표객체
GFAMatrix.simulateText(spec)한국어 요약 1-2문장문자열
GFAMatrix.recommend(query)확장·집중·다양화 3종 추천배열[3]
GFAMatrix.compare(qA, qB)두 쿼리 핵심지표 차이객체
GFAMatrix.archetypes(query)6개 페르소나 매칭 점수배열[6]
GFAMatrix.taxonomy()560종 카테고리 트리트리
GFAMatrix.runTests()엔진 자가진단객체
GFAMatrix.sensitivity(query)카테고리별 제거 영향력(P0/P1/P2), 결정론배열
GFAMatrix.export()현재 화면 시뮬레이션 결과 전체객체

쿼리 구조

{`{
  "query": [
    { "op": "OR",  "leaves": ["관심사 > 뷰티 > 스킨케어", "관심사 > 뷰티 > 메이크업/색조"] },
    { "op": "AND", "leaves": ["관심사 > 라이프 이벤트 > 결혼"] }
  ]
}
// (A∪B) ∩ C 형태로 해석됨`}

호출 예 — 클로드 에이전트 시점

{`// 1. 페이지를 iframe에 띄움
// 2. window.GFAMatrix 가 글로벌에 노출됨
const r = window.GFAMatrix.simulate([
  { op: 'OR', leaves: ['관심사 > 게임 > 모바일 게임'] }
]);
// r.finalReach → 예상 도달 인원
// r.validity   → 0~100 점 타겟 정확도
// r.recommendation → 자연어 한 줄 인사이트`}
); } // === Install the public API on window ================================= function installGFAMatrixAPI() { const SE = window.SimEngine; if (!SE) return; function summarize(result) { if (!result) return '쿼리 결과가 없습니다.'; const reach = SE.fmtN(result.finalReach); const v = result.validity; const c = result.compete; const fStr = v >= 70 ? '우수' : v >= 50 ? '양호' : '개선 필요'; const cStr = c >= 70 ? '경합' : c >= 50 ? '중간' : '여유'; return `예상 도달 ${reach}명, 클릭률 ${result.ctr}%, 전환율 ${result.conv}%, 노출당 비용 ₩${result.cpm.toLocaleString()}. 타겟 정확도 ${v}점(${fStr}), 경쟁도 ${c}점(${cStr}). 월 예상 지출 약 ${SE.fmtKRW(result.budget)}.`; } window.GFAMatrix = { version: 'gfa-pm-lab.v0.3', taxonomy() { return window.TAXONOMY; }, leafCount() { return window.TOTAL_LEAVES; }, simulate(query) { const r = SE.evalQuery(query); if (r) r.recommendation = summarize(r); return r; }, simulateText({ leaves, op = 'OR' }) { const q = [{ op, leaves }]; return summarize(SE.evalQuery(q)); }, recommend(query) { return SE.aiRecommend(query, window.TAXONOMY); }, compare(qA, qB) { const a = SE.evalQuery(qA); const b = SE.evalQuery(qB); if (!a || !b) return null; const keys = ['finalReach', 'ctr', 'cpm', 'conv', 'validity', 'compete', 'budget']; const diff = {}; for (const k of keys) { diff[k] = { A: a[k], B: b[k], delta: b[k] - a[k], pct: a[k] ? +((b[k] - a[k]) / a[k] * 100).toFixed(1) : null, }; } return { A: a, B: b, diff }; }, archetypes(query) { return SE.rankArchetypes(query); }, sensitivity(query) { return SE.leafSensitivity ? SE.leafSensitivity(query) : []; }, runTests() { const tests = []; try { const t = this.taxonomy(); tests.push({ name: 'taxonomy', ok: t.length > 0 }); } catch (e) { tests.push({ name: 'taxonomy', ok: false, err: e.message }); } try { const r = this.simulate([{ op: 'OR', leaves: ['관심사 > 뷰티 > 스킨케어'] }]); tests.push({ name: 'simulate', ok: r?.finalReach > 0 }); } catch (e) { tests.push({ name: 'simulate', ok: false, err: e.message }); } try { const r = this.recommend([{ op: 'OR', leaves: ['관심사 > 게임 > PC 게임'] }]); tests.push({ name: 'recommend', ok: r.length === 3 }); } catch (e) { tests.push({ name: 'recommend', ok: false, err: e.message }); } try { const s = this.sensitivity([{ op: 'OR', leaves: ['관심사 > 뷰티 > 스킨케어', '관심사 > 게임 > PC 게임'] }]); tests.push({ name: 'sensitivity', ok: Array.isArray(s) && s.length === 2 }); } catch (e) { tests.push({ name: 'sensitivity', ok: false, err: e.message }); } return { status: tests.every(t => t.ok) ? 'PASS' : 'FAIL', tests }; }, export() { // The most recent simulation rendered on screen const app = window.__currentApp; if (!app) return null; const r = SE.evalQuery(app.query); if (r) r.recommendation = summarize(r); return { version: 'gfa-pm-lab.v0.3', input: app, output: r, }; }, }; } Object.assign(window, { AgentAPIView, installGFAMatrixAPI }); // sim-engine.js는 일반