TL;DR

Vibe-Trading은 Python 기반의 에이전트형 트레이딩 프레임워크로 FastAPI 백엔드와 React UI, MCP 연동을 통해 데이터 로더·브로커 커넥터·사전구현 알파 라이브러리를 하나의 워크플로로 통합한다. Research Autopilot은 가설에서 신호 엔진 생성과 백테스트까지 엔드투엔드 루프를 닫아 반복 연구를 자동화하며 로더 레지스트리와 OHLCV 무결성 검사가 데이터 일관성을 보장한다. 브로커 커넥터는 구조화된 페이퍼/라이브 경계와 사전거래 게이트를 제공하여 자동 주문의 위험을 제한하며 Run Card와 레포트는 연구의 재현성과 감사 가능성을 확보한다. 일부 실거래 연동과 에이전트 주행 기능은 옵트인·제한적 권한으로 제공되므로 운영 전에는 페이퍼 환경에서 검증이 필요하다.

핵심 포인트

• 커넥터 우선 아키텍처를 적용하여 모든 브로커 액세스를 단일 프로파일로 통합한다. 이 접근은 브로커별 페이퍼/라이브 속성을 구조적으로 관리하고 같은 툴 체인을 통해 여러 브로커를 일관되게 사용하게 만든다. 결과적으로 전략 벤치마크와 브로커 간 비교가 수월해진다.
• 대규모 사전구현 알파(452개)와 Alpha Zoo를 번들로 제공하여 즉시 벤치마크 가능한 신호 집합을 갖춘다. 사용자는 특정 알파 묶음을 선택해 CLI·웹·에이전트 툴로 빠르게 비교 분석할 수 있으며, 이는 연구 초기 단계의 반복 속도를 높인다. 알파 라이브러리는 AST 게이트 등 안전성 검사를 포함하여 코드형 알파의 품질을 관리한다.
• Research Autopilot을 통한 Hypothesis→SignalEngine→Backtest의 엔드투엔드 자동화 루프가 포함되어 있어 가설 검증의 수동 작업을 줄인다. 자동화 루프는 계약된 코드 스캐폴딩과 백테스트 피드백을 연결하여 반복 실험을 체계화한다. 이 체계는 대량 알파 평가와 계량 연구에서 시간 절약과 재현성 향상을 가능하게 한다.
• 다양한 데이터 소스와 통합된 로더 레지스트리를 통해 OHLCV 및 재무 데이터를 표준화된 포인트-인-타임 프레임으로 반환한다. 이 파이프라인은 소스별 라우팅과 오염된 바 필터(OHLC sanity check)를 포함하여 불완전한 데이터로 인한 시뮬레이션 오류를 줄인다. 캐시 옵션이 있어 반복 백테스트의 네트워크 호출을 줄일 수 있다.

이미지 분석