TL;DR

TradingAgents는 LangGraph 기반의 독립형 Python 금융 연구 Framework로, 여러 LLM 에이전트가 시장·뉴스·소셜·재무 데이터를 역할별로 처리한다. Analyst Team이 자료를 만들면 Bullish·Bearish Researcher가 토론하고 Trader, Risk Management Team, Portfolio Manager가 거래 제안과 승인 여부를 순차적으로 결정한다. OpenAI 계열뿐 아니라 여러 상용·로컬·OpenAI-compatible 모델을 연결할 수 있고 CLI, Python API, Docker, Ollama, decision log, checkpoint resume을 제공한다. 다만 결과는 모델 샘플링과 실시간 데이터에 의존하며 README가 고정 수익이나 투자 조언을 보장하지 않으므로, 실거래 시스템보다 다중 에이전트 금융 의사결정 연구와 백테스트 실험에 적합하다.

핵심 포인트

• 독립형 Python 금융 연구 Framework로, LangGraph 위에서 여러 LLM 에이전트를 연결한다. Fundamental·Sentiment·News·Technical Analyst가 서로 다른 시장 신호를 수집하고 Trader와 Risk Management Team이 거래 제안을 이어받는다. 특정 플러그인 생태계보다 Python 애플리케이션에 직접 임베드하는 LangGraph 기반 도구에 가깝다.
• 시장 데이터와 뉴스·소셜 신호를 역할별 에이전트에 나눠 입력한 뒤 Bullish·Bearish Researcher가 토론하고 Trader가 거래 시점과 규모를 결정한다. Risk Management Team이 변동성·유동성·위험 요인을 평가하고 Portfolio Manager가 제안을 승인하거나 거부한다. 승인된 주문은 실제 브로커가 아니라 시뮬레이션 거래소로 전달되므로 연구용 실험 파이프라인에 적합하다.
• OpenAI·Google·Anthropic·xAI·DeepSeek·Qwen·GLM·MiniMax·OpenRouter·Ollama·Azure OpenAI와 OpenAI-compatible endpoint를 지원한다. `TradingAgentsGraph`를 초기화한 뒤 `propagate("NVDA", "2026-01-15")`를 호출하면 종목과 날짜에 대한 결정을 반환한다. `max_debate_rounds`, LLM 모델, temperature, checkpoint를 설정할 수 있어 여러 모델과 토론 깊이를 비교하는 실험에 유리하다.
• Decision log는 종목별 과거 결정과 실현 수익률·SPY 대비 alpha를 다음 Portfolio Manager 프롬프트에 반영하고, 선택형 LangGraph checkpoint는 중단된 실행을 마지막 성공 노드부터 재개한다. CLI와 Python 패키지 사용법을 함께 제공하며 Docker와 Ollama 실행 경로도 마련되어 있다. 다만 LLM 샘플링과 실시간 뉴스·소셜 데이터가 달라지므로 동일한 종목과 날짜도 결과가 달라질 수 있고, README는 고정 수익 전략이나 투자 조언으로 사용하지 말 것을 명시한다.

이미지 분석