TradingAgents-CN 프로젝트 상세 소개

프로젝트 개요

TradingAgents-CN은 다중 에이전트 대규모 언어 모델(LLM) 기반의 중국어 금융 거래 의사결정 프레임워크입니다. 이 프로젝트는 유명한 TauricResearch/TradingAgents 프로젝트를 기반으로 개발되었으며, 중국어 사용자를 위해 완벽한 현지화 지원 및 최적화를 제공합니다.

핵심 특징

• 🤖 다중 에이전트 협업: 실제 거래 회사의 전문 분업을 시뮬레이션하여 여러 AI 에이전트가 협력하여 시장 상황을 평가합니다.
• 🇨🇳 중국어 최적화: 완벽한 중국어 인터페이스, 문서 체계 및 A주 시장 지원.
• 🧠 국산 LLM 통합: 알리바바, Google AI 등 다양한 대규모 언어 모델을 심층적으로 통합합니다.
• 🌐 웹 인터페이스: Streamlit 기반의 현대적인 웹 관리 인터페이스.
• 📊 데이터베이스 지원: MongoDB + Redis 이중 데이터베이스 아키텍처로 지능형 캐싱 및 데이터 영속성을 제공합니다.

시스템 아키텍처

에이전트 팀 구조

TradingAgents-CN은 다중 에이전트 협업 아키텍처를 채택하며, 다음 전문 팀을 포함합니다:

1. 분석가 팀

• 기본적 분석가: 회사 재무 상태, 산업 동향, 거시 경제 요인 분석
• 기술적 분석가: 가격 추이, 기술 지표, 차트 패턴 분석
• 뉴스 분석가: 금융 뉴스, 회사 공시, 시장 동향 분석
• 소셜 미디어 분석가: 시장 심리, 투자자 심리, 소셜 미디어 토론 분석

2. 연구원 팀

• 강세 연구원: 낙관적인 관점에서 투자 기회 분석
• 약세 연구원: 신중한 관점에서 투자 위험 분석
• 구조화된 토론: 관점 충돌을 통해 의사결정 품질 향상

3. 거래 의사결정 계층

• 트레이더 에이전트: 모든 분석 입력을 기반으로 최종 거래 결정
• 위험 관리: 다단계 위험 평가 및 관리 메커니즘
• 경영진: 각 팀의 업무를 조율하고 의사결정 품질 보장

기술 아키텍처

핵심 기술 스택

기술 영역	사용 기술	버전 요구사항
🐍 핵심 언어	Python	3.10+
🧠 AI 프레임워크	LangChain, LangGraph	최신 버전
🌐 웹 인터페이스	Streamlit	1.28+
🗄️ 데이터베이스	MongoDB, Redis	4.4+, 6.0+
📊 데이터 처리	Pandas, NumPy	최신 버전
🔌 API 통합	퉁다신 API, FinnHub, Google News	-

데이터 흐름 아키텍처

1. 데이터 획득: 다중 소스 데이터 접근 (A주, 미국 주식, 뉴스, 소셜 미디어)
2. 지능형 캐싱: Redis 밀리초 단위 캐시 + MongoDB 영구 저장
3. 다중 에이전트 처리: 병렬 분석, 협업 의사결정
4. 결과 출력: 구조화된 투자 제안 및 위험 평가

핵심 기능

1. 다중 시장 지원

A주 시장 (🇨🇳)

• 실시간 시세: 퉁다신 API가 실시간 주가 데이터 제공
• 과거 데이터: 과거 K-라인, 기술 지표 계산 지원
• 주식 코드: 상하이 및 선전 주식 코드 지원 (예: 000001, 600519, 300750)

미국 주식 시장 (🇺🇸)

• 실시간 데이터: FinnHub, Yahoo Finance가 미국 주식 데이터 제공
• 지원 주식: AAPL, TSLA, NVDA, MSFT 등 주요 미국 주식

2. 대규모 언어 모델 통합

국산 LLM (권장)

# 알리바바 바이리엔 설정
config = {
    "llm_provider": "dashscope",
    "deep_think_llm": "qwen-plus",      # 심층 분석
    "quick_think_llm": "qwen-turbo"     # 빠른 작업
}

국제 LLM

# OpenAI 설정
config = {
    "llm_provider": "openai",
    "deep_think_llm": "gpt-4o",
    "quick_think_llm": "gpt-4o-mini"
}

3. 지능형 분석 레벨

시스템은 5단계 연구 깊이를 제공합니다:

레벨	분석 시간	적용 시나리오	비용
1단계	2-4분	일상 모니터링	낮음
2단계	4-6분	일반 투자	중간-낮음
3단계	6-10분	중요 결정 (권장)	중간
4단계	10-15분	중대 투자	중간-높음
5단계	15-25분	가장 중요한 결정	높음

4. 웹 관리 인터페이스

주요 기능

• 🎛️ 설정 관리: API 키 관리, 모델 선택, 시스템 설정
• 💰 비용 제어: 실시간 토큰 사용 통계 및 비용 추적
• 📊 분석 모니터링: 실시간 분석 과정 및 진행 상황 표시
• 💾 캐시 관리: 데이터 캐시 상태 모니터링 및 관리

인터페이스 특징

• 완전 중국어화: 인터페이스 및 분석 결과 전체 중국어 표시
• 실시간 진행: 시각화된 분석 과정으로 대기 불안 해소
• 구조화된 출력: 투자 제안, 목표 가격, 신뢰도, 위험 평가

설치 및 배포

시스템 요구사항

• Python 3.10+
• 4GB+ RAM (8GB+ 권장)
• 안정적인 네트워크 연결

빠른 설치

# 1. 프로젝트 복제
git clone https://github.com/hsliuping/TradingAgents-CN.git
cd TradingAgents-CN

# 2. 가상 환경 생성
python -m venv env
source env/bin/activate  # Linux/macOS
# 또는 env\Scripts\activate  # Windows

# 3. 의존성 설치
pip install -r requirements.txt

# 4. 환경 변수 설정
cp .env.example .env
# .env 파일을 편집하여 API 키 설정

환경 설정

# 필수 설정
DASHSCOPE_API_KEY=your_dashscope_api_key_here
FINNHUB_API_KEY=your_finnhub_api_key_here

# 선택적 설정
GOOGLE_API_KEY=your_google_api_key_here
OPENAI_API_KEY=your_openai_api_key
ANTHROPIC_API_KEY=your_anthropic_api_key

# 데이터베이스 설정 (선택 사항)
MONGODB_ENABLED=false
REDIS_ENABLED=false

서비스 시작

# 웹 인터페이스 시작
streamlit run web/app.py

# 접속 주소: http://localhost:8501

사용 예시

1. 웹 인터페이스 사용

1. 브라우저에서 http://localhost:8501 접속
2. 주식 코드 입력 (예: AAPL 또는 000001)
3. 연구 깊이 선택 (3단계 권장)
4. "분석 시작" 클릭
5. 구조화된 분석 결과 확인

2. 프로그래밍 방식 호출

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

# 시스템 설정
config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "dashscope"
config["deep_think_llm"] = "qwen-plus"

# 거래 에이전트 생성
ta = TradingAgentsGraph(debug=True, config=config)

# 주식 분석
state, decision = ta.propagate("AAPL", "2024-01-15")

# 결과 출력
print(f"권장 동작: {decision['action']}")
print(f"신뢰도: {decision['confidence']:.1%}")
print(f"위험 점수: {decision['risk_score']:.1%}")

3. 비용 최적화 설정

# 저비용 설정
cost_optimized_config = {
    "deep_think_llm": "qwen-turbo",     # 더 저렴한 모델 사용
    "quick_think_llm": "qwen-turbo",
    "max_debate_rounds": 1,             # 토론 라운드 감소
    "online_tools": False               # 캐시된 데이터 사용
}

# 비용 추정
# 경제 모드: $0.01-0.05/분석당
# 표준 모드: $0.05-0.15/분석당
# 고정밀 모드: $0.10-0.30/분석당

데이터베이스 통합

MongoDB + Redis 아키텍처

# Docker를 사용하여 데이터베이스 시작
docker-compose up -d

# 서비스 상태 확인
docker-compose ps

다층 데이터 소스 전략

시스템은 고가용성을 보장하기 위해 지능형 대체 전략을 채택합니다:

1. Redis 캐시 (밀리초 단위): 핫 데이터 빠른 접근
2. MongoDB 저장 (초 단위): 과거 데이터 영구 저장
3. 퉁다신 API (초 단위): 실시간 데이터 획득
4. 로컬 캐시 (예비): 오프라인 데이터 지원

문서 체계

프로젝트는 50,000자 이상의 상세한 중국어 문서를 제공합니다:

• 📋 프로젝트 개요: 프로젝트 핵심 가치 빠르게 이해
• 🏛️ 시스템 아키텍처: 다중 에이전트 협업 메커니즘 심층 분석
• 🤖 에이전트 상세 설명: 각 에이전트 기능 설명
• 📊 데이터 처리: 데이터 소스 통합 및 처리 흐름
• 💡 예시 튜토리얼: 기초부터 고급까지 실전 튜토리얼
• 🆘 FAQ: 자주 묻는 질문 및 해결책

기여 가이드

다양한 형태의 기여를 환영합니다:

1. 프로젝트 포크
2. 기능 브랜치 생성: git checkout -b feature/AmazingFeature
3. 변경 사항 커밋: git commit -m 'Add some AmazingFeature'
4. 브랜치에 푸시: git push origin feature/AmazingFeature
5. 풀 리퀘스트 생성

위험 고지

⚠️ 중요 알림:

• 본 프레임워크는 연구 및 교육 목적으로만 사용됩니다.
• 투자 조언을 구성하지 않습니다.
• AI 모델 예측에는 불확실성이 존재합니다.
• 투자는 위험을 수반하며, 신중한 결정이 필요합니다.
• 전문 금융 자문가와 상담하는 것을 권장합니다.

TradingAgents-CN은 중국어 사용자에게 세계 최고 수준의 AI 금융 거래 의사결정 프레임워크를 제공하고, 중국 금융 기술 분야에서 AI 기술의 혁신적인 적용을 추진하는 데 전념합니다.