TradingAgents API 구성

버전이 있는 리서치 질문에서 시작하세요

호환 제공업체, 사용자 지정 백엔드 URL, 두 모델 역할을 설정한 뒤 정해진 리서치 날짜에 기업 하나를 테스트하세요. TradingAgents는 애널리스트, 서로 반대되는 리서치 논거, 위험 검토를 조직하므로 첫 작업으로 같은 소스 패킷을 각 역할이 어떻게 설명하는지 검사하는 것이 유용합니다. 모델을 바꾸기 전에 기업과 정보 기준 시점을 선택하세요. 이후 모델 비교에서도 같은 질문을 사용할 수 있도록 첫 실행의 기초 사실과 미해결 항목을 보존합니다. 아래 필드는 업스트림 리비전 9dee508c를 따릅니다.

호환 제공업체와 두 모델 역할을 구성하세요

검토된 default_config.py는 llm_provider, backend_url, deep_think_llm, quick_think_llm을 노출합니다. 호환 클라이언트는 제공된 엔드포인트를 사용하고 인증은 별도의 환경 설정입니다. 두 역할 슬롯에는 선택한 엔드포인트와 프로젝트 클라이언트가 받아들이는 정확한 모델 식별자가 필요합니다. 아래 예시는 이러한 소스 필드를 조정하며 구성만 만듭니다. 필요한 기능을 확인한 뒤 현재 카탈로그에서 RESEARCH_MODEL_ID와 SUMMARY_MODEL_ID를 설정하세요. 이 이름은 로컬 환경 슬롯이며 모델 ID나 TradingAgents 기본값이 아닙니다. 자격 증명은 스크립트가 아니라 프로세스 환경에 보관하세요.

import os
from copy import deepcopy
from tradingagents.default_config import DEFAULT_CONFIG

config = deepcopy(DEFAULT_CONFIG)
config.update({
    "llm_provider": "openai_compatible",
    "backend_url": "https://api.apisrouter.com/v1",
    "deep_think_llm": os.environ["RESEARCH_MODEL_ID"],
    "quick_think_llm": os.environ["SUMMARY_MODEL_ID"],
    "max_debate_rounds": 1,
    "max_risk_discuss_rounds": 1,
})
assert os.environ["OPENAI_COMPATIBLE_API_KEY"]
# Configuration only. This does not start a research run.

모델 경로와 금융 데이터를 분리하세요

금융 데이터 제공업체는 모델 엔드포인트와 독립적으로 구성하세요. 국제 주식이라면 수집 전에 발행인과 거래소별 기호를 확정합니다. 거래 통화, 보고 통화, 시장 시간대, 벤치마크 선택을 보존하세요. 미국 상장 예탁증서와 기초 보통주는 가격 시계열을 비교하기 전에 명시적인 변환 규칙이 필요합니다. 다이어그램은 모델 설정 연결을 보여주며 금융 데이터 도구는 자체 자격 증명, 커버리지, 소스 타임스탬프를 유지합니다. 누락된 리서치 입력을 LLM 실패로 진단하기 전에 해당 도구를 확인하세요.

작업 계약에 따라 역할을 선택하세요

각 역할이 실제로 사용하는 기능을 테스트하세요. 텍스트 답변만으로는 도구 호출 파싱, 긴 컨텍스트 처리, 구조화된 출력 동작을 확립할 수 없습니다. 모델 제품군을 바꾸면 엔드포인트가 식별자를 받아들이더라도 제공업체 어댑터 동작이 달라질 수 있습니다. 가장 작은 유용한 역할 집합에서 시작하고 근거 없는 주장을 식별하거나 유용한 반대 근거를 얻을 때만 토론을 추가하세요. 더 긴 보고서를 더 나은 리서치로 취급하지 말고 같은 소스 패킷을 기준으로 최종 산출물을 평가합니다.

단계가 있는 첫 실행 승인 테스트를 사용하세요

먼저 키를 출력하지 않고 확인된 구성을 검사하세요. 다음으로 승인된 실행 환경에서 선택한 모델로 프로젝트 클라이언트를 실행하고 비식별화한 요청 기록을 보존합니다. 그런 다음 필요한 도구 상호작용과 오류 경로를 테스트하세요. 마지막으로 제한된 소스 집합으로 TradingAgentsGraph를 실행하고 결과 상태, 인용된 사실, 최종 리서치 출력을 검사합니다. 저장소 리비전, 의존성 버전, 입력 해시, 역할 설정을 저장하세요. 팩토리 응답은 클라이언트 단계만 통과시킵니다. 사용 가능한 리서치 산출물로 인정하려면 완전한 보고서에도 소스 및 수치 검토가 필요합니다.

import os
from research_config import config
from tradingagents.graph.trading_graph import TradingAgentsGraph

graph = TradingAgentsGraph(debug=False, config=config)
state, decision = graph.propagate(
    os.environ["RESEARCH_TICKER"],
    os.environ["RESEARCH_DATE"],
)
# Inspect state and decision against the source packet.
# Running this template makes model and data requests.

이후 정보로부터 과거 리서치를 보호하세요

요청한 분석 날짜가 모든 제공업체 응답이 특정 시점 데이터라는 증거는 아닙니다. 기준 시점까지 펀더멘털이 실제로 이용 가능했는지, 기사가 이후 수정되었는지, 캐시된 데이터가 다른 실험에서 왔는지 확인하세요. 원래 게시 시간과 수집 시간을 별도로 보존합니다. 학습 또는 성찰 피드백은 홀드아웃 평가 기간 밖에 유지하세요. 과거 티커 목록에는 관련 상장 폐지와 기호 변경이 포함되어야 합니다. 각 실험에 기업행동 처리와 비교 벤치마크를 함께 기록해 모델 변경을 데이터 변경과 혼동하지 않게 하세요.

토론, 재시도, 반복 컨텍스트의 예산을 정하세요

금융 에이전트 지출은 요약, 반복 컨텍스트, 청구 가능한 재시도를 포함해 그래프의 모든 요청에서 발생합니다. 계획에는 현재 가격 계약을 사용하고 이후 실제 요청 사용량을 대조하세요. 실행 전에 토론 라운드, 소스 양, 병렬 작업, 자동 재시도에 상한을 두세요. 문서 버전을 사용해 소스 추출을 캐시하고 애플리케이션 재사용과 제공업체 결제 할인을 구분합니다. 데이터 구독과 로컬 계산은 LLM 요금과 별도로 추적하고 승인된 리서치 산출물당 비용을 비교하세요. 티커와 날짜 모집단을 확장하기 전에 위의 범위가 정해진 실행으로 시작합니다.

실패한 단계를 진단하세요

인증 실패라면 호환 제공업체 키가 클라이언트를 만드는 동일한 프로세스에 도달하는지 확인하세요. 모델 누락이라면 정확한 식별자와 계정 접근을 현재 카탈로그와 비교합니다. 잘못된 도구 출력이라면 최종 예외만 남기지 말고 도구 스키마와 비식별화한 응답을 보존하세요. 멈춤은 데이터 제공업체 요청, 반복된 도구 루프, 모델 타임아웃일 수 있으므로 제한을 늘리기 전에 단계 타임스탬프를 검사합니다. 필수 데이터가 없으면 중지하세요. 문장이 나타날 때까지 재시도하면 원래 실패를 가리고 전체 리서치 예산을 소비할 수 있습니다.

근거와 한계

구성은 2026년 9월 5일 리비전 9dee508c에서 소스 검토되었습니다. 예시는 안내용 템플릿이며 이 가이드를 위해 APIsRouter 클라이언트 요청, 완전한 그래프, 측정된 작업 비용 사례를 실행하지 않았습니다. 워크플로를 확장하기 전에 자체 범위 실행에서 선택한 모델과 데이터 도구를 검증하세요.

자주 묻는 질문