现在ai操盘的研究已经火过人工操盘时代,尤其是 agents ,mcp等工具火了后,我深信以后ai完全可能能实现 自动化分析操盘.

我之前一直都在设计如果让AI 在调用子agent设计的,让它保持不乱. 今天我们用到的工具是github 上提供的finance-trading-ai-agents-mcp

安装:

pip install finance-trading-ai-agents-mcp

finance-trading-ai-agents-mcp --env-file .env
或者
python -m finance-trading-ai-agents-mcp --env-file .env

或者使用readme.md 去用自己的main.py启动

这个工具基本解决了 不同mcp的分工协作.模拟金融操盘不同部门协作.

我现在策略有以下需要分析:

-- 传统指标分析师agent

--纯价格(裸K交易)分析师agent

--金融日历事件分析师agent

--新闻分析师agent

--基本面分析师agent

{
  "mcpServers": {
    "economic_calendar": {
      "url": "http://127.0.0.1:11999/economic_calendar/",
      "transport": "streamable-http",
      "headers": {
        "SECRET_KEY": "xxxxxxxxxxxxxxxxxxxxxx"
      }
    },
    "news": {
      "url": "http://127.0.0.1:11999/news/",
      "transport": "streamable-http",
      "headers": {
        "SECRET_KEY": "xxxxxxxxxxxxxxxxxxxxxx"
      }
    },
    "price_action": {
      "url": "http://127.0.0.1:11999/price_action/",
      "transport": "streamable-http",
      "headers": {
        "SECRET_KEY": "xxxxxxxxxxxxxxxxxxxxxx"
      }
    },
    "traditional_indicator": {
      "url": "http://127.0.0.1:11999/traditional_indicator/",
      "transport": "streamable-http",
      "headers": {
        "SECRET_KEY": "xxxxxxxxxxxxxxxxxxxxxx"
      }
    }
  }
}

使用上灵活.

你可以可以通过他们提供的
AdditionCustomMcpInterface继承接口来增加自定义部门,比如风险管理mcp部门. 当然,你可以对现在的部门里面函数进行增加和删除.

运行自己的langchain代码:

first_try_llm_with_mcp.py