AI导哈

智能交易分析系统

基于多智能体协同的智能投资决策平台，为投资决策提供全方位分析。

  • by 15133283161-afk
  • Python
  • 本地部署
  • 2 星标
  • 更新于
在 GitHub 查看 15133283161-afk/TradingAgents-MCPmode-main

使用说明

智能交易分析系统

基于多智能体协同的智能投资决策平台，利用 MCP (Model Context Protocol) 模式集成多个 AI 智能体，为投资决策提供全方位分析。

✨ 核心功能

  • 🤖 多智能体协同：15 个专业 AI 智能体分工协作
  • 📊 全方位分析：涵盖公司基本面、市场技术、情绪分析等多个维度
  • 🗣️ 智能辩论：看涨/看跌研究员进行投资观点辩论
  • ⚖️ 风险管理：多层次风险评估体系
  • 📥 报告导出：支持 Markdown、PDF、Word 多种格式
  • 💾 历史记录：保存和查看历史分析会话

🏗️ 系统架构

TradingAgents-MCPmode/
├── src/
│   ├── agents/              # AI 智能体定义
│   │   ├── analysts/        # 分析师团队
│   │   ├── researchers/     # 研究员团队
│   │   ├── risk/           # 风险管理团队
│   │   └── management/     # 管理层
│   ├── web/                # Web 界面
│   │   ├── pages/          # Streamlit 页面
│   │   ├── analysis_engine.py
│   │   └── export_manager.py
│   ├── workflow_orchestrator.py  # 工作流编排器
│   └── dumptools/          # 数据导出工具
├── main.py                 # 应用入口
└── requirements.txt        # 依赖清单

🚀 快速开始

环境要求

  • Python 3.10+
  • pip 包管理器
  • Anthropic API Key (或其他兼容 LLM API)

1. 克隆项目

git clone https://github.com/your-repo/TradingAgents-MCPmode.git
cd TradingAgents-MCPmode

2. 安装依赖

pip install -r requirements.txt

3. 配置环境变量

复制 .env.example 为 .env 并填入你的 API Keys：

cp .env.example .env

编辑 .env 文件：

# Anthropic API 配置
ANTHROPIC_API_KEY=your_api_key_here

# 可选：使用其他兼容 API
OPENAI_API_BASE=your_api_base
OPENAI_API_KEY=your_api_key

4. 启动应用

streamlit run main.py

应用将在浏览器中自动打开：http://localhost:8501

🤖 智能体说明

📊 分析师团队（7 个）

智能体 职责
公司概述分析师 提供公司基本信息、业务模式分析
市场分析师 技术分析、价格趋势判断
情绪分析师 市场情绪、投资者心理分析
新闻分析师 最新新闻、公告信息解读
基本面分析师 财务指标、估值分析
股东分析师 股东结构、持股变化分析
产品分析师 产品竞争力、市场地位分析

🔬 研究员团队（2 个）

智能体 职责
看涨研究员 基于多方因素阐述看涨理由
看跌研究员 基于多方因素阐述看跌理由

👔 管理层（2 个）

智能体 职责
研究经理 综合各方意见，形成投资建议
交易员 制定具体的交易执行计划

⚖️ 风险管理团队（4 个）

智能体 职责
激进风险分析师 高风险高收益策略评估
稳健风险分析师 低风险稳健策略评估
中性风险分析师 中等风险平衡策略评估
风险经理 综合风险评估，风控建议

📖 使用指南

基础使用流程

  1. 连接系统

    • 点击侧边栏"🔗 连接系统"按钮
    • 等待 AI 智能体团队初始化完成

  2. 配置智能体

    • 在侧边栏选择要启用的智能体
    • 设置投资辩论轮次（0-5 轮）
    • 设置风险辩论轮次（0-5 轮）

  3. 开始分析

    • 在"🔍 实时分析"页面输入分析目标
    • 例如："分析贵州茅台的投资价值"
    • 点击"🚀 开始分析"按钮

  4. 查看进度

    • 点击"🔃 刷新状态"查看分析进度
    • 分析完成后自动显示结果

  5. 导出报告

    • 在"📊 分析结果"页面查看完整报告
    • 选择导出格式：Markdown / PDF / Word

高级功能

历史会话管理

  • 切换到"📚 历史会话"标签页
  • 查看所有历史分析记录
  • 点击历史记录可重新加载查看

辩论时间线

  • 切换到"🗣️ 辩论展示"标签页
  • 查看智能体之间的辩论过程
  • 了解不同观点的碰撞和融合

系统配置

  • 切换到"🏛️ 系统配置"标签页
  • 查看所有智能体的配置和状态
  • 了解系统运行情况

⚙️ 配置说明

最简配置（推荐新手）

默认已启用 3 个核心智能体，提供快速基础分析：

  • ✅ 公司概述分析师
  • ✅ 市场分析师
  • ✅ 基本面分析师

完整配置（专业分析）

启用全部 15 个智能体，获得全面深入的投资分析：

  1. 在侧边栏展开各个智能体组
  2. 勾选需要的智能体
  3. 设置辩论轮次（建议 1-2 轮）

性能优化建议

配置 智能体数量 分析时间 适用场景
最简模式 3 个 1-2 分钟 快速决策
标准模式 7 个 3-5 分钟 日常分析
完整模式 15 个 5-10 分钟 深度研究

配置域名和 HTTPS（可选）

1. 配置域名解析

在阿里云域名管理中添加 A 记录指向服务器 IP

2. 安装 Nginx 和 SSL 证书

sudo apt install -y nginx certbot python3-certbot-nginx
sudo certbot --nginx -d your-domain.com

3. 配置 Nginx 反向代理

server {
    listen 80;
    server_name your-domain.com;
    return 301 https://$server_name$request_uri;
}

server {
    listen 443 ssl;
    server_name your-domain.com;

    ssl_certificate /etc/letsencrypt/live/your-domain.com/fullchain.pem;
    ssl_certificate_key /etc/letsencrypt/live/your-domain.com/privkey.pem;

    location / {
        proxy_pass http://localhost:8501;
        proxy_set_header Host $host;
        proxy_set_header X-Real-IP $remote_addr;
        proxy_set_header X-Forwarded-For $proxy_add_x_forwarded_for;
        proxy_set_header X-Forwarded-Proto $scheme;
    }
}

常用运维命令

# 查看日志
docker-compose logs -f

# 重启服务
docker-compose restart

# 停止服务
docker-compose stop

# 更新代码后重新部署
git pull
docker-compose up -d --build

# 清理未使用的镜像
docker system prune -a

📦 依赖清单

主要依赖：

streamlit>=1.28.0
anthropic>=0.18.0
python-dotenv>=1.0.0
aiohttp>=3.9.0
reportlab>=4.0.0
python-docx>=1.0.0

完整依赖列表见 requirements.txt

🔧 故障排除

常见问题

Q1: ImportError: cannot import name 'start_analysis'

A: 确保使用最新版本代码，运行 git pull 更新项目。

Q2: st.session_state has no attribute "active_agents"

A: 重启 Streamlit 应用，清除浏览器缓存。

Q3: 导出报告时出现 key 冲突错误

A: 已在新版本修复，更新到最新代码即可。

Q4: 分析过程卡住不动

A: 点击"🔃 刷新状态"按钮，或检查 API Key 是否正确配置。

调试模式

启用详细日志：

streamlit run main.py --logger.level=debug

🤝 贡献指南

欢迎提交 Issue 和 Pull Request！

开发环境设置

# 克隆仓库
git clone https://github.com/your-repo/TradingAgents-MCPmode.git
cd TradingAgents-MCPmode

# 创建虚拟环境
python -m venv venv
source venv/bin/activate  # Windows: venv\Scripts\activate

# 安装开发依赖
pip install -r requirements.txt
pip install -r requirements-dev.txt

# 运行测试
pytest

📄 许可证

MIT License - 详见 LICENSE 文件

🙏 致谢

📮 联系方式

  • 问题反馈：
  • 邮箱：15133283161@163.com
  • QQ:1978546298

⭐ 如果这个项目对你有帮助，请给一个 Star！

相关 MCP