TradingAgents v0.4.0 — open-source фреймворк от TauricResearch, который симулирует внутреннюю структуру реальной трейдинговой фирмы через цепочку специализированных LLM-агентов. Каждый агент отвечает за свою роль: фундаментальный аналитик разбирает финансовую отчётность, сентимент-агент агрегирует Reddit и StockTwits, технический аналитик считает MACD и RSI, два ресёрчера спорят — один бычий, другой медвежий — а Портфельный менеджер принимает финальное решение с учётом оценки риска. Построено на LangGraph, поддерживает более десятка LLM-провайдеров, работает с акциями, крипто и международными рынками.
Контекст
Команда TauricResearch начала раскрывать код в феврале 2026 года с версии v0.2.0 и с тех пор выпускала релиз каждые 4–6 недель. К августу фреймворк поддерживает OpenAI (GPT-5.x), Google (Gemini 3.x), Anthropic (Claude Sonnet 5, Fable 5), xAI (Grok), DeepSeek, Qwen через DashScope (международный и китайский эндпоинты), GLM (Zhipu), MiniMax, OpenRouter, локальные модели через Ollama, Azure OpenAI и AWS Bedrock. Для enterprise-сред — без выдачи ключей наружу через IAM-роли на Bedrock или Azure.
География охвата нетривиальная: Yahoo Finance тикеры работают для Гонконга (0700.HK), Токио (7203.T), Лондона (AZN.L), Индии (RELIANCE.NS), Китая A-shares (600519.SS), крипты (BTC-USD, ETH-USD). Поддержка Qwen и GLM через азиатские региональные эндпоинты делает инструмент практически применимым для анализа китайских и азиатских рынков без VPN-задержек.
Авторы прямо указывают: фреймворк создан для исследовательских целей, не как финансовый или инвестиционный совет. Реальные результаты зависят от выбора модели, температуры семплирования, качества данных — и каждый прогон может дать разный ответ на одни и те же входные данные.
Аналитика
Архитектурно TradingAgents реализует паттерн structured debate: бычий и медвежий ресёрчеры создают конкурирующие нарративы, которые Портфельный менеджер взвешивает с риск-оценкой. Это не просто промпт с просьбой «проанализируй акцию», а граф с явными ролями и точками передачи контекста. В 2025–2026 годах этот подход активно изучается как способ снизить галлюцинации в задачах с высокой ставкой — несколько агентов с противоположными позициями атакуют одну идею, а не одна модель генерирует монолог.
Фича decision log — содержательная, не декоративная. После каждого прогона фреймворк сохраняет решение в ~/.tradingagents/memory/trading_memory.md, при следующем анализе того же тикера считает фактическую доходность и генерирует reflection-параграф. Это episodic memory: система подсвечивает собственные прошлые ошибки перед новым решением. Насколько LLM умеет на этом действительно учиться — открытый вопрос, но механизм есть и включён по умолчанию.
Темп версионирования за 9 месяцев многое говорит о зрелости проекта. Каждый релиз решал конкретные research-проблемы: look-ahead bias в FRED и сентимент-источниках (исправлено в v0.3.1 и v0.4.0), разнообразие провайдеров (v0.3.0), персистентность и checkpoint-резюме (v0.2.4). Это признак живого проекта с обратной связью от сообщества, а не заброшенного proof-of-concept.
Кейсы применения в бизнесе
B2B-SaaS стартап в fintech: встроить TradingAgents как research-движок для скрининга, не как автоматического трейдера. Фреймворк собирает фундаментал, сентимент, макро-данные через FRED и технические индикаторы — и выдаёт структурированный нарратив с уже встроенным devil's advocate. Аналитик-человек получает не сырые данные, а синтезированный отчёт с полярными позициями. Это сокращает время первичного скрининга, а финальное решение остаётся за человеком.
Корпорация с legacy-инфраструктурой: TradingAgents через AWS Bedrock вписывается в существующую IAM-систему без выдачи API-ключей наружу. Агенты работают поверх корпоративных LLM-эндпоинтов (Azure OpenAI, vLLM). Checkpoint resume критичен для батчевых прогонов: упавший процесс продолжается с последнего успешного шага LangGraph-графа, а не начинает анализ заново.
SMB или инвест-клуб в КР/СНГ: фреймворк запускается локально через Ollama на собственном GPU или арендованном VPS. Зависимость от внешних API-ключей — только для данных (Alpha Vantage, Yahoo Finance), но не для LLM. Поддержка Qwen через региональные эндпоинты снижает задержки для тех, кто работает из Центральной Азии. Docker Compose — развёртывание в одну команду.
Кейсы в личной жизни
Разработчик, изучающий мульти-агентные архитектуры: TradingAgents — production-grade пример LangGraph с реальными данными, дебатными графами, персистентностью и checkpoint-системой. Домен можно заменить: M&A-анализ, competitive intelligence, due diligence по стартапу — структура агентного графа переносится почти один к одному. Готовый каркас быстрее, чем строить с нуля.
Студент финансов или data science: decision log и backtest позволяют исследовать, как разные LLM интерпретируют одни и те же рыночные события. Сравнение Claude Sonnet 5 против GPT-5.6 против Qwen на одном тикере в период высокой волатильности — готовый материал для курсовой или дипломной работы по agent-based simulation.
Аналитик Telegram-канала про инвестиции: TradingAgents генерирует структурированный разбор по тикеру — не прогноз, а аналитическую рамку. Сентимент из Reddit и StockTwits, технические индикаторы, макро-контекст и итоговое решение агентов в одном выводе. Это сырьё для публикации, которое занимает 10 минут вместо двух часов ручной сборки.
«Мы решили полностью открыть исходный код фреймворка. С нетерпением ждём совместной работы над значимыми проектами» — TauricResearch при анонсе open-source релиза.
Как применить сегодня
git clone https://github.com/TauricResearch/TradingAgents→pip install .→ скопировать.env.exampleв.envи добавить ключ выбранного провайдера (ANTHROPIC_API_KEY, OPENAI_API_KEY или другой).- Запустить
tradingagents analyzeс любым Yahoo Finance тикером — акции, крипта (BTC-USD), международные рынки. Выбрать глубину анализа и провайдер в интерактивном CLI. - Добавить флаг
--checkpointдля длинных анализов: при обрыве процесс возобновится с последнего узла LangGraph, а не с начала. - После нескольких прогонов по одному тикеру изучить
~/.tradingagents/memory/trading_memory.md— decision log показывает, как менялся нарратив агентов и какова была фактическая доходность. - Для деплоя на VPS:
docker compose run --rm tradingagents— без GUI-зависимостей, через Docker Compose в одну команду.