AI자동화

AI 데이트레이딩? TradingAgents 안전 설정 가이드 2026

TradingAgents GitHub 설정 가이드 멀티에이전트 페이퍼 트레이딩 2026
고지: KuzCloud는 연구 워크로드를 위한 원격 Mac 임대를 제공합니다. 본 글은 교육적 엔터테인먼트(「사이버 트레이딩」)입니다——투자·세무·거래 조언이 아닙니다. 실험적 LLM 스택에 실거래 증권 API 키를 연결하지 마세요.
요약: TradingAgents(Tauric Research, Apache-2.0, GitHub 7만+ 스타)는 가상 트레이딩 데스크를 시뮬레이션합니다: 애널리스트 토론, 리스크 위원회 논쟁, 포트폴리오 매니저가 모의 BUY / HOLD / SELL 출력——돈이 저절로 늘지 않습니다. 본 가이드는 안전한 「방치 테스트」를 원하는 초보자용: 공식 저장소만 설치, 페이퍼/시뮬레이션 사용, 전체 실행당 API 비용 약 $2–15 예산, 결정 로그를 드라마처럼 읽기. 프레임워크 비교는 TradingAgents vs FinGPT 참조.

「사이버 트레이딩」이 실제로 의미하는 것

「AI에게 맡기면 돈 번다」는 공짜 돈처럼 들립니다. 실제로 TradingAgents는 멀티에이전트 거래 시뮬레이션입니다: 대규모 언어 모델(LLM)이 펀드 직원을 연기해 투자연구 내러티브 + 모의 주문을 만듭니다. 당신이 돌리는 것은 LangGraph 워크플로이며, 봇에 현금을 넣는 것이 아닙니다.

초보자가 좋아하는 이유:

  • 드라마: 강세 vs 약세 리서처 vs 리스크 담당——읽기 쉬운 로그
  • 교육: 전문가가 분석·리스크·체결을 분리하는 방식 학습
  • 낮은 리스크: 기본 경로는 역사/시장 데이터 API와 모의 체결——감사된 프로덕션 스택을 직접 구축하지 않는 한 출력은 팬픽션 취급

레드라인: 비공식 fork가 .exe.dmg 설치 파일을 받으라 하면 즉시 중단. github.com/TauricResearch/TradingAgents만 사용.

가상 트레이딩 데스크(간략)

Market data APIs ──► Analyst agents (fundamental, sentiment, technical, …)
                              │
                              ▼
                     Bull vs Bear debate (N rounds)
                              │
                              ▼
                     Trader agent (investment plan)
                              │
                              ▼
                     Risk committee debate
                              │
                              ▼
                     Portfolio manager ──► Simulated BUY/HOLD/SELL
역할쉬운 설명
애널리스트티커(예: AAPL) 사실과 내러티브 수집
리서처max_debate_rounds에 따라 강세/약세 논쟁
트레이더토론에서 투자 계획 초안
리스크 팀공격적/보수적 각도에서 계획 공격
포트폴리오 매니저모의 거래 승인 또는 거부

일반 실행: 약 12회 LLM 호출(토론 깊이 증가 시 더 많음). 벽시계 5–25분(모델·API 지연 의존). 머신 RAM 약 2–5 GB(Python + LangGraph)——클라우드 API만 쓰면 GPU 불필요.

외부 심화: TradingAgents 논문 (arXiv).

Run 누르기 전 안전 모드 규칙

규칙이유
공식 저장소만TauricResearch/TradingAgents——임의 「TradingAgents_installer.exe」 fork 아님
페이퍼/시뮬레이션 우선로그와 비용 이해 전 실거래 증권 API 연결 금지
API 지출 상한제공자 과금 알림 설정; 호기심 주말에 $50+ 소진 가능
단일 티커AAPL 또는 SPY로 시작, meme 주식 바구니 금지
면책 읽기프로젝트 README는 연구 전용 명시
예산 항목일반 범위(2026)
OpenAI / Claude API 전체 실행당$2–15
Alpha Vantage(펀더멘털/뉴스)무료 tier 있음
로그 읽는 시간값어치 있음

8단계 초보 Runbook

1단계 — 공식 monorepo 클론

git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents

remote 확인:

git remote -v
# origin  https://github.com/TauricResearch/TradingAgents.git

2단계 — Python 환경(3.11–3.13)

python3 -m venv .venv
source .venv/bin/activate   # Windows: .venv\Scripts\activate
pip install --upgrade pip
pip install .

Conda 대안(업스트림 README):

conda create -n tradingagents python=3.13 -y
conda activate tradingagents
pip install .

3단계 — .env에 API 키(채팅에 붙이지 말 것)

cp .env.example .env

기본 설정 최소 요건(CLI에서 선택한 데이터 벤더 확인):

# LLM — 이미 쓰는 제공자 하나 선택
OPENAI_API_KEY=sk-...
# ANTHROPIC_API_KEY=...
# DEEPSEEK_API_KEY=...

# 시장 데이터(예시는 Alpha Vantage가 많음)
ALPHA_VANTAGE_API_KEY=your_key

환경 변수 로드:

set -a && source .env && set +a

4단계 — 대화형 CLI 실행

tradingagents
# 또는: python -m cli.main

다음 프롬프트가 보여야 합니다:

  • 티커(AAPL부터)
  • 날짜 / 호라이즌
  • LLM 제공자(OpenAI, Anthropic, DeepSeek, Ollama 등)
  • 연구 깊이(토론 라운드 적을수록 저렴)

5단계 — 첫 「방치」시뮬레이션

선택:

  • 깊이: shallow(1–2 토론 라운드)로 첫 실행
  • 모델: 중급(GPT-4o-mini급 또는 Claude Sonnet)——로그 마음에 들기 전 최고가 플래그십 피하기

완료 대기. 출력에는 보통 토론 기록과 FINAL TRANSACTION PROPOSAL: HOLD 같은 최종 권고가 포함됩니다.

6단계 — 로그를 이야기로 읽기(주문서 아님)

실행 디렉터리/콘솔 출력 열기. 확인:

  1. 애널리스트가 실제 티커 데이터를 인용했는가, 환각인가?
  2. 리스크 에이전트가 실제로 반대했는가, 형식적 승인인가?
  3. 최종 액션이 직관과 맞는가?

강세 논거가 엉터리 지표를 인용하면 모델 탓 전에 데이터 API 키부터 수정.

7단계 — 선택: Ollama로 $0 추론

API 없는 실험(품질 낮음, 느림):

ollama pull qwen2.5:14b
export OLLAMA_BASE_URL=http://127.0.0.1:11434/v1

CLI에서 제공자 Ollama 선택. 14B급 모델은 Apple Silicon에서 16 GB RAM 예산; M4 메모리 매트릭스 참조.

8단계 — 상시 가동 머신에서 스케줄(선택)

노트북은 절전; 긴 토론은 그래프 중간에 끊깁니다. 소형 상시 Mac(로컬/원격)이 LangGraph 체크포인트 유지. SSH 접속, tmux 안에서 실행, 다음날 로그 가져오기——OpenClaw 원격 M4와 동일 패턴. 서울 노드에서 API 지연이 낮아 방치 실행에 적합합니다.

tmux new -s tradingagents
tradingagents
# 분리: Ctrl-b d

얻는 것: 출력 형태 예

성공 실행 후 일반적으로:

산출물내용
토론 기록강세/약세 논거와 인용 헤드라인 또는 펀더멘털
리스크 대화공격적 vs 보수적 반대 의견
최종 제안BUY / HOLD / SELL + 포지션 사이징 문구
구조화 JSON(활성 시)자체 백테스트용 기계 판독 TradeRecommendation

이것은 은행 명세서가 아닙니다. 통계가 필요하면 JSON을 자체 백테스트 노트북에——TradingAgents는 컴플라이언스 검토를 대체하지 않습니다.

비용과 「AI가 내 돈을 잃을까?」

질문솔직한 답
내 증권 계좌를 거래하나?기본적으로 아니오——체결은 별도 연결 필요
API 돈을 잃을 수 있나?——토론 라운드마다 토큰 소비
시뮬레이션 P&L이 멋져 보일 수 있나?백테스트 과적합 가능; 바이럴 스크린샷은 마케팅 취급
더 저렴한 길?Ollama 로컬 + 무료 데이터 tier; 느리고 거침

모델 플랫폼 비교(설치 아님)는 TradingAgents vs FinGPT 2026. 사회적 「모두 X하면?」 군 시뮬레이션은 MiroFish 설정——보완 관계, 상호 대체 불가.

문제 해결

ModuleNotFoundError: tradingagents

수정: venv 활성화 후 저장소 루트에서 재설치:

source .venv/bin/activate && pip install -e .

CLI 즉시 종료 / 도구 목록 비어 있음

수정: .env 로드 확인; 키 노출 없이 검사:

python -c "import os; print('OPENAI' in os.environ, 'ALPHA' in os.environ)"

「Risk committee」 이후 멈춤

수정: 제공자 rate limit. 모델 변경, 토론 라운드 축소, 60초 대기 후 재시도. 상태 페이지 확인.

Windows .exe 포함 의심 GitHub fork

수정: 삭제. 공식 프로젝트는 TauricResearch/TradingAgents소스 전용 Python입니다.

당신은…이렇게
완전 초보1–6단계, AAPL, shallow 깊이, 저렴한 모델
「최대 드라마 원함」실행당 비용 수용 후 토론 라운드 증가
「API 청구 싫음」7단계 Ollama + Mac 임대 vs 구매로 24/7 호스트 계산
프레임워크 비교 퀀트TradingAgents vs FinGPT
연구 주변 개발 자동화MCP 커스텀 서버로 내부 데이터 도구 추가

만약 X → Y: 강세/약세 로그를 한 번도 읽지 않았다면 실거래 브로커에 연결하지 마세요.

FAQ

프레임워크는 오픈소스(Apache-2.0). 귀하의 컴플라이언스는 관할, 데이터 라이선스, 실거래 여부에 달립니다. 본 가이드는 연구 시뮬레이션만 다룹니다.

Robinhood나 트레이딩 봇과 무엇이 다른가요?

브로커 앱은 규제된 주문을 실행합니다. TradingAgents는 LLM 역할극 오케스트레이터로 투자연구 내러티브와 모의 결정 생성——인증 자동 트레이더가 아니라 데스크 회의 시뮬레이터에 가깝습니다.

Mac이 꼭 필요한가요?

필수는 아닙니다. Linux나 Windows도 가능. Mac은 Python 데이터 스택에 편리하며, 원격 M4를 빌리고 있다면 다른 KuzCloud 가이드와 일관됩니다.

GPT 대신 Claude를 쓸 수 있나요?

예. 업스트림은 .env와 CLI 선택으로 여러 제공자를 지원. 선택한 제공자의 키를 사용하세요.

기본으로 지원되는 종목은?

유동성 높은 미국 주식(AAPL, MSFT, SPY 등)이 가장 수월. 암호화폐 변형은 커뮤니티 설정에 있음——활성화 전 README 읽기.

Apple Silicon에서 안전하게 시험

KuzCloud M4 원격 Mac은 몇 분이면 준비됩니다. SSH로 tmux 안에서 TradingAgents를 실행해 LangGraph 체크포인트를 노트북 절전에서 보호하세요. 서울 노드에서 API 지연도 낮습니다.