MCP Container

TradingAgents-MCPmode

TradingAgents-MCPmode is a multi-agent trading analysis system based on the MCP tool. It features 15 specialized agents collaborating to provide stock market analysis, investment recommendations, and risk management. The system enhances analysis efficiency through parallel processing and supports real-time decision-making using the latest data.

GitHubWebsite

GitHub Stars

40

User Rating

Not Rated

Forks

12

Issues

3

Views

4

Favorites

0

README
TradingAgents-MCPmode

基于MCP工具的多智能体交易分析系统

🌟 项目概述

TradingAgents-MCPmode 是一个创新的多智能体交易分析系统，集成了 Model Context Protocol (MCP) 工具，实现了智能化的股票分析和交易决策流程。系统通过15个专业化智能体的协作，提供全面的市场分析、投资建议和风险管理。

🎯 核心特性
  • 🤖 多智能体协作: 15个专业化智能体分工合作
  • ⚡ 并行处理: 分析师团队采用并行架构，显著提升分析效率
  • 🔧 MCP工具集成: 支持外部数据源和实时信息获取
  • 📊 全面分析: 公司概述、市场、情绪、新闻、基本面、股东结构、产品业务七维度分析
  • 💭 智能辩论: 看涨/看跌研究员辩论机制，可配置辩论轮次
  • ⚠️ 风险管理: 三层风险分析和管理决策，支持动态风险辩论
  • 🎛️ 智能体控制: 前端可动态启用/禁用特定智能体，灵活定制工作流
  • 🌀 辩论轮次配置: 前端实时设置投资和风险辩论轮次，精确控制分析深度
  • 🔧 灵活配置: 通过环境变量控制智能体MCP权限
  • 🌍 多市场支持: 美股(US)、A股(CN)、港股(HK)
  • 🗣️ 自然语言: 支持自然语言查询，无需指定市场和日期
  • 📈 实时决策: 基于最新数据的交易建议
  • 🌐 Web前端: 完整的Streamlit Web界面，支持实时分析和历史管理
🏗️ 系统架构
智能体组织结构
┌─────────────────────────────────────────────────────────────┐
│                    TradingAgents-MCPmode                   │
├─────────────────────────────────────────────────────────────┤
│  📊 分析师团队 (Analysts) - 并行执行                         │
│  ├── CompanyOverviewAnalyst (公司概述分析师)               │
│  ├── MarketAnalyst      (市场分析师)        ┐               │
│  ├── SentimentAnalyst   (情绪分析师)        │ 并行处理       │
│  ├── NewsAnalyst        (新闻分析师)        │ 6个分析师      │
│  ├── FundamentalsAnalyst(基本面分析师)      │ 同时执行       │
│  ├── ShareholderAnalyst (股东分析师)        │               │
│  └── ProductAnalyst     (产品分析师)        ┘               │
├─────────────────────────────────────────────────────────────┤
│  🔬 研究员团队 (Researchers)                                │
│  ├── BullResearcher     (看涨研究员)                        │
│  └── BearResearcher     (看跌研究员)                        │
├─────────────────────────────────────────────────────────────┤
│  👔 管理层 (Managers)                                       │
│  ├── ResearchManager    (研究经理)                          │
│  └── Trader             (交易员)                            │
├─────────────────────────────────────────────────────────────┤
│  ⚠️ 风险管理团队 (Risk Management)                          │
│  ├── AggressiveRiskAnalyst (激进风险分析师)                 │
│  ├── SafeRiskAnalyst       (保守风险分析师)                 │
│  ├── NeutralRiskAnalyst    (中性风险分析师)                 │
│  └── RiskManager           (风险经理)                       │
└─────────────────────────────────────────────────────────────┘
🚀 并行化工作流程
graph TD
    %% 用户输入
    USER[👤 用户输入<br/>user_query]
    
    %% 第0阶段：公司概述分析师
    A0[🏢 公司概述分析师<br/>📥 输入：user_query<br/>📤 输出：company_details + company_overview_report]
    
    %% 第1阶段：分析师并行节点
    PARALLEL[⚡ 分析师并行节点<br/>📥 输入：user_query + company_details<br/>🔄 并发执行6个分析师<br/>📤 输出：全部6个分析报告]
    
    %% 并行执行的6个分析师
    A1[🔍 市场分析师]
    A2[😊 情绪分析师]
    A3[📰 新闻分析师]
    A4[📊 基本面分析师]
    A5[👥 股东分析师]
    A6[🏭 产品分析师]
    
    %% 第2阶段：研究员辩论
    B1[📈 看涨研究员<br/>📥 输入：user_query + 全部7个分析师报告<br/>📤 输出：看涨论证 + 辩论历史]
    B2[📉 看跌研究员<br/>📥 输入：user_query + 全部7个分析师报告 + 辩论历史<br/>📤 输出：看跌论证 + 辩论历史]
    
    %% 第3阶段：管理层
    C1[🎯 研究经理<br/>📥 输入：user_query + 全部7个分析师报告 + 完整辩论历史<br/>📤 输出：investment_plan]
    C2[💰 交易员<br/>📥 输入：user_query + 全部7个分析师报告 + 辩论历史 + investment_plan<br/>📤 输出：trader_investment_plan]
    
    %% 第4阶段：风险管理团队
    D1[🔥 激进风险分析师<br/>📥 输入：全部信息<br/>📤 输出：激进风险观点 + 风险辩论历史]
    D2[🛡️ 保守风险分析师<br/>📥 输入：全部信息 + 风险辩论历史<br/>📤 输出：保守风险观点 + 风险辩论历史]
    D3[⚖️ 中性风险分析师<br/>📥 输入：全部信息 + 风险辩论历史<br/>📤 输出：中性风险观点 + 风险辩论历史]
    D4[🎯 风险经理<br/>📥 输入：全部信息 + 完整风险辩论历史<br/>📤 输出：final_trade_decision]
    
    %% 主要流程连接
    USER --> A0
    A0 --> PARALLEL
    PARALLEL --> B1
    B1 --> B2
    B2 -.->|辩论循环| B1
    B1 --> C1
    C1 --> C2
    C2 --> D1
    D1 -.->|风险辩论循环| D2
    D2 -.->|风险辩论循环| D3
    D3 -.->|风险辩论循环| D1
    D1 --> D4
    D2 --> D4
    D3 --> D4
    
    %% 并行节点内部连接（虚线表示并发）
    PARALLEL -.-> A1
    PARALLEL -.-> A2
    PARALLEL -.-> A3
    PARALLEL -.-> A4
    PARALLEL -.-> A5
    PARALLEL -.-> A6
    
    %% 样式定义
    style USER fill:#f9f9f9,stroke:#333,stroke-width:2px
    style A0 fill:#e1f5fe,stroke:#0277bd
    style PARALLEL fill:#fff3e0,stroke:#ff8f00,stroke-width:3px
    style A1 fill:#e8f5e8,stroke:#4caf50
    style A2 fill:#e8f5e8,stroke:#4caf50
    style A3 fill:#e8f5e8,stroke:#4caf50
    style A4 fill:#e8f5e8,stroke:#4caf50
    style A5 fill:#e8f5e8,stroke:#4caf50
    style A6 fill:#e8f5e8,stroke:#4caf50
    style B1 fill:#e3f2fd,stroke:#1976d2
    style B2 fill:#e3f2fd,stroke:#1976d2
    style C1 fill:#fff3e0,stroke:#ef6c00
    style C2 fill:#fff3e0,stroke:#ef6c00
    style D1 fill:#fce4ec,stroke:#c2185b
    style D2 fill:#fce4ec,stroke:#c2185b
    style D3 fill:#fce4ec,stroke:#c2185b
    style D4 fill:#fce4ec,stroke:#c2185b
⚡ 并行化优势
  1. 显著提升效率: 6个分析师并发执行，总耗时接近最慢分析师的执行时间
  2. 资源优化: 充分利用系统资源，避免串行等待
  3. 数据一致性: 每个分析师使用深拷贝状态，避免并发冲突
  4. 结果合并: 智能合并各分析师的报告和执行历史
在线体验（公网地址）
  • 体验地址：http://47.79.147.241:8501
  • 说明：对外免费开放用于功能体验与演示。
  • 注意：请文明使用，务必不要进行任何形式的攻击、压力测试或恶意访问行为，以免影响服务稳定性。
image
🚀 快速开始
环境要求
  • Python 3.8+
  • 支持的操作系统：Windows、macOS、Linux
安装步骤
  1. 克隆项目
git clone https://github.com/guangxiangdebizi/TradingAgents-MCPmode.git
cd TradingAgents-MCPmode
  1. 安装依赖
pip install -r requirements.txt
  1. 配置环境变量
cp env.example .env
# 编辑 .env 文件，配置你的API密钥和工作流参数
  1. 配置MCP工具
# 编辑 mcp_config.json 文件，配置MCP服务器
🌐 Web前端使用

推荐使用方式 - 通过Web界面进行交互：

streamlit run web_app.py

然后在浏览器中访问：http://localhost:8501 image

Web前端功能
  • 🏠 首页: 系统概览和快速导航
  • ⚙️ 系统配置: 在线编辑.env和MCP配置
  • 🔍 实时分析: 输入查询并实时监控分析进度
  • 🤖 智能体控制: 动态启用/禁用特定智能体，按团队组织的复选框界面
  • 🌀 辩论配置: 实时调整投资和风险辩论轮次，精确控制分析深度
  • 📊 智能体页面: 按团队查看各智能体的详细分析结果
  • 📚 历史报告: 管理历史会话，支持Markdown、PDF、DOCX导出
🎛️ 前端智能体控制特性

智能体启用控制：

  • ✅ 分组管理: 按分析师、研究员、管理层、风险管理四大团队组织
  • ✅ 实时选择: 复选框界面，支持全选/全不选快速操作
  • ✅ 动态计数: 实时显示已启用智能体数量 (如: 已启用 12/15)
  • ✅ 智能跳过: 禁用的智能体会自动跳过，不影响工作流连续性

辩论轮次配置：

  • 🔄 投资辩论: 滑块设置看涨/看跌研究员辩论轮次 (每轮=双方各发言1次)
  • ⚖️ 风险辩论: 滑块设置激进/保守/中性风险分析师辩论轮次 (每轮=三方各发言1次)
  • 📊 实时预览: 显示当前设置及预计发言次数
  • 🚀 自动应用: 开始分析时自动应用前端设置，无需手动确认
💻 命令行使用

如果你偏好命令行方式：

python main.py -c "分析苹果公司股票"
交互模式
python main.py

然后按提示输入你的查询，例如：

  • "分析特斯拉股票"
  • "给我分析一下600036招商银行"
  • "分析NVDA的投资价值"
📊 数据流转机制
🎯 关键设计特点

  1. company_details占位符系统

    • 🏢 公司概述分析师首先获取公司基础信息
    • 📥 仅传递给分析师团队：6个专业分析师都能获得准确的公司背景
    • 🚫 不传递给后续智能体：研究员及之后的智能体专注于分析报告综合评估

  2. 信息累积效应

    • 第0阶段：仅用户查询
    • 第1阶段：用户查询 + 公司详细信息（并行处理）
    • 第2阶段：用户查询 + 全部7个分析师报告
    • 第3阶段：用户查询 + 分析师报告 + 辩论历史 + 投资决策
    • 第4阶段：用户查询 + 所有信息 + 风险观点

  3. 双重辩论机制

    • 投资辩论：看涨 ↔ 看跌研究员循环辩论
    • 风险辩论：激进 ↔ 保守 ↔ 中性风险分析师循环辩论
💡 实际应用示例

用户输入："分析特斯拉股票"

  1. 🏢 公司概述分析师：获取Tesla Inc.、TSLA、NASDAQ、电动汽车行业等基础信息
  2. ⚡ 分析师并行节点：6个分析师同时基于准确的"Tesla Inc."信息进行专业分析
  3. 📈 看涨研究员：综合所有7个专业分析报告，构建Tesla的看涨投资论证
  4. 🎯 风险经理：基于所有信息和辩论结果，做出Tesla投资的最终风险决策

这种设计确保了信息的精准传递和逐步精炼，每个智能体都能在最适合的信息环境中发挥专业能力！

🎯 使用示例
📱 前端操作示例

场景: 快速分析苹果公司股票，仅启用核心分析师并设置简化辩论

  1. 启动系统:

    streamlit run web_app.py

  2. 配置智能体 (在"🤖 本轮启用智能体"展开):

    • ✅ 分析师团队: 全选 (7个智能体)
    • ✅ 研究员团队: 仅选择看涨研究员
    • ❌ 管理层: 全不选 (快速分析)
    • ❌ 风险管理: 全不选 (快速分析)
    • 📊 显示: 已启用 8/15

  3. 设置辩论轮次 (在"🌀 辩论轮次设置"展开):

    • 🔄 投资辩论轮次: 1轮 (仅看涨研究员发言1次)
    • ⚖️ 风险辩论轮次: 0轮 (跳过风险辩论)

  4. 执行分析:

    • 输入: "分析苹果公司股票的投资价值"
    • 点击"🚀 开始分析"
    • 系统自动应用前端设置并开始执行

  5. 预期结果:

    • ⚡ 快速执行: 仅8个智能体参与，显著减少分析时间
    • 📊 核心报告: 获得7份专业分析师报告
    • 🎯 投资建议: 看涨研究员基于分析师报告提供投资建议
🎛️ 动态配置优势
  • 🚀 快速体验: 禁用非核心智能体，1-2分钟获得分析结果
  • 🔬 深度分析: 启用全部智能体+多轮辩论，获得完整决策支持
  • 🎯 定制化: 根据分析需求灵活选择智能体组合
  • 💡 实时调整: 无需重启服务，前端实时调整参数
🛠️ 配置说明
环境变量配置

在 .env 文件中配置以下参数：

# 大模型配置
OPENAI_API_KEY=your_openai_api_key
OPENAI_BASE_URL=https://api.openai.com/v1
MODEL_NAME=gpt-4

# 工作流配置
MAX_DEBATE_ROUNDS=1           # 投资辩论默认轮次（可在前端动态调整）
MAX_RISK_DEBATE_ROUNDS=1      # 风险辩论默认轮次（可在前端动态调整）
DEBUG_MODE=true               # 调试模式，显示详细日志
VERBOSE_LOGGING=true          # 详细日志输出

# 智能体MCP权限配置
# 分析师团队 - 建议开启MCP以获取实时数据
COMPANY_OVERVIEW_ANALYST_MCP=true
MARKET_ANALYST_MCP=true
SENTIMENT_ANALYST_MCP=true
NEWS_ANALYST_MCP=true
FUNDAMENTALS_ANALYST_MCP=true
SHAREHOLDER_ANALYST_MCP=true
PRODUCT_ANALYST_MCP=true

# 研究员/管理/风险团队 - 建议关闭MCP专注综合分析
BULL_RESEARCHER_MCP=false
BEAR_RESEARCHER_MCP=false
RESEARCH_MANAGER_MCP=false
TRADER_MCP=false
AGGRESSIVE_RISK_ANALYST_MCP=false
SAFE_RISK_ANALYST_MCP=false
NEUTRAL_RISK_ANALYST_MCP=false
RISK_MANAGER_MCP=false

# 任务数量并发限制
MAX_CONCURRENT_ANALYSIS=2     # 同时运行的分析任务数量

💡 提示: 环境变量中的 MAX_DEBATE_ROUNDS 和 MAX_RISK_DEBATE_ROUNDS 仅为默认值，实际运行时可在前端实时调整。建议设为1以获得快速体验，如需深度分析可在前端增加轮次。

MCP工具配置

在 mcp_config.json 文件中配置MCP服务器：

{
  "servers": {
    "finance-data-server": {
      "url": "http://106.14.205.176:3101/sse",
      "transport": "sse",
      "timeout": 600
    }
  }
}
📈 性能优化
并行处理优势
  • 原串行架构: 6个分析师顺序执行，总耗时 = Σ(各分析师耗时)
  • 新并行架构: 6个分析师并发执行，总耗时 ≈ max(各分析师耗时)
  • 性能提升: 理论上可提升5-6倍效率，实际提升取决于各分析师的耗时分布
资源管理
  • 使用深拷贝避免状态竞争
  • 智能合并执行历史和工具调用记录
  • 优化内存使用，避免状态冗余
🤝 贡献指南

欢迎提交Issue和Pull Request来改进项目！

📄 许可证

本项目采用 MIT 许可证。详见 LICENSE 文件。

TradingAgents-MCPmode - 让AI智能体团队为你的投资决策保驾护航！ 🚀📈

📬 联系方式
Author Information
Xingyu_Chen
Xingyu_Chen

hello my email is guangxiangdebizi@gmail.com

Shanghai University of Electric PowerChina Shanghai
GitHub

13

Followers

44

Repositories

0

Gists

79

Total Contributions

Top Contributors

guangxiangdebiziguangxiangdebizi
79
Tags
多智能体股票分析投资建议风险管理实时决策并行处理MCP工具自然语言处理金融科技市场分析数据分析Web界面动态配置
Threads