TradingAgents: Açık Kaynak LLM Ticaret Çerçevesi

Çoğu çoklu aracı LLM çerçevesi, vaat ettiğinden fazlasını sunar. TradingAgents nadir istisnalardan biridir: Tauric Research tarafından bir arXiv makalesiyle birlikte açık kaynak olarak yayınlanmış, şu an 0.2.4 sürümünde ve diğer çerçevelerin bahsettiği ancak nadiren uyguladığı türden temiz rol ayrışımını sunuyor. Sistem gerçek bir araştırma masasını yansıtıyor: Temel, duygu, haber ve teknik analistler, bir Boğa/Ayı araştırma tartışmasını, ardından bir Trader'ı, sonra bir Risk Yönetimi komitesini besliyor ve denetim için kaydedilmiş yapılandırılmış bir kararla sonuçlanıyor.

Bu inceleme, TradingAgents'ın aslında ne yaptığını, v0.2.4'te nelerin çıktığını, LangGraph ve CrewAI ile nasıl karşılaştırıldığını ve LLM ile piyasa verileri katmanlarını Apidog ile nasıl test edeceğinizi açıklıyor. Eğer aracı sözleşme katmanında derinlemesine bilgi sahibiyseniz, API ekipleri için agents.md kılavuzumuz bu yazıyla doğal bir şekilde eşleşiyor.

TL;DR

• TradingAgents, Tauric Research'ten bir çoklu aracı LLM ticaret çerçevesidir, arXiv 2412.20138, 2025'te açık kaynak olarak yayınlandı ve şu anda 0.2.4 sürümündedir.
• Ticaret işlemlerini uzman aracılara ayırır: Temel Analist, Duyarlılık Analisti, Haber Analisti, Teknik Analist, Boğa/Ayı Araştırmacıları, Trader ve bir Risk Yönetimi komitesi.
• v0.2.4, yapılandırılmış çıktı aracıları, LangGraph kontrol noktası sürdürme, kalıcı karar günlükleri ve DeepSeek, Qwen, GLM ve Azure OpenAI için sağlayıcı desteği ekledi.
• Çerçeve, herhangi bir OpenAI uyumlu LLM uç noktasında çalışır, bu da barındırılan, yerel ve kendi kendine barındırılan modelleri değiştirilebilir kılar.
• Temel piyasa verileri API'lerini taklit etmek, LLM sağlayıcı trafiğini yeniden oynatmak ve DeepSeek, OpenAI ve Anthropic genelinde düşünme modu maliyetini karşılaştırmak için Apidog kullanın.
• Gerçek parayla bir aracıya güvenmeden önce tüm bunları CI'nize bağlamak için Apidog'u indirin.

TradingAgents aslında nedir

Çerçeve, ticaret iş akışını uzman rollere ayıran bir Python paketi ve CLI'dir. Her rol, bir iş tanımıyla yönlendirilen, odaklanmış bir araç setine erişimi olan ve LangGraph tarafından düzenlenen bir LLM aracısıdır. Kararlar aşamalardan geçer: veri toplama, tartışma, karar verme, günlüğe kaydetme.

README, bunu bir yatırım tavsiyesi değil, araştırma kodu olarak tanımlıyor. Bu çerçeve önemlidir. Amaç, üretimde bir ticaret botunu dizüstü bilgisayarınızdan göndermek değil, tek istemli kurulumlara karşı çoklu aracı işbirliğinin sonuçları nasıl değiştirdiğini incelemektir.

Mühendislik açısından ilginç olan, rol ayrımının ne kadar temiz olduğudur. Temel Analist şirket finansallarını değerlendirir. Duyarlılık Analisti sosyal medyayı puanlar. Haber Analisti makroekonomik göstergeleri izler. Teknik Analist MACD ve RSI'yi hesaplar. Boğa ve Ayı Araştırmacıları tartışır. Trader herkesin raporlarını okur ve karar verir. Risk Yönetimi kararı kısıtlamalara karşı kontrol eder. Her aracının tek bir işi ve tek bir araç seti vardır.

Bu, karmaşık herhangi bir aracı iş akışı için tasarlayacağınız aynı desendir: uzman roller, bir tartışma aşaması, bir karar aşaması ve bir doğrulama adımı. TradingAgents, bir öğleden sonra okuyabileceğiniz çalışan bir referans uygulamasıdır.

v0.2.4'te Neler Geldi

Nisan 2026 sürümü, üretim meraklısı kullanıcılar için anlamlıdır.

Yapılandırılmış çıktı aracıları. Araştırma Yöneticisi, Trader ve Portföy Yöneticisi artık OpenAI Responses API veya Anthropic'in araç kullanım kanalı aracılığıyla yapılandırılmış çıktı yayınlamaktadır. Bu, eski serbest metin ayrıştırmayı yazılı JSON ile değiştirir, bu da sonraki otomasyonu güvenilir hale getirir.

LangGraph kontrol noktası sürdürme. Uzun süreli çalışan işlemler, kaydedilmiş bir kontrol noktasından duraklatılabilir ve yeniden başlatılabilir. Bir piyasa verisi API'si kısıtlarsa veya bir LLM sağlayıcısı 429 dönerse, işlem baştan başlamaz.

Kalıcı karar günlüğü. Trader'ın verdiği her karar, gerekçeler, girdiler ve zaman damgaları ile bir SQLite günlüğüne kaydedilir. İnceleyebileceğiniz veya değerlendirmeye geri besleyebileceğiniz bir denetim izi elde edersiniz.

Çoklu sağlayıcı desteği. v0.2.4, mevcut OpenAI, Anthropic, Gemini ve Grok matrisine DeepSeek, Qwen, GLM ve Azure OpenAI'yi ekledi. Jeton başına en ucuz mantıksal çıkarımı istiyorsanız, OpenAI uyumlu uç noktası aracılığıyla DeepSeek V4'e geçebilirsiniz. Uzun bağlam veya görme yeteneğine ihtiyacınız varsa Gemini'ye geçin.

Docker desteği ve Windows UTF-8 düzeltmesi. Sıkıcı ama önemli: çerçeve artık bir Dockerfile içeriyor ve v0.2.3'teki Windows yol kodlama hatası giderildi.

Aracı mimarisi detaylı olarak

Eksiksiz bir TradingAgents çalıştırması şöyle görünür.

1. CLI, bir hisse senedi sembolü ve tarih aralığı kabul eder.
2. Analist Ekibi yayılır: dört analistin her biri, sembol için bağımsız olarak veri alır ve bir rapor yazar.
3. Araştırma Ekibi dört raporu alır. Boğa Araştırmacısı uzun bir tez yazar. Ayı Araştırmacısı kısa bir tez yazar. Tartışırlar.
4. Araştırma Yöneticisi, tartışmayı bir öneri haline getirir.
5. Trader, öneriyi alır, kalıcı karar günlüğünü kontrol eder ve bir ticaret planı oluşturur.
6. Risk Yönetimi ekibi inceler. Üç risk aracısı (Agresif, Muhafazakar, Nötr), planı farklı açılardan eleştirir.
7. Portföy Yöneticisi ya onaylar ya da planı revizyon için geri gönderir.
8. Nihai karar SQLite günlüğüne kaydedilir.

LLM maliyetinin çoğu, birden fazla aracının tartıştığı 3. ve 6. adımlardadır. Küçük modellerin açığa çıktığı yer de burasıdır: Boğa/Ayı tartışmasını yürüten 7B'lik bir model, gürültülü, tekrarlayan argümanlar üretir. Bir muhakeme modeli (DeepSeek V4 düşünme modu, GPT-5.5, Claude 4.5), gerçek bir araştırma toplantısına benzeyen yapılandırılmış bir ileri geri tartışma üretir.

LLM katmanını neden bir API aracıyla test etmeliyiz?

TradingAgents'ı çalıştırdığınızda, üretimde iki yüzey başarısız olur: piyasa verileri API'leri (Yahoo Finance, FinnHub, Polygon, OpenBB) ve LLM sağlayıcı API'leri.

Piyasa verileri tarafı kirli. Ücretsiz katmanlarda tutarsız hız limitleri var, belgelenmemiş alanlar girip çıkıyor ve işlem günü sınırları satıcılar arasında farklılık gösteriyor. Salı günü çalışan bir çalıştırma, çarşamba günü sessizce bozuluyor çünkü bir satıcı `regularMarketTime` öğesini `regular_market_time` olarak yeniden adlandırdı.

LLM tarafı da farklı bir şekilde kirli. DeepSeek V4 düşünme modu maliyetinizi iki katına çıkarıyor; OpenAI Responses API'nin kendine özgü tuhaflıkları var; Anthropic'in araç kullanımı, bazı aşağı akış ayrıştırıcılarının midesini bulandıran içerik blokları döndürüyor.

Her iki yüzey de sizden aynı şeyi istiyor: iddialarla birlikte kaydedilmiş, tekrar oynatılabilir bir kanonik istek koleksiyonu. İşte tam da bunun için Apidog var. Aynı test modelini protokol düzeyinde MCP sunucu test kılavuzumuzda ele aldık.

Apidog'da piyasa verileri API'lerini taklit etme

TradingAgents test çalıştırmalarınızdan satıcı kararsızlığını gidermek için üç adım.

Adım 1: yukarı akış uç noktalarını tanımlayın. Bir Apidog projesinde, TradingAgents'ın çağırdığı Yahoo Finance, FinnHub, Polygon veya OpenBB uç noktalarını ekleyin. Her araç özelliği için README, tam URL'leri listeler. Her birini, gerçek yanıtlardan çekilen örnek yanıt gövdeleriyle bir istek olarak kaydedin.

Adım 2: sahte sunucuyu açın. Apidog'un sahte sunucusu, gerçek satıcının kullandığı aynı URL yollarında örnek yanıtları döndürür. TradingAgents'ın araç yapılandırmasını sahte URL'ye yönlendirin. Temel Analist artık deterministik verilere karşı çalışır; testleriniz artık Yahoo'nun hız limitine bağlı değildir.

Adım 3: satıcı kaymasını yakalayın. Haftada bir kez, canlı uç noktaları yeniden oynatın ve yanıt şeklini kaydedilmiş demolarınızla karşılaştırın. Apidog, eklenen, kaldırılan veya yeniden adlandırılan alanları vurgular. `regularMarketTime` yeniden adlandırmasını bir çalıştırmayı bozmadan önce bu şekilde yakalarsınız.

Daha geniş iş akışını tanımlayan sözleşme-öncelikli API geliştirme'de aynı modeli kullanıyoruz.

LLM sağlayıcı katmanını test etme

Sağlayıcı katmanının, çalıştırmaları ölçeklendirmeden önce test edilmesi gereken üç şeye ihtiyacı vardır.

Rol başına maliyet. Tek bir hisse senedini dört analist ve tartışma aracılığıyla çalıştırın. Apidog'un istek günlüğünde aracı başına jeton sayılarını yakalayın. Boğa/Ayı tartışması genellikle analistlerden 3-5 kat daha pahalıdır; eğer değilse, model kısa devre yapıyor demektir.

Çıktı şekli. v0.2.4'ün yapılandırılmış çıktı aracıları (Araştırma Yöneticisi, Trader, Portföy Yöneticisi) her zaman iyi biçimlendirilmiş JSON döndürmelidir. Doğrulamak için Apidog'da JSONPath onayları ekleyin. Buradaki bir gerileme sessiz ve yıkıcıdır; bunu yalnızca aşağı akış kodu çöktüğünde anlarsınız.

Sağlayıcı denkliği. Maliyeti test etmek için OpenAI'dan DeepSeek V4'e geçtiğinizde, Trader'ın kararları bireysel çalıştırmalarda farklılık göstermeli, ancak birçok çalıştırmada benzer sonuçlara yakınsamalıdır. Her iki sağlayıcı aracılığıyla 50 hisse senedi çalıştırın, kalıcı karar günlüğünü karşılaştırın ve sapmayı ölçün. DeepSeek V4 API kılavuzumuz istek şeklini kapsar; GPT-5.5 API kılavuzumuz OpenAI tarafını kapsar. Apidog'un yanıt farkı karşılaştırmayı görselleştirir.

Minimal bir TradingAgents çalıştırması

README hızlı başlangıcı kabaca şöyle görünüyor.

git clone https://github.com/TauricResearch/TradingAgents
cd TradingAgents
pip install -r requirements.txt

export OPENAI_API_KEY="sk-..."
export FINNHUB_API_KEY="..."

python -m tradingagents.cli \
  --ticker AAPL \
  --date 2026-04-30 \
  --models gpt-5.5 \
  --rounds 2

İki tur tartışma, en küçük anlamlı çalıştırmadır. Çıktı, JSON artı bir markdown karar özeti olarak tradingagents/results/ dizinine kaydedilir.

Muhakeme yoğunluklu roller için DeepSeek V4 Pro'ya geçmek için, --models bayrağını ayarlayın ve OpenAI istemcisini çerçevenin sağlayıcı yapılandırması aracılığıyla DeepSeek'in temel URL'sine yönlendirin:

export DEEPSEEK_API_KEY="sk-..."

python -m tradingagents.cli \
  --ticker AAPL \
  --date 2026-04-30 \
  --models deepseek-v4-pro \
  --provider deepseek \
  --rounds 2

Aynı desen Qwen 3.6, GLM 5 veya Ollama veya vLLM tarafından sunulan herhangi bir yerel model için de çalışır. 2026'nın en iyi yerel LLM'leri yazımız yerel sunucu tarafını ele almaktadır.

Yaygın tuzaklar

Bunlar GitHub sorunlar dizisinde ortaya çıkıyor.

Küçük bir modelle çalıştırma. 7B'lik yerel bir model, çözülmeden döngüye giren bir Boğa/Ayı tartışması üretir. Çerçevenin en azından orta seviye muhakeme kalitesine ihtiyacı vardır. DeepSeek V4 Flash, Qwen 3.6 32B, GPT-5.5 ve Claude 4.5 gerçekçi tabandır.

Piyasa verisi önbelleklemesini atlamak. Her analist veri katmanını ayrı ayrı çağırır. Önbellekleme olmadan, her çalıştırma başına 4-8 satıcı isteği yayarsınız ve hız sınırı bütçesini hızla tüketirsiniz. Çerçeve önbellekleme destekler; onu açın.

Bunu bir ticaret botu olarak görmek. Bu bir araştırma kodudur. Geri test performansı model seçimine, istem çekirdeğine, tartışma uzunluğuna ve veri kalitesine duyarlıdır. Ürettiği herhangi bir sayıyı bir strateji olarak değil, bir hipotez olarak ele alın.

Jeton harcamasını kaydetmeyi unutmak. Tek bir hisse senedi çalıştırması, modele ve turlara bağlı olarak 0,10 ila 5 dolara mal olabilir. Apidog'un yeniden oynatma geçmişinde çalıştırma başına maliyeti kaydedin; tartışma aşamasında kontrolsüz bir döngü, dakikalar içinde gerçek para harcayabilir.

Tek bir sağlayıcıya kod sabitleme. v0.2.0, tam da bu yüzden değiştirebilmeniz için çoklu sağlayıcı desteği ekledi. Kullanın. Küçük bir partiyi üç sağlayıcı üzerinden çalıştırın ve taahhüt etmeden önce karar günlüğünü karşılaştırın.

Geliştirme döngüsünde Apidog'un yeri

TradingAgents projesinde Apidog'un değerini kanıtladığı üç somut yer.

Birincisi tasarım yüzeyidir. Çerçeveyi canlı satıcılara bağlamadan önce, her piyasa verisi uç noktasını Apidog'da örnek gövdelerle bir istek olarak çizin. Şema görünümü, çerçevenin aslında hangi alanları kullandığı konusunda dürüst olmanızı sağlar. Birçok ekip, neredeyse hiç kullanmadıkları bir Polygon planı için ödeme yaptıklarını keşfeder.

İkincisi yerel CI'dır. Apidog'un sahte sunucusu, birim testleri çalışırken her satıcının yerine geçer, böylece test paketi beş saniyenin altında kalır ve hafta sonu piyasa saatlerine bağlı kalmaz. Bu tam modeli Postman olmadan API testi yazımızda ele almıştık.

Üçüncüsü regresyon farklılaştırmasıdır. Her haftalık çalıştırmada, canlı uç noktaları kaydedilmiş donanımlarınıza karşı yeniden oynatın. Apidog, alan yeniden adlandırmalarını ve şekil kaymasını vurgular. Bu, "veri katmanı bozuldu ve aracılar sayıları hayal etmeye başladı" için mümkün olan en ucuz alarmdır.

Bunun ticaretin ötesinde neden önemli olduğu

TradingAgents, şu an sahip olduğumuz en açık açık kaynaklı aracı ayrışım örneğidir. Desen doğrudan şunlara aktarılabilir:

• Müşteri desteği triyajı (bilet türü başına analist aracıları, tartışma, karar)
• Kod incelemesi (güvenlik, performans, stil aracıları, ardından bir sentezleyici)
• Uyumluluk incelemesi (veri analistleri, risk inceleyicileri, karar komitesi)
• Araştırma özetleme (birden fazla uzman okuyucu, tartışma, sentez)

Çok adımlı herhangi bir aracı iş akışı tasarlıyorsanız, önce TradingAgents kodunu okuyun. Rol ayrımı, tartışma aşaması, yapılandırılmış çıktı kararları ve kalıcı günlük yeniden kullanılabilir desenlerdir. Aynı zamanda test edilebilir desenlerdir, ki bu da çerçeveyi Apidog ile eşleştirmenin amacıdır.

Gerçek dünya kullanım durumları

Bir kantitatif araştırma öğrencisi, TradingAgents'ı aynı 30 hisselik sepette DeepSeek V4, GPT-5.5 ve Claude 4.5'i karşılaştırmak için kullanır. Apidog, her isteği ve yanıtı yakalar, böylece karşılaştırma tekrarlanabilir.

Bir fintech mühendisi, iç hizmetler üzerinde kod incelemeleri yapmak için çoklu aracı modelini (ticaret kodu değil) kullanır. Uzman aracılar güvenliği, performansı, adlandırmayı kontrol eder. Bir sentezleyici PR yorumunu yazar. PR başına toplam inceleme maliyeti: yaklaşık 0,04 dolar.

10 hisselik bir izleme listesinde TradingAgents'ı her gece çalıştıran bağımsız bir geliştirici, daha sonra incelemek üzere her kararı Postgres'e kaydeder. Apidog sahte sunucusu, hafta sonu test çalıştırmaları sırasında canlı piyasa verileri sağlayıcılarının yerine geçer.

Sonuç

TradingAgents, sohbet yerine yapılandırılmış kararlar üreten çoklu aracı bir LLM sistemini nasıl oluşturulacağına dair çalışan, iyi tasarlanmış bir örnektir. v0.2.4, onu üretim meraklısı hale getiriyor: yapılandırılmış çıktılar, kontrol noktası devamı, denetim izi, çoklu sağlayıcı. Altındaki LLM ve piyasa verisi katmanlarını test edemiyorsanız bunların hiçbirinin önemi yoktur. İşte Apidog ile eşleştirmek burada değerini kazanıyor.

Beş çıkarım:

• TradingAgents, ticareti net rollere ve bir tartışma aşamasına sahip uzman aracılara ayırır.
• v0.2.4, yapılandırılmış çıktılar, LangGraph kontrol noktaları ve DeepSeek/Qwen/GLM/Azure sağlayıcıları ekler.
• Test çalıştırmalarının deterministik olması için piyasa verisi satıcılarını Apidog'da taklit edin.
• Üretimde modelleri değiştirmeden önce LLM sağlayıcısı eşitliğini test edin.
• Desen (uzmanlar, tartışma, karar, günlük), oluşturduğunuz her ticaret dışı aracı iş akışına aktarılır.

Sonraki adım: depoyu klonlayın, tercih ettiğiniz LLM'ye karşı tek bir hisse senedi çalıştırın ve yukarı akış çağrılarını bir Apidog sahte sunucusu aracılığıyla yönlendirin. Çerçevenin iş akışınıza uygun olup olmadığını bir saat içinde anlayacaksınız.

SSS

TradingAgents'ı gerçek parayla kullanmak güvenli mi?

Depo, bunun bir araştırma kodu olduğunu ve finansal tavsiye olmadığını açıkça belirtiyor. Çıktısını bir hipotez olarak ele alın. Canlı bir aracı kuruma karşı gönderen herkes riski kişisel olarak üstlenir; bakımcılar bunu desteklemez.

Hangi LLM sağlayıcısı en iyi maliyet-kalite dengesini sunuyor?

2026 başındaki çoğu iş yükü için, düşünme moduna sahip DeepSeek V4 Flash, maliyet açısından GPT-5.5'i büyük bir farkla yener ve Boğa/Ayı tartışma kalitesinde onu yakalar. İstek şekli için DeepSeek V4 API kılavuzumuza bakın.

TradingAgents'ı yerel modellerde çalıştırabilir miyim?

Evet. v0.2.0 çoklu sağlayıcı desteği ekledi; Ollama, vLLM ve LM Studio'nun tümü, çerçevenin kullandığı OpenAI uyumlu uç noktalar sunar. Model seçimleri için 2026'nın en iyi yerel LLM'leri yazımıza bakın.

Piyasa verisi API'lerini nasıl taklit edebilirim?

Apidog'da her satıcı uç noktasını tanımlayın, sahte sunucuyu açın ve çerçevenin araç yapılandırmasını sahte URL'ye yönlendirin. Aynı desen, QA mühendisleri için API test araçları belgesinde yer almaktadır.

Bunu çalıştırmak için minimum donanım nedir?

Barındırılan LLM'leri (OpenAI, Anthropic, DeepSeek) çağırıyorsanız, Python 3.10+ yüklü herhangi bir dizüstü bilgisayar bunu çalıştırır. Yerel modelleri sunuyorsanız, minimum donanım modeli takip eder: 24 GB GPU DeepSeek V4 Flash veya Qwen 3.6 32B çalıştırır; 8 GB GPU Llama 5.1 8B çalıştırır. Daha küçük modellerde kalite düşer.

Mesai sonrası ve hafta sonu simülasyonunu destekliyor mu?

Piyasa verisi satıcıları geçmiş verileri döndürür; çerçeve seçtiğiniz herhangi bir tarihi çalıştırabilir. Canlı ticaret, çerçevenin açıkça çözmediği farklı bir sorundur.

Diğer çoklu aracı çerçevelerle nasıl karşılaştırılır?

TradingAgents, ticaret alanı için özel olarak tasarlanmıştır. CrewAI, AutoGen ve LangGraph'ın kendisi genel amaçlıdır. Deseni öğrenmek ve başka yerlerde uygulamak istiyorsanız TradingAgents'ı okuyun; genel bir aracı sistemi oluşturmak istiyorsanız, temel LangGraph koduyla başlayın.