Tradingagents Mcpmode Main

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）

🔬 研究员团队（2 个）

👔 管理层（2 个）

⚖️ 风险管理团队（4 个）

📖 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

1. 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）

1. 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

1. 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

1. 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

• Streamlit - Web 应用框架
• MCP - 模型上下文协议

📮 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！