随着AI Agents技术的浪潮席卷全球，我被其在真实市场交易中的应用（如nof1.ai）深深吸引，渴望找到一款能亲手实践的产品。在GitHub上探索时，我发现了aitrados这个优秀的开源项目，它完美契合了我的需求。

项目核心亮点：六位一体的AI交易团队

Aitrados项目内置了6个核心AI Agent，各司其职，协同工作，构建了一个完整的交易分析闭环：

• 项目经理：作为任务调度与分配中心，统筹所有Agent的工作。
• 技术指标分析师：精通MA、RSI、MACD、布林带等经典技术指标，进行量化分析。
• 价格行为分析师：专注于裸K、趋势线、支撑阻力位的解读，洞察价格走势。
• 新闻情绪分析师：实时追踪新闻，分析市场情绪，识别可能引发市场波动的关键信息。
• 财经事件分析师：紧盯经济日历，对利率决议、重要数据发布等事件做出策略响应。
• 最终决策者：汇总所有Agent的分析结果，进行综合研判，给出最终交易判断。

目前，该项目提供最详尽的虚拟币市场数据，并且部署简单，极易上手。

---

快速上手：五步部署指南 (支持 macOS & Windows)

前提条件：确保您的电脑已安装 git 和 python。

---

一、环境准备与项目克隆

为了避免环境污染，强烈推荐使用虚拟环境来管理项目。

方法A：使用 uv (推荐，更快速、现代)

bash

复制

# ① 克隆项目
git clone https://github.com/aitrados/langchain-trading-agents.git
cd langchain-trading-agents

# ② 创建并激活虚拟环境
uv venv
# macOS / Linux
source .venv/bin/activate
# Windows
source .venv/Scripts/activate

# ③ 安装依赖
uv pip install -r requirements.txt

方法B：使用标准 venv

bash

复制

# ① 克隆项目
git clone https://github.com/aitrados/langchain-trading-agents.git
cd langchain-trading-agents

# ② 创建并激活虚拟环境
python -m venv venv
# macOS / Linux
source venv/bin/activate
# Windows
source venv/Scripts/activate

# ③ 安装依赖
pip install -r requirements.txt

---

二、配置核心文件

1. 配置 .env 文件

在项目根目录下，将 env_example 文件复制并重命名为 .env。

bash

复制

cp env_example .env

打开 .env 文件，找到第5行的 AITRADOS_SECRET_KEY，将其中的 YOUR_SECRET_KEY 替换为您自己的密钥。

env

复制

# .env 文件内容
AITRADOS_SECRET_KEY=YOUR_SECRET_KEY # <-- 在此替换

获取密钥：访问 www.aitrados.com 网站注册，登录后即可在页面免费获取该密钥。

2. 配置 config.toml 文件

同样，在项目根目录下，将 config_example.toml 复制并重命名为 config.toml。

bash

复制

cp config_example.toml config.toml

打开 config.toml 文件，根据您使用的大模型（如 deepseek, qwen, openai, ollama 等），找到对应的配置块，并填入您的API Key。

以 deepseek 为例：

toml

复制

[llm_models.deepseek]
provider = "deepseek"
base_url = "https://api.deepseek.com/v1"
model_name = "deepseek-chat" # Required support call tools
api_key = "sk-85f33***********************fc8b" # 请替换为你的真实API Key
temperature = 0.7

获取API Key：以DeepSeek为例，在其官网右上角进入“API开发平台”，注册登录后即可在管理界面找到您的API Keys。

---

三、启动数据中枢 (MCP)

在终端中运行以下命令，启动负责数据交互的MCP服务。请注意，macOS和Windows的启动命令略有不同。

bash

复制

# macOS / Linux
finance-trading-ai-agents-mcp --env-file .env

# Windows
python -m finance-trading-ai-agents-mcp --env-file .env

---

四、开启你的AI交易之旅

项目中的 examples 文件夹包含了多个示例脚本。

• 单个Agent测试：除 ai_bus_analyst_example.py 外，其他文件均为单个Agent的功能演示。选择任意一个，直接运行即可体验。
  • 在脚本中找到 main() 方法，修改 query="*****" 中的内容，即可输入您自己的分析指令。
  • 确保脚本开头的模型配置与您在 config.toml 中设置的一致，例如：

python

复制

        # 将 OLLAMA 修改为你正在使用的模型，如 DEEPSEEK
        model_config = get_llm_model_config(ModelProvider.DEEPSEEK)

• 综合决策体验：运行 ai_bus_analyst_example.py，这将启动“最终决策者”，整合所有Agent的能力，为您提供一份综合分析报告。

---

Windows 平台常见问题与解决方法

问题：在Windows上执行启动命令时，可能出现 No module named 'finance-trading-ai-agents-mcp' 的报错。

原因：这通常是由于环境配置或Python路径问题导致模块无法被正确找到。

解决方案：独立部署MCP服务

这是一个可靠的解决方法，通过单独运行MCP服务来绕过环境问题。

1. 克隆MCP项目：在一个新的位置，克隆MCP的独立仓库。

bash

复制

    git clone https://github.com/aitrados/finance-trading-ai-agents-mcp.git

1. 配置MCP项目：

   • 进入新克隆的项目目录：cd finance-trading-ai-agents-mcp
   • 同样地，将 env_example 复制为 .env 文件。
   • 打开 .env 文件，在 AITRADOS_SECRET_KEY 位置输入您在 www.aitrados.com 获取的Key。

2. 启动MCP服务：在 finance-trading-ai-agents-mcp 目录下，运行以下命令启动服务器。

bash

复制

    python -m finance-trading-ai-agents-mcp --env-file .env

引用

**关键步骤**：请保持此终端窗口开启，MCP服务需要持续运行。

1. 运行主项目功能：
   • 打开一个新的终端窗口。
   • 进入到最初的 langchain-trading-agents 项目目录。
   • 激活该项目的虚拟环境（如果使用了的话）。
   • 直接运行 examples 文件夹中的任意Python脚本即可。由于MCP服务已在后台运行，这些脚本现在可以正常连接并工作了。