TradingAgents: LLM 기반 금융 트레이딩 프레임워크 CLI 활용 가이드

TradingAgents CLI 시작하기

TauricResearch/TradingAgents는 LLM을 활용하여 금융 시장을 분석하고 트레이딩 전략을 수립하는 강력한 프레임워크입니다. 이 가이드는 CLI(Command Line Interface)를 통해 TradingAgents의 주요 기능을 빠르고 효과적으로 사용하는 방법을 설명합니다.

1. 대화형 CLI 모드

가장 간단한 방법으로 TradingAgents를 실행하면 대화형 모드로 진입하여 설정을 진행합니다. 터미널에 다음 명령어를 입력하세요:

tradingagents

또는 소스 코드에서 직접 실행할 수도 있습니다:

python -m cli.main

이 모드에서는 분석할 티커(ticker), 분석 날짜, 사용할 LLM 제공자, 리서치 깊이 등 다양한 옵션을 선택할 수 있습니다. 이전 실행 시 입력했던 값들이 기본값으로 제공되므로, Enter 키를 눌러 빠르게 진행할 수 있습니다. .env 파일에 TRADINGAGENTS_* 환경 변수를 설정하면 해당 단계는 완전히 건너뛸 수 있습니다.

2. 자동화 및 스크립트 실행 (플래그 활용)

스크립트나 예약 작업 등 터미널 없이 자동으로 실행해야 할 경우, 플래그를 사용하여 질문 단계를 생략하고 환경 변수를 활용할 수 있습니다. 예를 들어, OpenAI LLM을 사용하고 특정 티커와 날짜를 지정하여 분석을 실행하려면 다음과 같이 설정합니다:

export TRADINGAGENTS_LLM_PROVIDER=openai
export TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna
export TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-sol
export TRADINGAGENTS_OUTPUT_LANGUAGE=English
export TRADINGAGENTS_MAX_DEBATE_ROUNDS=1
export TRADINGAGENTS_MAX_RISK_ROUNDS=1

tradingagents --ticker NVDA --date 2026-09-23 --analysts market,news,fundamentals --save --no-show

각 플래그는 해당 질문에 대해서만 응답을 건너뜁니다. 만약 터미널 없이 실행 중 필요한 설정이 누락되면, 실행이 중단되고 해당 플래그나 환경 변수 설정을 안내받게 됩니다.

--save 옵션을 사용하면 분석 결과가 저장되며, complete_report.html 파일도 함께 생성됩니다. 이 HTML 파일은 보고서를 한 페이지로 요약하여 브라우저, 휴대폰 등 다양한 환경에서 읽기 편리합니다. 저장 여부를 질문받을 때 HTML 보고서 생성 및 자동 열기 여부도 선택할 수 있습니다. --no-html 플래그를 사용하거나 Python 코드에서 ta.save_reports(state, "NVDA", html=False)와 같이 설정하면 HTML 생성을 건너뛸 수 있습니다.

활용 사례

상황 1: 특정 주식의 시장 및 뉴스 분석 자동화

• 사용자: 금융 시장 분석가
• 목표: 특정 주식(예: NVDA)에 대한 시장 동향과 최신 뉴스를 기반으로 분석 보고서를 자동으로 생성하고 싶음.
• 막힌 부분: 매번 CLI에서 티커, 날짜, 분석 종류를 입력하는 것이 번거로움.
• 해결 단계:
  1. 필요한 LLM 제공자와 모델을 환경 변수로 설정합니다. (예: TRADINGAGENTS_LLM_PROVIDER=openai, TRADINGAGENTS_QUICK_THINK_LLM=gpt-4o-mini)
  2. 분석할 주식 티커(--ticker NVDA), 분석 기준 날짜(--date 2026-09-23), 분석 종류(--analysts market,news)를 플래그로 지정하여 명령어를 실행합니다.
  3. 보고서를 저장하고(--save), 터미널에 결과를 표시하지 않도록(--no-show) 설정합니다.
  4. 명령어: export TRADINGAGENTS_LLM_PROVIDER=openai TRADINGAGENTS_QUICK_THINK_LLM=gpt-4o-mini && tradingagents --ticker NVDA --date 2026-09-23 --analysts market,news --save --no-show
• 결과: 지정된 티커와 날짜에 대한 시장 및 뉴스 분석 보고서가 생성되고 저장되어, 향후 검토 및 활용이 용이해집니다. HTML 보고서도 함께 생성되어 가독성이 향상됩니다.

상황 2: LLM 모델별 트레이딩 전략 심층 분석 비교

• 사용자: AI 트레이딩 개발자
• 목표: 서로 다른 LLM 모델(예: gpt-6-luna와 gpt-6-sol)이 금융 트레이딩 전략에 대해 얼마나 깊이 있는 분석을 수행하는지 비교하고 싶음.
• 막힌 부분: 두 LLM 모델을 번갈아 가며 설정하고 실행하는 과정이 번거로우며, 분석 깊이(depth)와 라운드 수를 통제하기 어려움.
• 해결 단계:
  1. 첫 번째 LLM(gpt-6-luna)과 분석 깊이, 최대 토론 라운드 수를 환경 변수 및 플래그로 설정합니다. (예: TRADINGAGENTS_LLM_PROVIDER=openai TRADINGAGENTS_QUICK_THINK_LLM=gpt-6-luna TRADINGAGENTS_DEEP_THINK_LLM=gpt-6-luna TRADINGAGENTS_MAX_DEBATE_ROUNDS=2 TRADINGAGENTS_MAX_RISK_ROUNDS=2)
  2. --ticker AAPL --date 2027-01-15 --analysts fundamentals --save --no-show 와 같이 분석을 실행합니다.
  3. 두 번째 LLM(gpt-6-sol)에 대해 위 설정을 변경하여 동일한 분석을 다시 실행합니다.
  4. 각각의 저장된 보고서를 비교하며 LLM 모델별 분석 결과의 차이를 확인합니다.
• 결과: 각 LLM 모델이 동일한 금융 데이터에 대해 생성한 분석 보고서를 체계적으로 비교할 수 있게 되어, 특정 작업에 더 적합한 LLM을 선택하는 데 도움을 줍니다.

출처: https://github.com/TauricResearch/TradingAgents