Voltar para Guias

Tutorial · IA agêntica · 25 min

TradingAgents: uma mesa de operação de IA no seu computador

Instale o TradingAgents, escolha o modelo e o ativo, e veja como os agentes analista, pesquisador, trader e de risco chegam a uma decisão. Open source e grátis.

Começar tutorial
Seis assentos marfim ao redor de uma mesa oval vermelha vista de cima, com um pequeno relatório em cada lugar, sobre azul-marinho.
Paulo Cauhi ·

O TradingAgents é um framework open source que roda uma mesa de operação inteira no seu computador, com um agente de IA em cada cadeira. Analistas leem o balanço, as notícias, o clima nas redes e os indicadores técnicos. Um pesquisador otimista e um pessimista discutem esses relatórios. Um trader transforma o debate numa proposta, um time de risco testa a proposta, e um gestor de carteira dá a palavra final. Você só escolhe o ativo, a data e o modelo. Foi criado por pesquisadores da UCLA e do MIT e é grátis para rodar.

01Instalar Clone o repositório e instale num ambiente Python.02Configurar Adicione uma chave de API, ou aponte para um modelo local grátis.03Rodar Responda seis perguntas no terminal e leia a decisão.

Antes de começar

  • Um computador com macOS, Windows ou Linux, e o git instalado.
  • Python 3.10 ou mais novo (o exemplo do próprio projeto usa o 3.12). Confira com python3 --version.
  • Um provedor de modelo: uma chave de API da OpenAI, Anthropic, Google, xAI, DeepSeek, OpenRouter, Groq ou outro provedor suportado, ou o Ollama para um modelo local grátis.
  • Nenhuma conta em corretora. O TradingAgents só analisa e recomenda; ele não envia ordens.

Cada execução gasta tokens. Uma análise faz dezenas de chamadas ao modelo (as capturas abaixo mostram 45 numa execução completa). Comece com modelos mais baratos e a profundidade rasa, e só aprofunde quando souber quanto uma execução custa para você.

É uma ferramenta de pesquisa, não recomendação de investimento. O próprio projeto diz isso. Trate a saída como mais uma opinião a conferir, nunca como uma ordem a executar.

Instale o TradingAgents

Clone o repositório e entre na pasta:

Terminal
git clone https://github.com/TauricResearch/TradingAgents.git && cd TradingAgents

Crie um ambiente virtual e ative (no Windows, rode .venv\Scripts\activate no lugar da parte do source):

Terminal
python3 -m venv .venv && source .venv/bin/activate

Instale o pacote e as dependências:

Terminal
pip install .

Isso cria o comando tradingagents dentro desse ambiente. Prefere Docker? Copie o .env.example para .env, coloque as chaves e rode docker compose run --rm tradingagents.

Adicione um provedor de modelo

O TradingAgents lê as chaves de API de um arquivo .env na pasta do projeto. Copie o modelo:

Terminal
cp .env.example .env

Abra o .env e preencha a chave do provedor que vai usar, por exemplo:

.env
OPENAI_API_KEY=sk-...

Uma chave basta. O arquivo também tem espaço para ANTHROPIC_API_KEY, GOOGLE_API_KEY, DEEPSEEK_API_KEY, OPENROUTER_API_KEY, GROQ_API_KEY e outras, e uma FRED_API_KEY opcional para dados macro do Federal Reserve.

Modelos locais grátis. Instale o Ollama, baixe um modelo com ollama pull <nome> e escolha Ollama como provedor no terminal. Ele fala com http://localhost:11434/v1 por padrão. Qualquer outro servidor compatível com a API da OpenAI (vLLM, LM Studio, llama.cpp) funciona pelo provedor OpenAI-compatible, em que você digita o endereço do servidor.

O mesmo arquivo pode fixar escolhas para o terminal pular uma pergunta: TRADINGAGENTS_LLM_PROVIDER, TRADINGAGENTS_DEEP_THINK_LLM, TRADINGAGENTS_QUICK_THINK_LLM e TRADINGAGENTS_OUTPUT_LANGUAGE são as mais úteis.

Rode uma análise

Com o ambiente ativo, inicie o terminal interativo:

Terminal
tradingagents

Se o comando não for encontrado, python -m cli.main faz o mesmo a partir da pasta do projeto.

Tela de boas-vindas do TradingAgents no terminal, com o fluxo: time de analistas, time de pesquisa, trader, gestão de risco, gestão de carteira.
Captura de tela: projeto TradingAgents.

O terminal faz seis perguntas:

  1. Ativo (ticker). SPY é o padrão. Use os símbolos do Yahoo Finance: AAPL, NVDA, BTC-USD, ou tickers com sufixo da bolsa, como PETR4.SA ou AZN.L.
  2. Data da análise. AAAA-MM-DD. Escolha um dia de pregão; fins de semana e feriados não têm dados.
  3. Idioma da saída. Os relatórios e a decisão final saem no idioma escolhido; o português está na lista.
  4. Time de analistas. Espaço marca cada um de Market, Social, News e Fundamentals; a marca todos.
  5. Profundidade da pesquisa. Shallow (1 rodada de debate), Medium (3) ou Deep (5). Mais fundo significa mais chamadas e mais tokens.
  6. Provedor e modelos. Escolha o provedor, depois um modelo rápido para os analistas e um modelo de raciocínio profundo para o debate e a decisão.

Aí ele roda. O painel da esquerda acompanha cada agente, o da direita mostra cada chamada de ferramenta e cada passo de raciocínio, e o relatório cresce embaixo conforme cada analista termina.

Execução do TradingAgents em andamento: tabela de progresso à esquerda, chamadas de ferramentas à direita, relatório de notícias embaixo.
Captura de tela: projeto TradingAgents. O relatório do analista de notícias, com os outros analistas ainda pendentes.
Relatório do analista de mercado do TradingAgents com médias móveis, MACD, RSI, Bandas de Bollinger e ATR.
Captura de tela: projeto TradingAgents. O analista de mercado puxa os indicadores (SMA, MACD, RSI, Bollinger, ATR) antes de escrever.

Leia a decisão, depois a memória

Quando todos os times terminam, o terminal pergunta se quer salvar o relatório em disco e se quer ver o relatório completo. A última seção é a Portfolio Management Decision: a recomendação, os argumentos principais dos analistas agressivo, conservador e neutro, e o plano.

Decisão final de gestão de carteira do TradingAgents: recomendação, resumo dos argumentos principais e plano de investimento refinado.
Captura de tela: projeto TradingAgents. Uma execução completa terminando numa recomendação de venda parcial, com um plano por etapas.

Ele lembra. Cada execução concluída é anexada em ~/.tradingagents/memory/trading_memory.md. Na próxima vez que você analisar o mesmo ativo, o TradingAgents busca o retorno realizado desde aquela decisão, escreve uma reflexão de um parágrafo e entrega as decisões e lições recentes ao gestor de carteira. É aí que você vê por que ele acertou e por que errou.

Execuções longas podem ser retomadas. Adicione --checkpoint e o estado é salvo a cada etapa, então uma execução que caiu continua de onde parou:

Terminal
tradingagents analyze --checkpoint

Use --clear-checkpoints para começar do zero.

Diagrama da arquitetura do TradingAgents: fontes de dados alimentam pesquisadores otimista e pessimista, depois o trader, o time de risco, o gestor e a execução.
Diagrama: projeto TradingAgents.

Use no seu código Python

O terminal é uma interface para um grafo LangGraph que você pode chamar do seu próprio código:

from tradingagents.graph.trading_graph import TradingAgentsGraph
from tradingagents.default_config import DEFAULT_CONFIG

config = DEFAULT_CONFIG.copy()
config["llm_provider"] = "openai"
config["deep_think_llm"] = "gpt-5.6"
config["quick_think_llm"] = "gpt-5.6-luna"
config["max_debate_rounds"] = 1

ta = TradingAgentsGraph(debug=True, config=config)
_, decision = ta.propagate("NVDA", "2026-01-15")
print(decision)

O arquivo tradingagents/default_config.py lista todas as opções: provedores, modelos, rodadas de debate, idioma da saída, temperatura e os caminhos do cache e do registro de memória.

Problemas comuns

  • O terminal pede uma chave de API. Falta a chave do provedor escolhido no .env (ou no ambiente). Adicione e rode de novo.
  • "Not a trading day (weekend or holiday)". A data não tem dados de mercado. Escolha um dia útil em que a bolsa abriu.
  • Duas execuções dão respostas diferentes. Esperado: os modelos são amostrados, e notícias e dados sociais mudam com o tempo. Baixe TRADINGAGENTS_TEMPERATURE no .env para variar menos; modelos de raciocínio praticamente ignoram isso.
  • Está lento ou caro. Escolha a profundidade Shallow, menos analistas e um modelo rápido mais barato.
  • O Ollama não responde. Confira se o app do Ollama ou o ollama serve está rodando e se o modelo foi baixado.
  • Windows: "no Windows console available". Rode o terminal pelo Windows Terminal, PowerShell ou cmd.exe, não por um terminal embutido ou redirecionado.

O TradingAgents é open source, com licença Apache-2.0, criado pela Tauric Research e descrito no paper TradingAgents: Multi-Agents LLM Financial Trading Framework, de Yijia Xiao, Edward Sun, Di Luo e Wei Wang. Código e documentação: github.com/TauricResearch/TradingAgents. Este guia foi escrito para a versão 0.4.0.

Um e-mail por novidade

Quando publico algo novo sobre IA e agentes, você recebe um e-mail. Sem spam, e você cancela com um clique.

Seu endereço fica armazenado na Brevo, o serviço de e-mail que uso, apenas para enviar estas mensagens.

As interações estão indisponíveis no momento. O artigo continua disponível.

Comentários

Comentários

As interações estão indisponíveis no momento. O artigo continua disponível.

Privacidade dos comentáriosDiretrizes para comentários