Hướng Dẫn Biến Trading Agents Thành Quy Trình API Giao Dịch Thực Tế

Context

TradingAgents 프레임워크는 기본적으로 Python 모듈 또는 CLI 형태로만 제공되므로, 팀 내 프론트엔드, QA, 플랫폼 엔지니어와 협업할 때마다 Python 디버그 세션을 공유해야 하는 운영 비효율이 발생한다.

Technical Solution

• TradingAgents를 Python 패키지로 설치한 후 FastAPI 기반 비동기 API 래퍼 구성: POST /analyses 엔드포인트로 분석 요청을 job 형태로 등록, ThreadPoolExecutor로 백그라운드 실행
• 분석 결과 조회를 비동기 패턴으로 구현: GET /analyses/{analysis_id} 엔드포인트로 job_id 기반 상태 및 결과 폴링 가능
• 분석 요청 페이로드 설계: ticker(종목), analysis_date(분석일), llm_provider(모델 제공자), deep_think_llm(심화 분석 모델), quick_think_llm(빠른 분석 모델), research_depth(토론 라운드 수) 파라미터 노출
• 프로토타입 단계에서는 메모리 기반 job 상태 저장, 프로덕션 전환 시 Redis 또는 Postgres 사용으로 업그레이드 가능하도록 설계
• Apidog을 통해 생성된 OpenAPI 스키마 임포트, 샘플 요청 저장, 테스트 케이스 작성, 팀원과의 문서 공유 자동화

Key Takeaway

멀티에이전트 AI 프레임워크는 Python 직접 호출이 아닌 비동기 job 기반 API로 추상화할 때 팀 규모 협업과 운영 투명성이 획기적으로 개선되며, 초기 메모리 상태 저장에서 영속성 저장소로의 마이그레이션 경로를 애초에 설계하는 것이 프로덕션 전환 시 재작업 비용을 줄인다.