証券会社のアナリストチームをAIで丸ごと再現する。そんなオープンソースフレームワークがGitHubスター6万を突破しました。
TradingAgentsは、複数のLLMエージェントに証券アナリストやトレーダーの役割を割り当て、協調して市場を分析するPython製フレームワークです。この記事では、その仕組みと導入方法を解説します。
この記事でわかること
- TradingAgentsのマルチエージェント構成と分析フロー
- アナリスト→リサーチャー→トレーダー→リスク管理の役割分担
- 10以上のLLMプロバイダーへの対応状況
- インストール方法と使い始めるまでの手順
- 類似OSSとの違い
TradingAgentsとは
Tauric Researchが開発するマルチエージェント型の金融市場分析フレームワークです。実際のトレーディング企業の組織構造を模倣し、ファンダメンタルズ・センチメント・ニュース・テクニカルの各分野を専門エージェントが担当します。2024年12月にGitHubで公開され、2026年5月時点でスター数は6万超、フォーク数は1万1,500を超えました。ライセンスはApache-2.0で商用利用も可能です。
最新バージョンはv0.2.4（2026年4月25日リリース）で、構造化出力エージェント、チェックポイント再開機能、永続決定ログなどが追加されています。
単一LLMでは難しい多角的な分析
LLMに「この銘柄を分析して」と指示しても、返ってくるのは単一の視点からの回答です。実際のトレーディングデスクでは、ファンダメンタルズ担当がバリュエーションを算定し、テクニカル担当がチャートパターンを読み、リスク管理が全体のエクスポージャーを監視します。複数の専門家が異なる角度から意見を出し、議論を経て意思決定に至ります。
TradingAgentsはこの分業と議論のプロセスをLLMエージェントで再現しています。各エージェントに専用のツールと制約を持たせることで、1つのLLMでは実現できない多面的な分析を組み立てます。
マルチエージェントの構成
エージェントは4つの層に分かれ、上流から下流へ分析結果が流れていきます。
アナリストチーム
最初に動くのは4種類のアナリストです。ファンダメンタルズアナリストは企業の財務指標や業績データから内在価値を算定します。センチメントアナリストはSNSや掲示板の投稿をスコアリングし、短期的な市場のムードを数値化します。ニュースアナリストはマクロ経済指標やグローバルニュースを監視し、市場への影響度を解釈します。テクニカルアナリストはMACDやRSIなどの指標を使い、価格パターンを検出します。
リサーチャーチーム
アナリストの分析結果を受け取るのは、強気（ブル）と弱気（ベア）の2名のリサーチャーです。構造化されたディベートを通じて、一方がリスクを過小評価していれば他方が指摘し、バランスの取れた見解を導きます。ディベートのラウンド数は設定で調整できます。
トレーダーエージェント
アナリストとリサーチャーのレポートを統合し、売買のタイミングと規模を判断します。v0.2.4からは構造化出力（Pydantic）に対応し、Buy・Overweight・Hold・Underweight・Sellの5段階レーティングを出力します。
リスク管理とポートフォリオマネージャー
リスク管理チームがボラティリティや流動性を評価し、トレーダーの提案を審査します。最終的にポートフォリオマネージャーが取引を承認または却下します。承認された場合のみ、シミュレーション上の取引所で注文が執行されます。
対応LLMとインストール
LangGraphをベースに構築されており、LLMプロバイダーの選択肢が広い点が特徴です。OpenAI（GPT-5.x）、Google（Gemini 3.x）、Anthropic（Claude 4.x）、xAI（Grok 4.x）のほか、DeepSeek、Qwen（Alibaba DashScope）、GLM（Zhipu）、OpenRouterに対応しています。Ollamaを使えばローカルモデルでも動作し、Azure OpenAIによるエンタープライズ利用も可能です。
インストールはGitHubからクローンしてpip install .を実行するだけです。Docker Composeにも対応しており、.envファイルにAPIキーを記入すれば即起動できます。市場データの取得にはAlpha Vantage APIキーが別途必要です。
CLIを起動すると、分析対象の銘柄コード、日付、LLMプロバイダー、分析の深度を対話形式で選択する画面が表示されます。Pythonコードから直接呼び出す場合は、TradingAgentsGraphクラスのpropagate()メソッドに銘柄と日付を渡すだけで分析結果が返ります。
分析を重ねて改善する仕組み
v0.2.4で追加された永続決定ログは注目の機能です。分析結果は~/.tradingagents/memory/trading_memory.mdに自動保存されます。次回同じ銘柄を分析する際、過去の判断と実際のリターンを比較した振り返りが自動生成され、ポートフォリオマネージャーのプロンプトに注入されます。分析を重ねるほど過去の成功・失敗パターンが蓄積される設計です。
チェックポイント機能も加わりました。--checkpointオプションを有効にすると、LangGraphが各ノードの状態を保存し、中断しても最後の成功ステップから再開できます。
類似OSSとの違い
同じ金融AI領域のOSSにFinRobot（AI4Finance Foundation）があります。FinRobotはLLM・強化学習・定量分析を統合した汎用プラットフォームで、投資リサーチからアルゴリズムトレーディングまで幅広い用途をカバーしています。
TradingAgentsはマルチエージェントのディベート構造に特化しています。強気・弱気のリサーチャーが対立意見をぶつけ合い、リスク管理が最終チェックを入れるフローは、実際のトレーディングデスクに近い構造です。各エージェントの判断根拠がレポートとして残るため、分析プロセスの透明性を重視する場合に向いています。
研究目的のフレームワーク
TradingAgentsは研究・教育目的で設計されたフレームワークです。公式リポジトリにも、出力は投資助言ではないと明記されています。バックボーンLLMの選択、モデルの温度設定、分析対象期間などによって結果は大きく変動します。マルチエージェントアーキテクチャの実験や、LLMの金融テキスト理解力の検証といった研究用途で活用するのが適切です。arXivで公開されている論文（arXiv:2412.20138）で技術的な詳細を確認できます。