O que é TradingAgents?
O TradingAgents, da Tauric Research, é um framework LangGraph que modela uma corretora como uma equipe de agentes LLM. Analistas de fundamentos, sentimento, notícias e análise técnica trabalham em paralelo; pesquisadores otimistas e pessimistas debatem os relatórios; um trader propõe uma posiç ão; uma equipe de risco e um gestor de portfólio a aprovam ou rejeitam. Começou como um artigo no arXiv (2412.20138, dezembro de 2024) e é apresentado como ferramenta de pesquisa, não como aconselhamento financeiro.
Roda como CLI interativa ou por script e como pacote Python (TradingAgentsGraph.propagate devolve uma decisão), em qualquer ticker do Yahoo Finance, de ações americanas a Hong Kong, A-shares e cripto. As releases recentes se concentram no viés de antecipação: os fundamentos do SEC EDGAR são servidos como estavam arquivados na data da execução, e uma grade de backtest pontua decisões passadas pelo alfa a partir do primeiro fechamento após cada decisão.
O repositório é Apache-2.0, tem cerca de 119.000 estrelas e 22.700 forks no GitHub e está na v0.7.1 (27 de outubro de 2026), com mais ou menos uma release a cada duas semanas desde setembro.
TradingAgents vale a pena?
O TradingAgents conquista sua popularidade menos pela estrutura de debate, que muitos imitadores copiaram, do que pelo trabalho pouco glamoroso das releases recentes sobre o que os agentes podem saber. Uma execução com data no passado agora lê os demonstrativos da SEC exatamente como foram arquivados naquele dia: o exemplo do README é o ativo total da Apple em 2008, arquivado como US$ 39,6B e reapresentado como US$ 36,2B em 2010, então uma execução entre essas datas vê US$ 39,6B. Os demonstrativos do Yahoo e as negociações de insiders, que não podem ser datados pela publicação, são retidos nas execuções com data passada em vez de vazarem para elas.
Isso importa porque o backtest é a única forma de saber se o sistema decide bem. O run_backtest percorre uma grade de tickers e datas, entra em cada decisão no primeiro fechamento após a data dela e pontua o alfa realizado contra um benchmark regional, mantendo seu próprio log de memória para não contaminar o log real. O README é franco ao dizer que os resultados não vão bater com nenhum número publicado e variam entre execuções, porque modelos de raciocínio ignoram a temperatura e as fontes de notícias refletem o dia de hoje.
O custo por decisão é o que se deve modelar antes de escalar. Cada execução chama até quatro analistas, um debate de várias rodadas, um trader, um debate de risco e um gestor, divididos entre um modelo rápido e um profundo que podem estar em provedores diferentes. O uso de tokens por execução não é publicado. O login com ChatGPT Plus ou Pro é suportado e conta contra os limites do plano, o que serve para experimentos, mas não para uma varredura noturna de 500 tickers.
O framework é um andaime de pesquisa, não um sistema de trading: ele produz uma classificação e uma justificativa e envia as ordens aprovadas apenas a uma bolsa simulada. Com cerca de 100 issues abertas e caminhos de importação que mudaram na v0.5.1, ele recompensa quem fixa uma versão. Ao lado do Vibe-Trading, é mais estreito e mais fácil de entender: um ticker, uma data, uma resposta debatida.
Onde ele se destaca
Um doutorando em finanças computacionais
Comparar backends de LLM nas mesmas decisões de trading sem vazamento de informação futura
Rode tradingagents backtest sobre uma grade fixa de tickers e datas com cada modelo por vez; a pontuação usa o alfa a partir do primeiro fechamento após cada decisão. Reserve orçamento para muitas chamadas de modelo por célula e retome varreduras interrompidas com o mesmo run_id.
Um investidor autônomo com uma dúzia de ações americanas
Obter uma segunda opinião estruturada sobre uma posição antes da divulgação de resultados
Rode a CLI no ticker com --portfolio apontando para um JSON com as posições atuais, para que o trader e a equipe de risco raciocinem sobre a carteira real. Fazer login com um plano ChatGPT Plus evita a cobrança de API em execuções ocasionais.
Um engenheiro prototipando um assistente de pesquisa interno em uma gestora de patrimônio
Incorporar relatórios de vários analistas em um pipeline Python existente
Chame TradingAgentsGraph.propagate e save_reports, com os gestores no Claude e os analistas em um modelo mais barato via provedores por nível. Trate a saída como insumo de pesquisa; o projeto diz que não é recomendação de investimento.
Antes de decidir
- Configuração
- Clone, crie um ambiente Python 3.11+, pip install ., defina uma chave de provedor e depois execute tradingagents; há Docker Compose e um perfil para Ollama. Uma execução não interativa precisa de flags como --ticker e --date.
- Integrações
- OpenAI, Google, Anthropic, xAI, DeepSeek, Qwen, GLM, MiniMax, OpenRouter, Mistral, Kimi, Groq, NVIDIA, Bedrock, Azure, Ollama e qualquer servidor compatível com OpenAI; dados do Yahoo Finance, SEC EDGAR, FRED, Alpha Vantage, StockTwits e Reddit.
- Dados e privacidade
- Relatórios, um log de memória de decisões, cache e checkpoints ficam em ~/.tradingagents. Os prompts e as notícias obtidas vão para o provedor de LLM escolhido. A CLI verifica atualizações uma vez por dia sem enviar dados das execuções; TRADINGAGENTS_NO_UPDATE_CHECK=1 desativa isso. Apache-2.0.
- Custo em escala
- Não há edição paga. O custo são tokens de LLM por decisão entre analistas, dois debates e gestores, multiplicados por tickers e datas em uma grade de backtest; as contagens de tokens por execução não são publicadas, então meça primeiro em uma grade pequena.
- Limites
- Cerca de 100 issues e pull requests abertos; saída não determinística; quedas no feed de notícias do Yahoo forçaram soluções paliativas; o EDGAR cobre apenas empresas registradas na SEC e informa os quartos trimestres como indisponíveis.
O que é bom
- Fundamentos da SEC na data exata e dados não dataveis retidos
- Grade de backtest pontuada pelo alfa a partir do fechamento seguinte
- Níveis de modelo rápido e profundo em provedores separados
- Mais de uma dúzia de provedores de LLM, além de Ollama e vLLM locais
O que não é
- Muitas chamadas de LLM por decisão; custo em tokens não publicado
- As execuções são não determinísticas por design
- Apenas bolsa simulada; sem execução em corretora
- Os caminhos de importação mudaram na v0.5.1; fixe as versões
Ideal para
Pesquisadores e investidores técnicos que querem uma base multiagente bem documentada para decisões sobre ações individuais e uma forma justa de testá-la com backtest.
Alternativas ao TradingAgents
TradingAgents: perguntas frequentes
- TradingAgents vale a pena?
- O TradingAgents é o design de referência para análise de ações com múltiplos agentes, e seu trabalho recente sobre o viés de antecipação o torna um dos poucos que você consegue testar com backtest sem se enganar. Damos nota 4.0 de 5.
- Quanto custa TradingAgents?
- Gratuito e de código aberto (Apache-2.0). Você paga seu provedor de LLM ou usa um plano ChatGPT Plus ou Pro; os dados do FRED e do SEC EDGAR são gratuitos, e o Alpha Vantage é opcional.
- Quais são as desvantagens de TradingAgents?
- Muitas chamadas de LLM por decisão; custo em tokens não publicado; as execuções são não determinísticas por design; apenas bolsa simulada; sem execução em corretora; os caminhos de importação mudaram na v0.5.1; fixe as versões.
- Para quem TradingAgents é indicado?
- Pesquisadores e investidores técnicos que querem uma base multiagente bem documentada para decisões sobre ações individuais e uma forma justa de testá-la com backtest.
- Quanto custa TradingAgents para uma equipe ou em produção?
- Não há edição paga. O custo são tokens de LLM por decisão entre analistas, dois debates e gestores, multiplicados por tickers e datas em uma grade de backtest; as contagens de tokens por execução não são publicadas, então meça primeiro em uma grade pequena.
- TradingAgents é seguro para dados da empresa?
- Relatórios, um log de memória de decisões, cache e checkpoints ficam em ~/.tradingagents. Os prompts e as notícias obtidas vão para o provedor de LLM escolhido. A CLI verifica atualizações uma vez por dia sem enviar dados das execuções; TRADINGAGENTS_NO_UPDATE_CHECK=1 desativa isso. Apache-2.0.
- Quais são as melhores alternativas ao TradingAgents?
- As alternativas mais próximas que analisamos são Vibe-Trading.
Respostas verificadas em 31 de out. de 2026.