研究エージェント + 執行ゲートキーパー

執筆者: FXマクロデータチーム
発行: May 21, 2026

単一の代理人FXボットが失敗する理由は単純です.アイデアを生成する同じモデルが,それらを承認することも許されています. アメリカ合衆国 非農業の給与ポジションリスクに直接飛び込むことができます

This guide shows a safer architecture: split responsibilities between two agents. The first agent does market research and proposes setups. The second agent is a strict gatekeeper that can only approve, resize, or reject proposals based on hard risk rules.

作業の流れがうまく行きます EUR/USD ほら 通貨の対価 直接REST API統合と MCPベースのツール統合の両方をサポートします

条件

• Python 3.10+ 以上のものです
• からのFXMacroData API キー API管理わかった
• 研究者やゲートキーパーの 目的地です
• JSONとHTTPAPIの基本的な知識

依存をインストールする:

pip install requests python-dotenv pydantic

創る .env ファイル:

FXMD_API_KEY=your_fxmacrodata_key
RESEARCH_MODEL=claude-or-hermes
GATEKEEPER_MODEL=claude-or-hermes
MAX_RISK_PCT=0.50

ステップ1: スタッフの役割を明確に定義する

どうしたらいいか 鍵の責任はコードを書く前に

• 研究担当者:マクロ+市場文脈を読み込み,候補設定を提案する.
• ゲートキーパーエージェント: 制限のみを検証する. 新しい取引を発明することはできません. 承認/拒否/サイズ変更のみです.

なぜ重要か この分離は,信頼性が高いのに証拠が弱い場合,単一のモデルがリスク制御を回避することを防ぐ.

Step 2: Pull structured context with direct REST calls

どうしたらいいか 公開情報とスポットデータを FXMacroDataから取得して 構造化されていない見出しではなく 清潔な入力を得ます

curl "https://fxmacrodata.com/api/v1/calendar/usd?api_key=YOUR_API_KEY"
curl "https://fxmacrodata.com/api/v1/announcements/eur/inflation?api_key=YOUR_API_KEY"
curl "https://fxmacrodata.com/api/v1/announcements/gbp/unemployment?api_key=YOUR_API_KEY"
curl "https://fxmacrodata.com/api/v1/forex?base=EUR&quote=USD&api_key=YOUR_API_KEY"

なぜ重要か 一貫した構造化されたフィールドは 両者とも同じ真実の源を与え 検証を決定的にするのです

Pythonの最小収集器:

import os
import requests
from datetime import datetime, timezone

API = "https://fxmacrodata.com/api/v1"
KEY = os.environ["FXMD_API_KEY"]


def fxmd_get(path, **params):
    r = requests.get(
        f"{API}{path}",
        params={"api_key": KEY, **params},
        timeout=25,
    )
    r.raise_for_status()
    return r.json()


def build_market_context():
    return {
        "asof_utc": datetime.now(timezone.utc).isoformat(),
        "calendar_usd": fxmd_get("/calendar/usd").get("data", [])[:8],
        "calendar_eur": fxmd_get("/calendar/eur").get("data", [])[:8],
        "eur_inflation": fxmd_get("/announcements/eur/inflation").get("data", [])[-1:],
        "gbp_unemployment": fxmd_get("/announcements/gbp/unemployment").get("data", [])[-1:],
        "eurusd": fxmd_get("/forex", base="EUR", quote="USD").get("data", [])[-48:],
        "gbpusd": fxmd_get("/forex", base="GBP", quote="USD").get("data", [])[-48:],
    }

ステップ3:研究代理人と取引候補者を生成する

どうしたらいいか 組織化された取引候補者だけ調査担当者に尋ねてください 実行準備の指示を送信させないで下さい

{
  "pair": "EUR/USD",
  "bias": "long|short|flat",
  "thesis": "string",
  "confidence": 0.0,
  "entry_zone": "string",
  "invalidation": "string",
  "event_risks": ["string"]
}

なぜ重要か 固定式ではゲートキーパーが 予測可能なフィールドに規則を適用できるのであり 自由形式のテキストを解析する代わりに

ステップ4: ゲートキーパーエージェントでハードリスク規則を執行

どうしたらいいか run every candidate through a second model or rule-first validator with strict limits.

政策の例:

• 取引額最大リスク: 資本の0.50%
• 市場から15分以内に新取引は行われない リリースカレンダーわかった
• 強制的な無効化レベル
• 信頼度 < 0.60 の場合は拒否する.

プイドンティックゲートと決定出力:

from pydantic import BaseModel, Field


class Candidate(BaseModel):
    pair: str
    bias: str
    thesis: str
    confidence: float = Field(ge=0.0, le=1.0)
    entry_zone: str
    invalidation: str
    event_risks: list[str]


class GateDecision(BaseModel):
    status: str  # approve, resize, reject
    approved_size_pct: float
    reason: str


def gate(candidate: Candidate, max_risk_pct: float = 0.50) -> GateDecision:
    if candidate.confidence < 0.60:
        return GateDecision(status="reject", approved_size_pct=0.0, reason="Low confidence")
    if not candidate.invalidation.strip():
        return GateDecision(status="reject", approved_size_pct=0.0, reason="Missing invalidation")
    proposed = 0.50 if candidate.confidence >= 0.75 else 0.30
    size = min(proposed, max_risk_pct)
    return GateDecision(status="approve", approved_size_pct=size, reason="Within policy")

なぜ重要か 研究エージェントが 悪い読み方をしても 門番は 大きすぎたか弱かったか ブロックできます

ステップ 5: MCP 統合 パスを追加 (ツールネイティブ エージェント ワークフロー)

どうしたらいいか FXMacroData を MCP を通して公開することで,各ボットにカスタム REST 粘着剤を構築するのではなく,エージェントフレームワークがツールをネイティブで呼び出すことができます.

Python ベースの MCP サーバを起動します uvxについて

uvx fxmacrodata-mcp --transport http --server-url https://fxmacrodata.com/mcp

クライアント設定例:

{
  "mcpServers": {
    "fxmacrodata": {
      "command": "uvx",
      "args": [
        "fxmacrodata-mcp",
        "--transport",
        "http",
        "--server-url",
        "https://fxmacrodata.com/mcp"
      ]
    }
  }
}

検索エージェントの MCP ツールコール スキーマの例:

{
  "name": "get_fx_calendar_and_spot",
  "description": "Get upcoming macro events and current spot context for selected pairs",
  "input_schema": {
    "type": "object",
    "properties": {
      "currencies": {
        "type": "array",
        "items": { "type": "string" }
      },
      "pairs": {
        "type": "array",
        "items": {
          "type": "object",
          "properties": {
            "base": { "type": "string" },
            "quote": { "type": "string" }
          },
          "required": ["base", "quote"]
        }
      }
    },
    "required": ["currencies", "pairs"]
  }
}

エージェント呼び出し例 (MCP パス):

Research Agent:
"Using the fxmacrodata MCP tools, pull today's USD/EUR/GBP calendar and spot for EUR/USD and GBP/USD.
Return up to 3 candidate setups in strict JSON schema."

Gatekeeper Agent:
"Validate each candidate against risk policy v1. Reject anything violating confidence,
size, invalidation, or event-window constraints. Return approve/resize/reject with reason."

なぜ重要か MCPはスタックが拡大するにつれて統合の漂流を軽減します 特に複数のエージェントやスワップモデルプロバイダーを実行する場合は

Step 6: Route outputs to human review, then broker API

どうしたらいいか ゲートキーパーの決定を最初に Slack/Telegram に送信します.初期バージョンでは,人間の確認後に承認された取引を実行システムに送信します.

なぜ重要か 試行錯誤を防ぐため,プロンプトやモデル変更時に保護します.

[FX Two-Agent Candidate]
Pair: EUR/USD
Research Bias: Long
Gatekeeper: Approve
Approved Size: 0.30%
Reason: Confidence 0.71, invalidation present, no high-impact event in 15m window.

あなたが作ったもの

リスク承認からアイデア生成を分離し,直接REST統合をサポートし,またMCPベースのツールオーケストレーションをサポートします. uvx取引候補者は実行前に独立した政策ゲートに生き残らなければなりません.

次のステップは 自動で強制する 消去スイッチ層を追加します reject セッションに設定された制限を追加することもできます. 設定の設定の仕様は, 外国為替セッション 位置づけの文脈から 生産量わかった