두 명의 FX 에이전트를 구성합니다: 연구 에이전트 + 실행 게이트키퍼
저자: FXMacroData 팀
출판된지: May 21, 2026
단일 에이전트 FX 봇은 간단한 이유로 실패합니다. 아이디어를 생성하는 동일한 모델이 또한 그들을 승인 할 수 있습니다. 미국 비농업 고용, 한 가지 추론 오류는 직선으로 직선 위험으로 뛰어 올 수 있습니다.
이 가이드에서는 더 안전한 구조를 보여준다. 두 에이전트 사이에 책임을 분할한다. 첫 번째 에이전트는 시장 연구를 하고 설정을 제안한다. 두 번째 에이젠트는 엄격한 게이트키퍼로, 딱딱한 위험 규칙에 기초한 제안을 승인, 크기를 변경 또는 거부할 수 있다.
결국에는 두 명의 요원들을 위한 실용적인 워크플로우가 될 것입니다. EUR/USD 그리고 GBP/USD 직접 REST API 통합과 MCP 기반 도구 통합을 지원합니다.
필수 조건
- 파이썬 3.10+
- FXMacroData API 키 API 관리- 그래요
- 연구원들과 관문관들의 LLM 최종점입니다.
- JSON 및 HTTP API에 대한 기본적인 익숙함
의존성을 설치합니다:
pip install requests python-dotenv pydantic
을 만들자 .env 파일:
FXMD_API_KEY=your_fxmacrodata_key
RESEARCH_MODEL=claude-or-hermes
GATEKEEPER_MODEL=claude-or-hermes
MAX_RISK_PCT=0.50
단계 1: 두 요원 모두에 대한 엄격한 역할을 정의하십시오.
어떻게 해야 할까요? 코드를 작성하기 전에 책임들을 잠금합니다.
- 연구 담당자: 거시 + 시장 맥락을 읽고 후보 설정을 제안합니다.
- 게이트키퍼 에이전트: 제한을 확인합니다. 새로운 거래를 발명할 수 없습니다. 승인/ 거부/ 크기를 변경할 수 있습니다.
왜 중요합니까? 이 분리로 인해 신뢰도가 높지만 증거가 약할 때 하나의 모델이 위험 통제를 우회하는 것을 방지합니다.
단계 2: 직접적인 REST 호출을 통해 구조화된 컨텍스트를 뽑으십시오.
어떻게 해야 할까요? FXMacroData에서 발표와 스팟 데이터를 가져오기 때문에 연구원은 구조화되지 않은 헤드라인 대신 깨끗한 입력값을 얻습니다.
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"e=USD&api_key=YOUR_API_KEY"
왜 중요합니까? 일관성 있고 구조화된 필드는 두 요인 모두에게 같은 진실의 근원을 제공하고 검증을 결정적으로 만듭니다.
최소 파이썬 수집기:
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:],
}
단계 3: 연구 대리인과 함께 무역 후보자를 생성
어떻게 해야 할까요? 구조화된 무역 후보에 대한 연구 요원에게만 물어보십시오. 실행 준비가 된 지침을 보내지 마십시오.
{
"pair": "EUR/USD",
"bias": "long|short|flat",
"thesis": "string",
"confidence": 0.0,
"entry_zone": "string",
"invalidation": "string",
"event_risks": ["string"]
}
왜 중요합니까? 고정된 스키마는 게이트키퍼가 자유형 텍스트를 분석하기 보다는 예측 가능한 필드에 규칙을 적용할 수 있게 합니다.
단계 4: 게이트키퍼 에이전트에서 하드 리스크 규칙을 적용하십시오.
어떻게 해야 할까요? 모든 후보자를 두 번째 모델이나 규칙-첫 번째 검증기를 통해 엄격한 제한으로 실행합니다.
정책 예제:
- 거래당 최대 위험: 자본의 0.50%
- 15분 이내에 새로운 거래는 없습니다 발매 일정은- 그래요
- 의무적으로 무효화 수준
- 신뢰도 < 0.60인 경우 거부합니다.
피단틱 게이트와 결정 출력:
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")
왜 중요합니까? 연구원이 잘못 읽어도, 관장이 여전히 과대 또는 약한 설정을 차단할 수 있습니다.
단계 5: MCP 통합 경로 (도구 네이티브 에이전트 워크플로우) 를 추가
어떻게 해야 할까요? FXMacroData를 MCP를 통해 노출시켜서 에이전트 프레임워크가 각 봇에 맞춤형 REST 접착제를 만드는 대신 도구를 원생적으로 호출할 수 있습니다.
Python 기반의 MCP 서버를 시작하세요 uvx:
uvx fxmacrodata-mcp --transport http --server-url https://fxmacrodata.com/mcp
클라이언트 구성 예제:
{
"mcpServers": {
"fxmacrodata": {
"command": "uvx",
"args": [
"fxmacrodata-mcp",
"--transport",
"http",
"--server-url",
"https://fxmacrodata.com/mcp"
]
}
}
}
연구 에이전트의 MCP 도구 호출 스키마 예제:
{
"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"]
}
}
에이전트 호출 예제 (MCP 경로):
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."
왜 중요합니까? MCP는 스택이 커질수록 통합 유동성을 줄여줍니다. 특히 여러 에이전트나 스 모델 제공자를 실행할 때요.
단계 6: 인간 검토로 출력을 라우트, 그 다음 중개 API
어떻게 해야 할까요? 먼저 게이트키퍼 결정을 Slack/Telegram에 보내기 시작하면 초기 버전에서는 인간 확인 후만 승인된 트레이드를 실행 시스템에 전송합니다.
왜 중요합니까? 이것은 감사 가능한 루프를 만들고, 프롬프트 또는 모델 변경 중에 보호합니다.
[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.
당신이 만든
이제 두 개의 에이전트 FX 아키텍처가 있습니다. 아이디어 생성과 위험 승인, 직접 REST 통합을 지원하고 MCP 기반 도구 오케스트레이션을 지원합니다. uvx이것은 단일 에이전트 봇보다 더 강력한 기초입니다. 무역 후보자는 실행 전에 독립적인 정책 게이트를 살아남아야 하기 때문입니다.
다음 단계는 자동으로 강제하는 킬 스위치 레이어를 추가합니다. reject 비정상적인 지연, 데이터 필드 누락, 또는 고 변동성 세션 중 반복 스키마 실패를 통해. 외환 세션 그리고 위치 컨텍스트에서 COT- 그래요
