建立一个由两个代理人组成的外汇团队:研究人员+执行门卫

编者: 汇率数据组
发表时间: May 21, 2026

单一代理的外汇机器人失败的原因很简单:同一个产生想法的模型也可以批准它们. 美国非农业工资只有一个推理错误就会直接导致风险.

本指南展示了一个更安全的架构:在两个代理人之间分担责任.第一个代理人进行市场研究并提出设置.第二个代理人是一个严格的守门员,只能根据严格风险规则批准,改变尺寸或拒绝建议.

您将在工作的最后获得一个实用的两名代理工作流程. 欧元/美元现在我汇率汇率支持直接的REST API集成和基于MCP的工具集成.

目标: 通过在任何经纪人行动之前强制执行强制批准层,从"人工智能交易想法"转变为"风险验证的人工智能的交易候选人".

预先要求

在Python3.10+中,
来自FXMacroData的API键管理API现在我们要做什么?
对于研究人员和守门员来说,
基本熟悉JSON和HTTPAPI.

安装依赖:

pip install requests python-dotenv pydantic

创建一个 .env 文件:

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

步骤1:确定两个工作人员的严格角色

如何做: 在编写代码之前,

研究人员:阅读宏观+市场背景并提出候选设置.
守门代理:仅验证限制.它不能发明新的交易,只能批准/拒绝/缩小.

为什么这很重要: 这种分离防止单个模型绕过风险控制,当信心高但证据薄弱时.

Step 2: Pull structured context with direct REST calls

如何做: 获取FXMacroData的发布和现场数据,以便研究人员获得清洁的输入,而不是非结构化标题.

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"

为什么这很重要: 它们的实验结果是:

最低Python收藏器:

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:],
    }

步骤3:与研究代理人一起生成贸易候选人

如何做: 只有对有结构的贸易候选人来询问研究人员,不要让他发送准备执行的指令.

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

为什么这很重要: 一个固定的模式允许门卫执行可预测字段上的规则, 而不是试图解析自由形式的文本.

建议: 包含从美国联邦储备现在我欧洲央行总的来说,我们需要在搜索提示符中进行沟通,但最终输出要紧.

步骤4:在门卫代理人中执行严格风险规则

如何做: 通过第二个模型或第一规则验证器,

举例政策:

交易每次最大风险:0.50%的股权.
没有新交易在15分钟内高影响力发布从发布日程现在我们要做什么?
强制性的无效级别
如果值值 < 0.60,则拒绝.

皮达尼斯门和决策输出:

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")

为什么这很重要: 即使研究人员读错了, 守门员仍然可以阻止超大或弱的设置.

Step 5: Add MCP integration path (tool-native agent workflow)

如何做: 通过MCP暴露FXMacroData,以便代理框架可以本地调用工具,而不是为每个机器人构建自定义的REST.

通过Python启动一个MCP服务器 uvx没有

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

客户端配置示例:

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

您的研究代理的MCP工具调用方案示例:

{
  "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"]
  }
}

代理调用示例 (MCP路径):

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."

为什么这很重要: 随着堆积的增长,MCP减少了整合漂移,尤其是在运行多个代理或交换模型提供商时.

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

如何做: 首先将门卫决定发送到Slack/Telegram. 在早期版本中,只有在人类确认后,才会将批准的交易发送给执行系统.

为什么这很重要: 这会创建可审核的循环,并在提示或模型更改时保护您.

[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.

你所建立的

现在有一个由两个代理组成的FX架构,将创意生成与风险审批分开,支持直接REST集成,并支持通过 uvx这比单代理机器人更有实力, 因为交易候选人必须在执行之前经历独立的政策门.

接下来:添加一个自动强制杀死开关层. reject 在高波动性会话期间,不寻常的延迟,缺失的数据字段或重复的方案故障后. 外汇会议并且从位置上定位其他现在我们要做什么?

Build a Two-Agent FX Stack: Research Agent + Execution Gatekeeper

建立一个由两个代理人组成的外汇团队:研究人员+执行门卫

预先要求

步骤1:确定两个工作人员的严格角色

Step 2: Pull structured context with direct REST calls

步骤3:与研究代理人一起生成贸易候选人

步骤4:在门卫代理人中执行严格风险规则

Step 5: Add MCP integration path (tool-native agent workflow)

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

你所建立的

More Articles

Blogroll

Key Facts

Quick Q&A