dove stanno andando gli agenti AI
Su GitHub ci sono davvero tantissimi progetti gratuiti incredibili.
In molti casi, alcune delle funzionalità offerte da questi software open source possono già competere direttamente con strumenti per cui oggi si paga un abbonamento mensile. Ed è proprio esplorando GitHub che ogni tanto si scoprono progetti capaci di mostrare in anticipo dove sta andando il mercato dell’intelligenza artificiale.
Uno di questi è TradingAgents, un framework open source sviluppato per applicare sistemi multi-agent all’analisi dei mercati finanziari.
La particolarità del progetto è che non si limita a utilizzare un singolo modello AI. Al contrario, simula il funzionamento di una vera società di investimento, distribuendo il lavoro tra diversi agenti specializzati che collaborano, discutono e verificano reciprocamente le proprie conclusioni.
L’installazione è piuttosto semplice per chi ha familiarità con Python. Dopo aver clonato il repository da GitHub, è sufficiente creare un ambiente dedicato e installare il pacchetto:
git clone https://github.com/TauricResearch/TradingAgents.git
cd TradingAgents
conda create -n tradingagents python=3.13
conda activate tradingagents
pip install .
In alternativa è disponibile anche una configurazione Docker per eseguire il framework all’interno di un container.
Una volta completata l’installazione, è necessario configurare una chiave API per uno dei modelli supportati. Il progetto è compatibile con diversi provider, tra cui OpenAI, Anthropic, Gemini, Grok, DeepSeek e altri modelli linguistici.
Ma la parte davvero interessante arriva quando si osserva come funziona il sistema.
Il processo inizia con una squadra di analisti virtuali, ognuno incaricato di esaminare il mercato da una prospettiva diversa.
L’analista fondamentale studia i dati aziendali e i bilanci. L’analista tecnico interpreta grafici e indicatori di mercato. Un altro agente monitora le notizie e gli eventi macroeconomici, mentre l’analista del sentiment cerca di comprendere l’umore degli investitori attraverso social network, forum e discussioni online.
A questo punto entra in scena una seconda fase di confronto. Alcuni agenti sostengono una tesi rialzista, altri una tesi ribassista. Il sistema genera quindi una sorta di dibattito strutturato nel quale vengono evidenziati punti di forza e criticità di ogni scenario.
Successivamente interviene il trader AI, che raccoglie tutte le informazioni prodotte dagli analisti e formula una proposta operativa.
Prima che venga approvata, però, la decisione passa attraverso un ulteriore livello di controllo. Gli agenti dedicati alla gestione del rischio valutano esposizione, volatilità e possibili scenari negativi. Solo dopo questa revisione finale il portfolio manager può accettare o respingere la strategia suggerita.
Al di là dell’applicazione nel trading, TradingAgents è interessante perché rappresenta molto bene una delle direzioni più promettenti dell’intelligenza artificiale attuale: i sistemi multi-agent.
Invece di affidarsi a un unico modello che cerca di fare tutto, questi framework costruiscono team virtuali composti da agenti specializzati che collaborano tra loro. È un approccio che sta iniziando a comparire in numerosi prodotti commerciali e piattaforme SaaS, ma che in questo caso può essere studiato, modificato e sperimentato gratuitamente.
Ed è proprio questo il motivo per cui vale la pena tenere d’occhio GitHub.
Molte delle tecnologie che tra qualche anno diventeranno prodotti da centinaia di euro all’anno sono già disponibili oggi sotto forma di progetti open source. TradingAgents è uno di quei casi che permettono di osservare questa evoluzione mentre sta accadendo.