moon-dev-trading-agents

Moon Dev の AI トレーディングエージェントシステム

Hyperliquid、Solana（BirdEye）、Asterdex、Extended Exchange における暗号資産取引向けに、48 以上の専門 AI エージェントをオーケストレーションする Moon Dev の実験的な AI トレーディングシステムを扱うための専門知識です。

このスキルを使用する場面

次のような場合にこのスキルを使用してください。

• Moon Dev のトレーディングエージェントリポジトリを扱う場合
• エージェントのアーキテクチャや機能を理解する必要がある場合
• トレーディングエージェントを実行、変更、または作成する場合
• トレーディングシステム、取引所、LLM プロバイダーを設定する場合
• トレーディング処理やエージェント間のやり取りをデバッグする場合
• RBI エージェントによるバックテストについて理解する場合
• 新しい取引所や戦略を設定する場合

環境設定に関する注意

新規ユーザー向け：このリポジトリでは Python 3.10.9 を使用します。conda を使用する場合、README では tflow という名前の環境を設定していますが、好きな名前を付けられます。conda を使用しない場合も、標準的な pip/venv で問題ありません。

クイックスタートコマンド

# Activate your Python environment (conda, venv, or whatever you use)
# Example with conda: conda activate tflow
# Example with venv: source venv/bin/activate
# Use whatever environment manager you prefer

# Run main orchestrator (controls multiple agents)
python src/main.py

# Run individual agent
python src/agents/trading_agent.py
python src/agents/risk_agent.py
python src/agents/rbi_agent.py

# Update requirements after adding packages
pip freeze > requirements.txt

コアアーキテクチャ

ディレクトリ構成

src/
├── agents/              # 48+ specialized AI agents (<800 lines each)
├── models/              # LLM provider abstraction (ModelFactory)
├── strategies/          # User-defined trading strategies
├── scripts/             # Standalone utility scripts
├── data/                # Agent outputs, memory, analysis results
├── config.py            # Global configuration
├── main.py              # Main orchestrator loop
├── nice_funcs.py        # Core trading utilities (~1,200 lines)
├── nice_funcs_hl.py     # Hyperliquid-specific functions
├── nice_funcs_extended.py # Extended Exchange functions
└── ezbot.py             # Legacy trading controller

主なコンポーネント

エージェント（src/agents/）

• 各エージェントは単独で実行可能です
• LLM へのアクセスには ModelFactory を使用します
• 出力は src/data/[agent_name]/ に保存します
• 800 行未満に保ちます（それを超える場合は分割します）

LLM 統合（src/models/）

• ModelFactory が統一インターフェースを提供します
• 対応対象：Claude、GPT-4、DeepSeek、Groq、Gemini、Ollama
• パターン：ModelFactory.create_model('anthropic')

トレーディングユーティリティ

• nice_funcs.py：コア関数（Solana/BirdEye）
• nice_funcs_hl.py：Hyperliquid 取引所
• nice_funcs_extended.py：Extended Exchange（X10）

設定

• config.py：トレーディング設定、リスク制限、エージェントの動作
• .env：API キーとシークレット（絶対に公開しないでください）

エージェントのカテゴリ

トレーディング：trading_agent、strategy_agent、risk_agent、copybot_agent

市場分析：sentiment_agent、whale_agent、funding_agent、liquidation_agent、chartanalysis_agent

コンテンツ：chat_agent、clips_agent、tweet_agent、video_agent、phone_agent

リサーチ：rbi_agent（動画/PDF からバックテストコードを作成）、research_agent、websearch_agent

特化型：sniper_agent、solana_agent、tx_agent、million_agent、polymarket_agent、compliance_agent、swarm_agent

説明付きの完全な一覧は AGENTS.md を参照してください。

よくあるワークフロー

1. 単一のエージェントを実行する

# Activate your environment first
python src/agents/[agent_name].py

各エージェントは単独で動作し、個別に実行できます。

2. メインオーケストレーターを実行する

python src/main.py

main.py の ACTIVE_AGENTS 辞書に基づいて、複数のエージェントをループで実行します。

3. 取引所を変更する

エージェントファイルまたは設定を編集します。

EXCHANGE = "hyperliquid"  # or "birdeye", "extended"

次に、対応する関数をインポートします。

if EXCHANGE == "hyperliquid":
    from src import nice_funcs_hl as nf
elif EXCHANGE == "extended":
    from src import nice_funcs_extended as nf

4. AI モデルを切り替える

src/config.py を編集します。

AI_MODEL = "claude-3-haiku-20240307"  # Fast, cheap
# AI_MODEL = "claude-3-sonnet-20240229"  # Balanced
# AI_MODEL = "claude-3-opus-20240229"  # Most powerful

または、エージェントごとに ModelFactory を使用します。

from src.models.model_factory import ModelFactory
model = ModelFactory.create_model('deepseek')  # or 'openai', 'groq', etc.
response = model.generate_response(system_prompt, user_content, temperature, max_tokens)

5. 戦略をバックテストする（RBI エージェント）

python src/agents/rbi_agent.py

次のいずれかを指定します：YouTube URL、PDF、またはトレーディングアイデアのテキスト
→ DeepSeek-R1 が戦略ロジックを抽出します
→ backtesting.py 互換のコードを生成します
→ バックテストを実行し、指標を返します

その他の例については WORKFLOWS.md を参照してください。

開発ルール

重要なルール

1. ファイルは 800 行未満に保つ - それを超える場合は新しいファイルに分割してください
2. ファイルを移動しない - 新規作成はできますが、許可なく移動してはいけません
3. 既存の環境を使用する - 新しい仮想環境は作成せず、初期設定で作成したものを使用してください
4. pip install の後は requirements.txt を更新する：pip freeze > requirements.txt
5. 実データのみを使用する - 合成データや偽データは絶対に使用しないでください
6. エラー処理は最小限にする - 過剰に作り込んだ try/except ではなく、エラーをユーザーに見せてください
7. API キーを公開しない - .env の内容を表示しないでください

エージェント開発パターン

新しいエージェントを作成する場合：

# 1. Use ModelFactory for LLM
from src.models.model_factory import ModelFactory
model = ModelFactory.create_model('anthropic')

# 2. Store outputs in src/data/
output_dir = "src/data/my_agent/"

# 3. Make independently executable
if __name__ == "__main__":
    # Standalone logic here

# 4. Follow naming: [purpose]_agent.py

# 5. Add to config.py if needed

バックテスト

• backtesting.py ライブラリを使用します（組み込みのインジケーターは使用しないでください）
• インジケーターには pandas_ta または talib を使用します
• サンプルデータ：src/data/rbi/BTC-USD-15m.csv

設定ファイル

config.py：取引設定

• MONITORED_TOKENS、EXCLUDED_TOKENS
• ポジションサイズ：usd_size、max_usd_order_size
• リスク：CASH_PERCENTAGE、MAX_LOSS_USD、MAX_GAIN_USD
• エージェント：SLEEP_BETWEEN_RUNS_MINUTES、ACTIVE_AGENTS
• AI：AI_MODEL、AI_MAX_TOKENS、AI_TEMPERATURE

.env：シークレット（絶対に公開しないでください）

• 取引 API：BIRDEYE_API_KEY、MOONDEV_API_KEY、COINGECKO_API_KEY
• AI：ANTHROPIC_KEY、OPENAI_KEY、DEEPSEEK_KEY、GROQ_API_KEY、GEMINI_KEY
• ブロックチェーン：SOLANA_PRIVATE_KEY、HYPER_LIQUID_ETH_PRIVATE_KEY、RPC_ENDPOINT
• 拡張項目：X10_API_KEY、X10_PRIVATE_KEY、X10_PUBLIC_KEY、X10_VAULT_ID

取引所のサポート

Hyperliquid（nice_funcs_hl.py）

• EVM 互換の無期限先物 DEX
• 関数：market_buy()、market_sell()、get_position()、close_position()
• 最大 50 倍のレバレッジ

BirdEye/Solana（nice_funcs.py）

• Solana の現物トークンデータと取引
• 関数：token_overview()、token_price()、get_ohlcv_data()
• 15,000 以上のトークンのリアルタイム市場データ

Extended Exchange（nice_funcs_extended.py）

• StarkNet ベースの無期限先物（X10）
• シンボルを自動変換（BTC → BTC-USD）
• 最大 20 倍のレバレッジ
• 互換性のため、関数は Hyperliquid API と同じです

取引所ごとのガイドは、docs/hyperliquid.md、docs/extended_exchange.md を参照してください。

データフローのパターン

Config/Input → Agent Init → API Data Fetch → Data Parsing →
LLM Analysis (via ModelFactory) → Decision Output →
Result Storage (CSV/JSON in src/data/) → Optional Trade Execution

よくあるタスク

新しいパッケージを追加する：

# Make sure your environment is activated first
pip install package-name
pip freeze > requirements.txt

市場データを読み取る：

from src.nice_funcs import token_overview, get_ohlcv_data, token_price

overview = token_overview(token_address)
ohlcv = get_ohlcv_data(token_address, timeframe='1H', days_back=3)
price = token_price(token_address)

取引を実行する（Hyperliquid）：

from src import nice_funcs_hl as nf
nf.market_buy("BTC", usd_amount=100, leverage=10)
position = nf.get_position("BTC")
nf.close_position("BTC")

取引を実行する（Extended）：

from src import nice_funcs_extended as nf
nf.market_buy("BTC", usd_amount=100, leverage=15)
position = nf.get_position("BTC")
nf.close_position("BTC")

Git 操作

現在のブランチ：main PR 用のメインブランチ：main

最近のコミット：

• dc55e90：websearch agent
• 921ead6：websearch_agent を起動し、rbi agent を更新
• 6bb55c2：backtest dash

変更されたファイル（現在）：

• .env_example
• src/agents/swarm_agent.py
• src/agents/trading_agent.py
• src/data/ohlcv_collector.py

ドキュメント

主なドキュメント（docs/）：

• CLAUDE.md：プロジェクトの概要と開発ガイドライン
• hyperliquid.md、hyperliquid_setup.md：Hyperliquid 取引所
• extended_exchange.md：Extended Exchange（X10）のセットアップ
• rbi_agent.md：Research-Based Inference エージェント
• websearch_agent.md：ウェブ検索機能
• swarm_agent.md：マルチエージェントの連携
• [agent_name].md：個々のエージェントのドキュメント

README ファイル：

• ルートの README.md：プロジェクトの概要
• src/models/README.md：LLM プロバイダーのガイド

リスク管理

• 取引判断を行う前に、リスクエージェントが最初に実行されます
• サーキットブレーカー：MAX_LOSS_USD、MINIMUM_BALANCE_USD
• ポジション決済時の AI による確認（設定可能）
• デフォルトのループ：15 分ごと（SLEEP_BETWEEN_RUNS_MINUTES）

プロジェクトの理念

これは実験的な教育用プロジェクトです：

• 収益性は保証されません
• オープンソースで無料です
• YouTube 主導の開発
• Discord を通じてコミュニティがサポート
• 公式トークンはありません（詐欺にご注意ください）

目標：実践的な取引例を通じて、AI エージェント開発を民主化することです。

追加リソース

エージェントの全リストは AGENTS.md を参照してください ワークフローの例は WORKFLOWS.md を参照してください アーキテクチャの詳細は ARCHITECTURE.md を参照してください

---

Moon Dev が 🌙 を込めて開発

「過剰に複雑化せず、実際に使える取引システムを常にリリースする。」