Oracle3 prediction-market arbitrage checks

Oracle3

构建预测市场 Agent，用于发现市场、分析机会并测试策略。

通过 MCP 将 AI Agent 连接到 Kalshi 和 Polymarket。为它们提供可复用的 Skills，用于市场研究和策略开发，然后基于 Python 引擎进行模拟和实盘执行。

13 个 MCP 工具 · 6 个 Agent Skills · Kalshi 和 Polymarket 数据 · Python 3.10+

快速开始 · MCP 工具 · Agent Skills · 项目与贡献 · 文档

为什么选择 Oracle3

• 连贯的研究工作流。 发现合约、检查合约规则和订单簿、比较相关结果，并跟踪模拟持仓。
• 计入交易成本的计算。 五种关系检查会返回候选组合、每条腿的费用以及计算得出的净优势。
• 面向 Agent 的工具和工作流。 使用 MCP 实现结构化访问，使用 Skills 实现可重复的研究、策略编写和运营。
• 可扩展的引擎。 使用 Python 接口、风险控制以及模拟／实盘交易场所适配器构建策略。
• 实验基础。 可复现的软件检查、自动化测试和已安装软件包验证，让实现过程可供审查。

读取 Kalshi 和 Polymarket 的公开市场数据无需交易所凭据。MCP 提供市场数据、计算功能和本地模拟账本；真实订单执行则使用独立的 CLI／Python 引擎。

快速开始

安装当前开发版本的代码：

git clone https://github.com/YichengYang-Ethan/oracle3-prediction-market-agent.git
cd oracle3-prediction-market-agent
python -m venv .venv
.venv/bin/python -m pip install -e .

从此目录通过 Claude Code 连接：

claude mcp add oracle3 -- "$PWD/.venv/bin/oracle3-mcp"

对于其他 MCP 客户端，请将 .venv/bin/oracle3-mcp 的绝对路径配置为命令，并将参数列表留空。在 Windows 上，请使用 .venv\Scripts\python.exe 和 .venv\Scripts\oracle3-mcp.exe。

客户端配置和首次工具调用 · 安装已发布的软件包

给你的 Agent 分配第一个任务

查找 Kalshi 和 Polymarket 上有关下一次美联储利率决策的合约。比较它们的结果定义、结算规则和订单簿报价。总结这些市场，并列出其 ID、价格以及比较它们所需的假设。

如需在安装后离线运行计算：

使用 Oracle3 检查一项蕴含关系：A 蕴含 B。A 的 YES 买价为 $0.60，B 的 YES 卖价为 $0.55。使用默认的 Kalshi 吃单费率，并为每条腿设置 100 份合约。展示组合、总优势、费用和净优势。

此合成示例的结果为 $5.00 总优势 − $3.4125 费用 = $1.5875 计算得出的净优势，前提是所提供的蕴含关系和报价成立。查看确切输入和输出。

Agent 可以做什么

任务	工具	结果
发现市场	search_markets、get_market	合约、元数据和可用的结算规则
检查市场状况	get_quote、get_orderbook	价格、费用信息和显示的深度
分析相关合约	check_constraint、check_constraint_live	在给定关系下的组合和净优势
计算费用和模型值	trading_fee、fair_value	费用估算和参数化模型输出
尝试模拟入场	paper_order、paper_portfolio	本地账本中的模拟成交和持仓

关系检查涵盖蕴含、互斥、互补、同一事件和事件求和。它们会随结果一并展示假设，让 Agent 和研究人员使用统一的计算层。

全部 13 个 MCP 工具 · 工作流示例

可复用的 Agent Skills

此仓库包含六种工作流，可帮助 Agent 从单个工具调用扩展到完成完整任务：

Skill	用途
数据发现	查找市场并整理研究输入
约束套利	检查相关合约并计算已考虑费用的组合
量化策略编写	使用 Oracle3 的 Python 接口开发策略
Agent 策略编写	构建由 Agent 驱动的决策工作流
模拟交易操作	运行并检查模拟交易会话
实盘操作	配置和操作独立的实盘引擎

仓库包含 Claude Code 项目副本，位于 .claude/skills/。将检出目录作为项目打开，或使用客户端支持的 Skill 安装机制。Skill 设置。

面向 AI Agent： 从 llms.txt 了解任务路由，从 MCP 参考 查看工具架构，并从 AGENTS.md 了解如何贡献代码。

使用 Python 和 CLI 构建

同一个项目可用于研究脚本、Agent 策略和引擎操作：

.venv/bin/oracle3 market search --exchange kalshi --query "fed" --json
.venv/bin/oracle3 market search --exchange polymarket --query "fed decision" --json

组件	用途
MCP 服务	为 Agent 提供结构化市场访问和本地模拟操作
关系与费用	为相关合约策略提供通用计算
策略	逻辑关系、统计和模型驱动方法
交易引擎	通过 DFlow 为 Kalshi、Polymarket 和 Solana 提供模拟/实盘适配器
定价	用于研究的 Wang 变换模型和估算器
oracle3-extras	可选的交易场所、数据提供方和钱包集成

CLI 指南 · 集成指南 · 执行参考

为实验而构建

Oracle3 将具体的决策环境与结构化工具、可观测状态和软件验证框架结合起来，为 Agent 接口、工作流指导和可复现评估方面的研究提供支持。

CI 会运行自动化测试，并通过 SDK 1.x 和 2.x 上的真实 MCP 会话检查构建后的软件包。测试框架文档介绍了可复现的检查。模型级 Agent 评估是后续的研究方向。

项目概述及 Yicheng Yang 的贡献 · 费用前沿研究 · 配套定价研究

贡献

帮助构建更出色的 Agent 工作流、带标签的评估任务、策略示例和客户端集成。新的场馆、数据提供商和钱包集成从 oracle3-extras 开始。

贡献指南 · 待解决问题 · 讨论

起源与致谢

Oracle3 最初名为 ulab-uiuc/oracle3，由 Yicheng Yang 和 Haofei Yu 在伊利诺伊大学厄巴纳-香槟分校的 U Lab 开发。它还整合了实验室的 Coinjure 软件包。Yicheng Yang 继续开发并维护此仓库中的扩展。阅读项目历程与贡献。

我们谨此感谢伊利诺伊大学厄巴纳-香槟分校 Coinjure 团队的奠基性工作——Haofei Yu、Yicheng Yang、Yuxiang Liu 和 Jiaxuan You 教授。Oracle3 正是在此基础上构建的。

引用此软件时，请使用 CITATION.cff 和 Zenodo。定价模型请参阅工作论文。

许可证

Apache 2.0；详见 LICENSE。原始 U Lab 和 Coinjure 部分依据其 MIT 许可证授权，详见 NOTICE。

本软件仅用于研究和教育。交易涉及金融风险。