🏆 PRODUCTION READY & STRESS TESTED Contrairement aux démos de hackathon classiques, TradeOracle est durci pour la production.
- Fiabilité : 100% de succès sur 5 cycles de stress consécutifs.
- Stabilité : Zéro crash même en gérant les limites de débit API (Smart Retry Logic).
- Vitesse : Scanne 800+ marchés en < 1 seconde, analyse cognitive complète en ~45s.
- Intégrité : Vérification anti-hallucination validée.
💡 L'Inspiration
La plupart des robots de trading sont des scripts rigides qui suivent aveuglément des indicateurs comme le RSI ou le MACD. Ils ne peuvent pas s'adapter aux changements de régime de marché ni expliquer pourquoi ils prennent une décision. Nous voulions construire une couche d'intelligence modulaire — un "Patch Universel" — qui donne à n'importe quel système de trading la capacité cognitive de réfléchir avant d'agir.
⚙️ Ce qu'il fait (What it does)
TradeOracle n'est pas juste un bot, c'est un Agent Autonome propulsé par Google Gemini 2.5 et le Model Context Protocol (MCP).
- L'Effet Domino (Pipeline) : En une seule commande, il déclenche une réaction en chaîne : Scan → Filtrage → Détection de Régime → Analyse Technique → Consensus Multi-IA → Alerte.
- Filtrage Cognitif : Il ne regarde pas seulement les chiffres. Il envoie les données graphiques à Gemini, qui utilise le raisonnement "Chain-of-Thought" pour valider la structure du marché et rejeter les faux positifs.
- Accès Universel (MCP) : Via son serveur FastMCP, TradeOracle peut être branché directement dans Claude Desktop, Cursor, ou n'importe quel IDE, agissant comme un assistant de trading en temps réel.
🏗️ Comment nous l'avons construit
- Cerveau (Core AI) : Google Gemini 2.5 Flash pour le raisonnement haute vitesse et la validation contextuelle.
- Orchestration : Python & LangChain pour gérer le flux de données complexe.
- Architecture : Un pipeline "Domino" robuste en 5 étapes, construit sur asyncio et FastMCP.
- Données : Connexion temps réel à l'API MEXC Futures (800+ paires).
- Persistance : Base de données SQLite qui trace chaque "Pensée" (Thought) et décision pour l'audit et l'auto-amélioration.
- Consensus Hybride : Intégration de modèles locaux (via LM Studio) pour travailler de concert avec Gemini dans le Cloud.
😤 Les défis rencontrés
Gérer la latence entre le scan de 800 cryptos et l'obtention d'un raisonnement IA profond était difficile. Nous avons résolu cela en implémentant un Système de Scoring Composite qui pré-filtre le top 5% des opportunités avant de les envoyer à Gemini, optimisant ainsi les coûts API et la vitesse (de 10 min à 45 secondes).
Un autre défi majeur fut les quotas API (429 Too Many Requests). Nous avons développé une logique de Smart Retry avec Backoff Exponentiel qui rend le système "incassable".
🏅 Réalisations dont nous sommes fiers
- Avoir atteint une boucle complète "Scan-to-Decision" en 45 secondes avec une fiabilité de 100% lors des Stress Tests.
- Le système identifie avec succès les régimes de marché (ex: "Trending Down") et ajuste automatiquement son aversion au risque sans intervention humaine.
- L'interopérabilité totale grâce à MCP : le système est agnostique et modulaire.
🚀 La suite pour TradeOracle
Nous prévoyons d'activer le module "Consensus Institutionnel" (Phase 3), permettant à TradeOracle de croiser les décisions avec d'autres LLMs et des données on-chain pour créer un système de vote de qualité bancaire.
Log in or sign up for Devpost to join the conversation.