AI Investment Council

💡 Das Problem: Signal vs. Noise

Retail-Investoren ertrinken in Informationen. YouTube-Gurus schreien „Kaufen!“, während Value-Investoren vor einer „Blase“ warnen. Es fehlt an einer objektiven Synthese. Herkömmliche LLMs neigen dazu, Risiken und Chancen lediglich zusammenzufassen („Es gibt Risiken und Chancen“), ohne eine echte, fundierte Meinung zu bilden oder Widersprüche aufzulösen.

🚀 Die Lösung: Ein Argumentatives Komitee

Der AI Investment Council simuliert ein Meeting von drei Experten mit radikal unterschiedlichen Weltanschauungen. Der Clou: Sie geben nicht nur Statements ab, sondern führen eine moderierte Debatte über mehrere Runden.

Kern-Features

Widersprüchliche Personas: Ein technischer Trader, ein konservativer Value-Investor und ein Makro-Analyst.
Moderierte Debatte: Ein RoundtableAgent orchestriert Rebuttals (Gegenreden).
Daten-gestützt: Hard Facts (Preise, technische Indikatoren) werden vor der Diskussion aggregiert.

🏗 Architektur & Tech-Stack

Das System basiert auf einer sequentiellen Pipeline unter Verwendung von Google Gemini 2.5 Flash und nutzt eine fortschrittliche Client-Server-Architektur (MCP) für die Datenbeschaffung.

Komponenten

Root Agent (Sequential): Steuert den übergeordneten Ablauf.
MCP Server (finance_server.py): Ein isolierter Prozess für externe Daten (yfinance).
RAG Pipeline: Lokale Vektorisierung von YouTube-Transkripten für Persona-Kontext.

🤖 Agenten & Personas

Das System ist in zwei logische Schichten unterteilt: die Research Layer (Fakten) und die Debate Layer (Meinung).

1. The Research Layer (Data Gathering)

Bevor eine Diskussion stattfindet, sammeln spezialisierte Agenten harte Fakten.

Price Agent (MCP Powered): Nutzt einen dedizierten, lokalen MCP Server, um Preisdaten zu sammeln.
Technicals Agent (Web-Search): Nutzt Google Search Grounding für Makro-Daten (Inflation, Zinsraten) und Sentiment-Analyse.

2. The Debate Layer (The Council)

Der RoundtableAgent erhält die Daten und orchestriert die Diskussion zwischen:

Persona	Fokus	Besonderheit
🚀 TraderXO (The Degen)	Krypto, Momentum, Technicals	RAG-Enabled: Zugriff auf ein “Brain” (Vektor-DB aus YouTube-Transkripten), um Strategien mit dem Wissen des echten TraderXO zu untermauern.
🐻 Warren (Value Investor)	P/E Ratios, Dividenden, “Moats”	Konservative Bewertung, Cashflow-Fokus.
🌍 Global (Macro Analyst)	Liquidität, Geopolitik	Nüchterne Analyse der globalen Rahmenbedingungen.

🛠 Technische Highlights

1. Echtes MCP via Stdio (Model Context Protocol)

Im Gegensatz zu vereinfachten Implementierungen nutzt dieses Projekt echte Prozesstrennung.

Server: finance_server.py läuft als eigenständiger Prozess mittels FastMCP. Er isoliert die yfinance-Logik und unterdrückt Störgeräusche (stderr redirection), um den Datenstrom sauber zu halten.
Client: Der Agent verbindet sich via StdioConnectionParams und kommuniziert über Standard Input/Output Pipes.

2. Custom RAG Implementierung (“Simple Brain”)

Um Abhängigkeiten minimal zu halten, wurde ein leichtgewichtiges RAG-System implementiert:

Ingest: ingest.py lädt Transkripte und vektorisiert sie mit models/text-embedding-004.
Retrieval: Nutzt numpy für extrem schnelle Cosine Similarity Suche ohne externe Vektor-Datenbanken.

3. Multi-Turn Debate Loop

Der RoundtableAgent ist instruiert, nicht nur Daten abzufragen, sondern Kontext zu injizieren (“Warren sagte X, was ist deine Antwort darauf?”). Dies erzeugt dynamische, nicht-lineare Konversationen.

💻 Installation & Nutzung

Das Projekt ist optimiert für die Ausführung in VS Code oder Kaggle Notebooks.

Voraussetzungen: Python 3.10+, Google API Key.

# 1. Clone Repository
git clone [https://github.com/baetschler/ai-investment-council.git](https://github.com/baetschler/ai-investment-council.git)
cd ai-investment-council

# 2. Install Dependencies
pip install -r requirements.txt

# 3. Setup Environment
# Erstelle eine .env Datei:
# GOOGLE_API_KEY=Dein_Key_Hier

# 4. Knowledge Base aufbauen (Optional für RAG)
python ingest.py

# 5. Starten
python committee_agent/agent.py