run_agent.py

이 Python 스크립트는 암호화폐 거래 환경 시뮬레이션을 위한 복잡한 실험 코드입니다. 주요 특징들을 상세히 설명드리겠습니다:

주요 목적:

암호화폐(이더리움, 비트코인, 솔라나) 거래 환경을 시뮬레이션
GPT 모델을 활용한 의사결정 및 학습 메커니즘 테스트
다양한 데이터 소스(기술적 신호, 트랜잭션 통계, 뉴스)를 통합한 거래 전략 분석

주요 기능:

커맨드라인 옵션을 통한 세부 실험 설정
멀티 트라이얼 실행 지원
메모리 기반 학습
상세한 로깅 및 실험 추적 시스템

핵심 매개변수:

데이터셋 선택 (ETH, BTC, SOL)
사용할 AI 모델 (GPT-3.5, GPT-4)
시뮬레이션 날짜 범위
기술적 신호, 트랜잭션 통계, 뉴스, 리플렉션 사용 여부

실행 워크플로우:

로깅 디렉토리 생성
여러 환경에서 트라이얼 실행
각 트라이얼 간 메모리 업데이트
결과 및 환경 구성 JSON 로깅

코드를 세부적으로 분석해드리겠습니다. 함수와 모듈별로 상세히 설명드리겠습니다.

1. 모듈 임포트

import os
import json
import argparse
from eth_trial import run_trial
from generate_reflections import update_memory
from typing import Any, List, Dict

import os

import json

import argparse

from eth_trial import run_trial

from generate_reflections import update_memory

from typing import Any, List, Dict

os: 운영체제 관련 기능 (디렉토리/파일 작업)
json: JSON 데이터 처리
argparse: 커맨드라인 인자 파싱
eth_trial: 이더리움 트라이얼 실행 모듈
generate_reflections: 메모리 업데이트 모듈
typing: 타입 힌트 제공

2. get_parser() 함수

def get_parser():
    parser = argparse.ArgumentParser()
    parser.add_argument("--dataset", type=str, default='eth', help="[eth, btc, sol]")
    parser.add_argument("--model", type=str, default='gpt-3.5-turbo', help="[gpt-3.5-turbo, gpt-4o, gpt-4-turbo]")
    parser.add_argument("--to_print", type=int, default=1, help="Print debug info")
    # ... (여러 인자 추가)

def get_parser():

parser = argparse.ArgumentParser()

parser.add_argument("--dataset", type=str, default='eth', help="[eth, btc, sol]")

parser.add_argument("--model", type=str, default='gpt-3.5-turbo', help="[gpt-3.5-turbo, gpt-4o, gpt-4-turbo]")

parser.add_argument("--to_print", type=int, default=1, help="Print debug info")

# ... (여러 인자 추가)

실험 설정을 위한 다양한 커맨드라인 인자 정의
주요 인자:
- dataset: 사용할 암호화폐 데이터셋
- model: 사용할 AI 모델
- starting_date, ending_date: 시뮬레이션 날짜 범위
- use_memory: 메모리 사용 여부
- use_tech, use_txnstat, use_news: 다양한 데이터 소스 사용 설정
- num_trials, num_envs: 트라이얼 및 환경 수

3. main() 함수 주요 로직

def main(args) -> None:
    # 이전 실행 재개 또는 새 실행 설정
    if args.is_resume:
        # 기존 실행 디렉토리에서 환경 설정 로드
        logging_dir = args.resume_dir
        env_configs = load_previous_configs()
    else:
        # 새로운 실행 디렉토리 생성
        logging_dir = args.run_name
        env_configs = initialize_environment_configs()
    
    # 세계 로그 파일 경로 설정
    world_log_path = os.path.join(logging_dir, 'world.log')

    # 트라이얼 반복 실행
    trial_idx = args.start_trial_num
    while trial_idx < args.num_trials:
        # 트라이얼 로그 파일 준비
        trial_log_path = os.path.join(args.run_name, f'trial_{trial_idx}.log')
        trial_env_configs_log_path = os.path.join(args.run_name, f'env_results_trial_{trial_idx}.json')

        # 트라이얼 실행
        run_trial(trial_log_path, world_log_path, trial_idx, env_configs, args=args)

        # 메모리 업데이트 (옵션)
        if args.use_memory:
            env_configs = update_memory(trial_log_path, env_configs)

        # 환경 설정 및 세계 상태 로깅
        log_trial_results(trial_env_configs_log_path, env_configs)

        trial_idx += 1

def main(args) -> None:

# 이전 실행 재개 또는 새 실행 설정

if args.is_resume:

# 기존 실행 디렉토리에서 환경 설정 로드

logging_dir = args.resume_dir

env_configs = load_previous_configs()

else:

# 새로운 실행 디렉토리 생성

logging_dir = args.run_name

env_configs = initialize_environment_configs()

# 세계 로그 파일 경로 설정

world_log_path = os.path.join(logging_dir, 'world.log')

# 트라이얼 반복 실행

trial_idx = args.start_trial_num

while trial_idx < args.num_trials:

# 트라이얼 로그 파일 준비

trial_log_path = os.path.join(args.run_name, f'trial_{trial_idx}.log')

trial_env_configs_log_path = os.path.join(args.run_name, f'env_results_trial_{trial_idx}.json')

# 트라이얼 실행

run_trial(trial_log_path, world_log_path, trial_idx, env_configs, args=args)

# 메모리 업데이트 (옵션)

if args.use_memory:

env_configs = update_memory(trial_log_path, env_configs)

# 환경 설정 및 세계 상태 로깅

log_trial_results(trial_env_configs_log_path, env_configs)

trial_idx += 1

4. 주요 특징

실험 재개 지원
- is_resume 플래그로 이전 실행 상태 복원 가능
- 기존 환경 설정, 로그 파일 로드 가능
다중 트라이얼 실행
- 여러 개의 독립적인 트라이얼 반복 실행
- 각 트라이얼마다 별도의 로그 파일 생성
메모리 기반 학습
- use_memory 옵션으로 트라이얼 간 학습 메커니즘 활성화
- update_memory() 함수로 이전 트라이얼 경험 반영
상세한 로깅 시스템
- 세계 로그 파일: 전체 실행 과정 추적
- 트라이얼 로그 파일: 각 트라이얼 상세 정보
- 환경 설정 JSON: 트라이얼 간 환경 상태 기록

5. 실행 시나리오

python script.py --dataset eth --model gpt-4o --num_trials 5 --use_memory --use_tech 1

이더리움 데이터로 5개 트라이얼 실행
GPT-4o 모델 사용
메모리 및 기술적 신호 활성화

이 스크립트는 AI 기반 암호화폐 거래 전략을 체계적이고 반복 가능한 방식으로 실험하고 평가하기 위한 정교한 프레임워크입니다.

이 코드 블록은 Python 스크립트의 메인 진입점(entry point)을 정의합니다. 자세히 설명드리겠습니다:

if __name__ == '__main__':
    parser = get_parser()
    args = parser.parse_args()
    main(args)

if __name__ == '__main__':

parser = get_parser()

args = parser.parse_args()

main(args)

argparse는 Python의 표준 라이브러리로, 커맨드라인 인터페이스(CLI)를 쉽게 만들 수 있게 해주는 모듈입니다. 사용자가 스크립트를 실행할 때 다양한 옵션과 인자를 전달할 수 있도록 지원합니다.

1. 기본 구조

import argparse

# ArgumentParser 객체 생성
parser = argparse.ArgumentParser(description='프로그램에 대한 설명')

# 인자 추가
parser.add_argument('인자명', 도움말, 타입 등)

# 인자 파싱
args = parser.parse_args()

import argparse

# ArgumentParser 객체 생성

parser = argparse.ArgumentParser(description='프로그램에 대한 설명')

# 인자 추가

parser.add_argument('인자명', 도움말, 타입 등)

# 인자 파싱

args = parser.parse_args()

2. 주요 메서드와 기능

add_argument()

주요 매개변수

parser.add_argument(
    '--dataset',           # 인자 이름
    type=str,              # 데이터 타입
    default='eth',         # 기본값
    help='데이터셋 선택'    # 도움말 
)

parser.add_argument(

'--dataset', # 인자 이름

type=str, # 데이터 타입

default='eth', # 기본값

help='데이터셋 선택' # 도움말

)

인자 유형

위치 인자
- Python
  
  parser.add_argument('filename') # python script.py input.txt
  
  1
  
  parser.add_argument('filename') # python script.py input.txt
옵션 인자

parser.add_argument('--verbose', action='store_true')  # 플래그성 인자

1	parser.add_argument('--verbose', action='store_true') # 플래그성 인자

액션(Action) 타입
- store: 기본값, 값 저장
- store_true/store_false: 부울 값 저장
- count: 플래그 횟수 카운트

고급 기능 예시

parser = argparse.ArgumentParser(description='암호화폐 트레이딩 시뮬레이션')

# 문자열 선택 제한
parser.add_argument('--model', 
    type=str, 
    choices=['gpt-3.5-turbo', 'gpt-4', 'gpt-4o'],
    default='gpt-3.5-turbo',
    help='사용할 AI 모델 선택'
)

# 숫자 범위 제한
parser.add_argument('--num_trials', 
    type=int, 
    default=1, 
    help='실행할 트라이얼 수',
    choices=range(1, 11)  # 1~10 사이
)

# 부울 플래그
parser.add_argument('--use_memory', 
    action='store_true', 
    help='메모리 기반 학습 활성화'
)

# 날짜 타입 인자
from datetime import datetime
parser.add_argument('--start_date', 
    type=lambda d: datetime.strptime(d, '%Y-%m-%d'),
    default='2023-01-01',
    help='시뮬레이션 시작 날짜 (YYYY-MM-DD)'
)

parser = argparse.ArgumentParser(description='암호화폐 트레이딩 시뮬레이션')

# 문자열 선택 제한

parser.add_argument('--model',

type=str,

choices=['gpt-3.5-turbo', 'gpt-4', 'gpt-4o'],

default='gpt-3.5-turbo',

help='사용할 AI 모델 선택'

)

# 숫자 범위 제한

parser.add_argument('--num_trials',

type=int,

default=1,

help='실행할 트라이얼 수',

choices=range(1, 11) # 1~10 사이

)

# 부울 플래그

parser.add_argument('--use_memory',

action='store_true',

help='메모리 기반 학습 활성화'

)

# 날짜 타입 인자

from datetime import datetime

parser.add_argument('--start_date',

type=lambda d: datetime.strptime(d, '%Y-%m-%d'),

default='2023-01-01',

help='시뮬레이션 시작 날짜 (YYYY-MM-DD)'

)

도움말 자동 생성
- # 도움말 출력
  python script.py -h 또는 –help
오류 처리
- 잘못된 인자 입력 시 자동으로 사용법과 오류 메시지 출력
- 타입 미스매치, 선택 범위 벗어난 값 등 검증

고급 사용법

# 상호 배타적 그룹
group = parser.add_mutually_exclusive_group()
group.add_argument('--verbose', action='store_true')
group.add_argument('--quiet', action='store_true')

# 사용자 정의 검증
def positive_int(value):
    ivalue = int(value)
    if ivalue <= 0:
        raise argparse.ArgumentTypeError(f"{value}는 양수여야 합니다.")
    return ivalue

parser.add_argument('--trials', type=positive_int)

# 상호 배타적 그룹

group = parser.add_mutually_exclusive_group()

group.add_argument('--verbose', action='store_true')

group.add_argument('--quiet', action='store_true')

# 사용자 정의 검증

def positive_int(value):

ivalue = int(value)

if ivalue <= 0:

raise argparse.ArgumentTypeError(f"{value}는 양수여야 합니다.")

return ivalue

parser.add_argument('--trials', type=positive_int)

주요 장점
- 표준 라이브러리에 내장
- 자동 도움말 생성
- 타입 검증
- 기본값 설정
- 플래그 및 옵션 쉽게 정의
실전 팁
- 명확하고 간결한 인자명 사용
- 상세한 도움말 제공
- 직관적인 기본값 설정
- 오류 처리를 고려한 설계

argparse는 CLI 애플리케이션 개발 시 필수적인 모듈로, 사용자 인터페이스의 유연성과 강력한 기능을 제공합니다.

실제 사용 예시를 몇 가지 시나리오로 작성해드리겠습니다.

간단한 계산기 프로그램

import argparse

def calculate(args):
    if args.operation == 'add':
        print(f"덧셈 결과: {args.num1 + args.num2}")
    elif args.operation == 'subtract':
        print(f"뺄셈 결과: {args.num1 - args.num2}")
    elif args.operation == 'multiply':
        print(f"곱셈 결과: {args.num1 * args.num2}")
    elif args.operation == 'divide':
        if args.num2 == 0:
            print("0으로 나눌 수 없습니다.")
        else:
            print(f"나눗셈 결과: {args.num1 / args.num2}")

def main():
    # ArgumentParser 생성
    parser = argparse.ArgumentParser(description='간단한 계산기 프로그램')
    
    # 필수 인자 추가
    parser.add_argument('num1', type=float, help='첫 번째 숫자')
    parser.add_argument('num2', type=float, help='두 번째 숫자')
    
    # 선택 인자 추가
    parser.add_argument(
        '--operation', 
        type=str, 
        choices=['add', 'subtract', 'multiply', 'divide'], 
        default='add', 
        help='수행할 연산'
    )
    
    # 추가 옵션
    parser.add_argument(
        '--verbose', 
        action='store_true', 
        help='상세 출력 모드'
    )
    
    # 인자 파싱
    args = parser.parse_args()
    
    # 상세 모드 출력
    if args.verbose:
        print(f"연산 모드: {args.operation}")
        print(f"첫 번째 숫자: {args.num1}")
        print(f"두 번째 숫자: {args.num2}")
    
    # 계산 수행
    calculate(args)

if __name__ == '__main__':
    main()

import argparse

def calculate(args):

if args.operation == 'add':

print(f"덧셈 결과: {args.num1 + args.num2}")

elif args.operation == 'subtract':

print(f"뺄셈 결과: {args.num1 - args.num2}")

elif args.operation == 'multiply':

print(f"곱셈 결과: {args.num1 * args.num2}")

elif args.operation == 'divide':

if args.num2 == 0:

print("0으로 나눌 수 없습니다.")

else:

print(f"나눗셈 결과: {args.num1 / args.num2}")

def main():

# ArgumentParser 생성

parser = argparse.ArgumentParser(description='간단한 계산기 프로그램')

# 필수 인자 추가

parser.add_argument('num1', type=float, help='첫 번째 숫자')

parser.add_argument('num2', type=float, help='두 번째 숫자')

# 선택 인자 추가

parser.add_argument(

'--operation',

type=str,

choices=['add', 'subtract', 'multiply', 'divide'],

default='add',

help='수행할 연산'

)

# 추가 옵션

parser.add_argument(

'--verbose',

action='store_true',

help='상세 출력 모드'

)

# 인자 파싱

args = parser.parse_args()

# 상세 모드 출력

if args.verbose:

print(f"연산 모드: {args.operation}")

print(f"첫 번째 숫자: {args.num1}")

print(f"두 번째 숫자: {args.num2}")

# 계산 수행

calculate(args)

if __name__ == '__main__':

main()

실행 예시

# 기본 덧셈
python calculator.py 10 5

# 곱셈 연산
python calculator.py 10 5 --operation multiply

# 상세 모드
python calculator.py 10 5 --verbose

# 나눗셈 연산
python calculator.py 10 5 --operation divide