Projet de R&D : un bot Go qui interroge Grok avec des outils natifs (données de marché, carnet d'ordres, indicateurs), garde une mémoire des décisions, applique des règles de risque strictes et journalise tout. Trois itérations d'architecture et une trentaine de documents d'analyse.
Contexte
Je voulais comprendre concrètement comment un agent LLM raisonne avec des outils, combien il coûte, et comment contraindre ses décisions. Le trading est un terrain exigeant : données bruitées, latence, coûts par appel.
Ce que j'ai construit
- Client Coinbase Advanced Trade signé JWT, portefeuilles, dépôts, données de marché.
- Boucle d'agent avec tool calling, contexte compressé (réduction mesurée des tokens), mémoire des trades, indicateurs RSI/MACD/EMA/Bollinger.
- Module de risque (taille de position, stop-loss, limites journalières), mode paper trading par défaut, logs debug/bot séparés.
Résultat
Aucun argent réel engagé : l'intérêt est l'ingénierie d'agent (prompt, outils, coût, sécurité), documentée en détail.