もし最近、また一つのチャットの殻ではなく、本当に「リサーチの泥仕事」を代行してくれる金融エージェントを探しているなら、DojoAgents は10分試してみる価値があります。深涌智能（Alpha-Dojo）がオープンソース化した「自律金融インテリジェンス AlphaDojo」のうち、個人投資家のシーンに向けたエージェントフレームワークで、公開1週間あまりでGitHubで1000以上のスターを獲得しました。

市場スキャン、ニュース検索、企業分析、産業チェーンマッピング、ポートフォリオ構築、リスク分析を、エージェントが自律的に呼び出せる一連のツールに分解し、Agent Loop で一本の完全な意思決定支援フローへとつなげます。A株、米国株、香港株をカバー。このチュートリアルでは、それをローカルで動かす方法を解説します。

⚠️ 重要な前提説明: フレームワーク自体はライセンス済みの相場/ニュースデータソースを含みません。認可済みのデータソースを各自で設定する必要があります。プロジェクトには強い規制に関する免責事項が付随しています。情報整理とリサーチのみを目的とし、いかなる投資助言にもなりません。

始める前の準備

• Python 3.11+（実測では3.11以降が必要）
• uv（パッケージマネージャー。pip より手間がかからない）
• 利用可能な LLM キー（OpenAI / Anthropic / Gemini / DeepSeek / GLM のいずれかを。ローカルモデルもサポート）
• 所要時間の目安：10〜15分

プロジェクトリポジトリ：https://github.com/Alpha-Dojo/DojoAgents （PyPI パッケージ名：dojoagents）

ステップ1：仮想環境の作成とインストール

ターミナルを開き、作業ディレクトリで実行します：

uv venv && source .venv/bin/activate
uv pip install dojoagents

まだ uv をインストールしていない場合は、先に brew install uv（macOS）を実行するか、uv 公式インストールドキュメント を参照してください。

ステップ2：Dashboard を起動する

インストールが完了したら、1行のコマンドでローカルコンソールを立ち上げます：

dojoagents dashboard --host 127.0.0.1 --port 8765

その後、ブラウザで http://127.0.0.1:8765/ にアクセスします。

ステップ3：Settings でモデルを設定する

Settings ページに入ると、エージェントに使わせたいモデルを設定できます。2種類の接続方式をサポート：

• API モデル: OpenAI、Anthropic、Gemini、DeepSeek、GLM
• ローカルモデル: Ollama、vLLM、llama.cpp

コストを抑えたい、あるいはオフラインで動かしたい場合はローカルモデル路線を。推論品質を重視するなら Anthropic / DeepSeek / GLM などクローズドソース API を選びます。

4つの代表シーンを一通り動かす

Dashboard が立ち上がったら、次の4つのシーンはプロジェクトのデモの中で Agent Loop の価値が最もよく表れる部分です。順番に一通り試してみることをおすすめします。

シーン1: 市場メイントレンドのスキャン

エージェントに直接こう聞いてみます：「今日の A株・米国株・香港株で、それぞれどんな異動セクターや強い銘柄がある？」

エージェントはグローバル市場、業界、個別銘柄のツールを呼び出し、異動セクター、騰落率、出来高の変化、業界分布を取得し、それらを半導体、AI 計算基盤、ストレージ、光モジュールといったテーマに分類します。さらに「リサーチウォッチリストに整理して」と続ければ、構造化された銘柄リストを出力してくれます。

シーン2: ニュースからチャンスを掘る

つながりを感じられる質問を試してみます：「Meta が計算資源を売ることは、米国株と A株のどの業界・企業に影響する？」

エージェントの処理パスは見応えがあります：

1. まず Meta の価格と関連ニュースを取得
2. イベントの影響パスを分析（AI 計算基盤 → クラウド → サーバー → GPU → 光モジュール → 半導体装置）
3. 米国株と A株の具体的な企業へマッピング
4. オプション：ニュース公開日の価格でシミュレーション用のウォッチポートフォリオを組み、Dashboard に想定建設価格と想定リターン曲線を表示

💡 ヒント: シミュレーションポートフォリオはリサーチ用途であり、バックテストの約束ではありません。過去価格の分析は、エージェントがデータソースから取得できる期間のみをカバーします。

シーン3: ポートフォリオのスクリーンショットを匿名で診断

マルチモーダル能力が最もよく表れるシーンです。保有銘柄のスクリーンショットの氏名と口座番号を隠したうえでアップロードします（デモでは A株・米国株・ETF にまたがる40超の銘柄）。DojoAgents は：

• 市場、業界、産業チェーン上の位置づけで再分類
• ポートフォリオのリスク診断を生成
• セクターへの過度な集中、内部保有の高い重複、防御資産の不足などの問題を指摘

アップロード前に必ずマスキングしてください。エージェントにあなたが誰かを知られる必要はありません。

シーン4: 市場ディスカバリーの集約

複数のニュースソース、機関見解、市場異動を自動で集約し、当日の市場メイントレンドを抽出したうえで、影響を受ける具体的な業界とセクターをさらに分析します。毎日寄り前に一度回して朝会のブリーフィングにするのに向いています。

なぜ時間をかける価値があるのか

自律金融インテリジェンスはまだ初期段階にあります。多くのチームが、モデルアダプタ、データインタフェース、ツール呼び出し、タスクオーケストレーション、フロントエンドインタラクションという一式の基盤を繰り返し構築しています。AlphaDojo が開放しているのはこの基盤フレームワークそのもの：Agent Loop、タスクオーケストレーション、金融ツールインタフェース、Dashboard、マルチモデル対応、ローカルデプロイ、ポートフォリオリサーチ能力です。

金融系開発者やクアント研究者なら、モデルの差し替え、ツールの拡張、自前のデータやナレッジベースの接続を直接行え、ゼロからフレームワークを組む時間を節約できます。

よくある質問

• 起動時に "module not found" エラー: 仮想環境が有効化されているか（source .venv/bin/activate）、Python バージョンが 3.11 以上かを確認してください。
• 相場データが空: フレームワークはデータソースを同梱しません。認可済みデータソースを自分で設定する必要があります。オープンソースリポジトリのドキュメントに対応方法が記載されています。
• ローカルの Ollama モデルが結果を出さない: Ollama サービスが http://localhost:11434 で到達可能か、モデルを ollama pull で取得済みかを確認してください。
• A株データが不正確: A株データの精度は接続したデータソースの品質次第です。エージェントの出力をそのままトレードシグナルにしないでください。

免責事項: DojoAgents の機能は主に金融情報の整理、リサーチ分析および技術デモを目的としており、いかなる投資助言にもなりません。ポートフォリオ構築および過去価格分析は、いずれもシミュレーションのリサーチシーンです。