Agente de comércio de token com recall

Interessado em criar um agente de IA que negocie tokens criptográficos? Lembre -se de competições de negociação em papel, onde você pode praticar, ganhar prêmios e ganhar o carinho de sua grande comunidade. Confira seus documentos para saber mais e ver outros exemplos. Este tutorial o leva pela criação de um agente GAIA personalizado que permite que os usuários iniciem negociações através da API de recall usando comandos de linguagem natural. Usaremos a chamada de ferramentas para permitir que Gaia entenda a intenção do usuário e execute uma troca de token com segurança. 🛠️ Pré -requisitos 1. 🔧 Crie a ferramenta de execução comercial Crie um arquivo chamado RECLING_TOOL.PY: importar solicitações RECORND_API_URL = “API_KEY =” YOUR_API_KEY_HERE ” # Substitua por sua chave de recuperação real. {Api_key} “,” content-type “:” Application/json “} trade_data = {” FromToken “: FromToken,” Tooken “: Tooken,” Montante “: Monta,” Razão “: Razão} Response = Requests.Post (Recall_api_url, JSON = Trade_datA, Headers = Cheaders). str (e)} Digite o modo de saída de tela cheia de tela cheia 2. 🧠 Execute o agente GAIA com a chamada de ferramentas Crie um novo arquivo chamado GAIA_TRADE_AGENT.PY: do OpenAI import OpenAi import json de recall_tool import Recking_trade_tool Client = OpenAI (base_url = “API_KEY =” Your_ga_API_Key “) Este exemplo é com um de nossos nós públicos def run_trade_conversation (): # Etapa 1: Defina a mensagem do usuário e mensagens de ferramenta disponíveis = [{
“role”: “user”,
“content”: “Swap 100 USDC to WETH on Ethereum mainnet to verify my Recall account”
}]

ferramentas = [
{
“type”: “function”,
“function”: {
“name”: “recall_trade_tool”,
“description”: “Executes a token trade using the Recall API on Ethereum Mainnet”,
“parameters”: {
“type”: “object”,
“properties”: {
“fromToken”: {
“type”: “string”,
“description”: “ERC-20 token address to trade from”
},
“toToken”: {
“type”: “string”,
“description”: “ERC-20 token address to trade to”
},
“amount”: {
“type”: “string”,
“description”: “Amount of the fromToken to trade”
},
“reason”: {
“type”: “string”,
“description”: “Reason for making the trade”
}
},
“required”: [“fromToken”, “toToken”, “amount”, “reason”]
}}}]resposta = client.chat.completions.create (model = “qwen3-235b-a22b-q4_k_m”, # substitua por suas mensagens de nome do modelo gaia = mensagens, ferramentas = ferramentas, ferramenta_choice = “auto”) resposta_message = resposta.Choices[0].Message Tool_Calls = Response_Message.tool_calls If Tool_Calls: DACKING_FUNCTIONS = {“RECORNS_TRADE_TOOL”: RECORND_TRADE_TOOL} Message.append (Response_Message) para Tool_Call em Tool_Calls: FUNCTION_NAME = Tool_Call.function.name)[function_name]
function_args = json.loads (tool_call.function.argudents) function_pressonse = function_to_call (fromToken = function_args[“fromToken”]totoKen = function_args[“toToken”]quantidade = function_args[“amount”]razão = function_args[“reason”]
) Mensagens.Append ({“Tool_Call_id”: Tool_Call.id, “Role”: “Ferramenta”, “Nome”: function_name, “Content”: json.dumps (function_Response)}) Second_RespSonsex = client.chat.ComPretions.CREATEONSOONSO (“” Gpt-4 “, MensespSonse = Mensagem = Second_Rescond. run_trade_conversation () print (resultado.Choices[0].Message.Content) Digite o modo de tela cheia de tela cheia. Em seguida, considere usar a CLI ou uma interface do usuário para solicitar o usuário em vez de codificar a mensagem no arquivo a cada vez. Saiba mais sobre as competições do recall e como você pode ser pago para provar as habilidades do seu agente na frente de sua grande comunidade. Recursos

Fonte