Parlez à quelqu'un
qui comprend les marchés.
Ce n'est pas un chatbot qui parle de trading. C'est un agent avec plus de 100 outils MCP qui récupère des données réelles, calcule des indicateurs, entraîne des modèles et exécute des backtests — tout en langage naturel.
Verida — the model executes real market tools, not just answers
Comment ça marche en pratique
Récupère les 500 derniers chandeliers de 1h de BTCUSDT
L'IA déclare l'outil buscar_binance, persiste comme série raw et répond avec l'URI + métadonnées.
Calcule le RSI de 14 périodes et le MACD
L'IA enchaîne rsi() et macd() sur la série, persiste comme derived, et vous obtenez l'URI + dernière valeur.
Entraîne un modèle de classification avec RSI, ATR et volume
L'IA construit le DAG de ML avec ingénierie de features, partition temporelle, entraînement et validation — tout via des outils.
Exécute un backtest de la stratégie de croisement de moyennes mobiles
L'IA charge la stratégie Rhai, injecte les indicateurs, exécute le backtest et retourne Sharpe, drawdown et PnL.
Modèles supportés
Vous apportez la clé — gratuite ou payante. Verida fait le reste.
Anthropic Claude
Clé API Anthropic
Recommended for best understanding of the 100+ MCP tools.
OpenAI GPT
Clé API OpenAI
Works perfectly with MCP tools.
NVIDIA NIM (gratuit)
Clé API NVIDIA
Modèles de pointe via l'API NIM gratuite. Limites de pool généreuses — coût zéro pour commencer. Fournisseur par défaut de Verida aujourd'hui.
Ollama (local)
Modèle local via Ollama
Llama 3, Qwen, Mistral exécutés localement. Coût d'API zéro, confidentialité totale.
Google Gemini
Clé API Google AI
Works with MCP tools.
Autres fournisseurs
Tout endpoint compatible
OpenRouter, Together AI, Groq, DeepSeek — s'il parle compatible OpenAI, ça fonctionne. Vous choisissez le fournisseur — gratuit ou payant, c'est votre décision (ou limitation).
MCP : le standard qui structure l'IA
Model Context Protocol est ce qui permet au LLM de non seulement "connaître" les marchés, mais d'exécuter des outils de marché. Verida expose plus de 100 outils MCP — récupérer des données, calculer des indicateurs, entraîner des modèles, exécuter des backtests, consulter la microstructure. Le modèle décide quel outil appeler ; vous décidez quoi demander.
Sans MCP : le LLM hallucine des données. Avec MCP : le LLM exécute. La différence est tout.