Datos de mercado para agentes de IA.
Exa AI Labs está probando Pyth para conectar la investigación financiera impulsada por IA con datos de mercado estructurados, en tiempo real e históricos.
La investigación financiera necesita dos tipos de información: lo que dice el mundo y lo que hacen los mercados.
La infraestructura de búsqueda y agentes de Exa ayuda a los sistemas de IA a encontrar información en la web y en fuentes de datos especializadas. Pyth proporciona precios actuales, observaciones históricas, datos de velas y descubrimiento de feeds a través de sus API y su servidor MCP.
Esta combinación ofrece a los agentes una forma más clara de responder preguntas sobre los mercados.
Un agente puede usar Exa para investigar por qué se movió un activo y luego usar Pyth para consultar cómo se negoció ese activo durante el período pertinente.
Así, la información sobre precios se vincula a datos de mercado estructurados, en lugar de depender de artículos, comentarios o referencias secundarias.
Por ejemplo, un usuario podría preguntar qué ocurrió tras los últimos resultados de una empresa y cómo se comportó la acción durante las cinco sesiones siguientes.
Exa puede encontrar el anuncio y la información relacionada. Pyth puede consultar los datos de mercado de esas sesiones. El agente puede combinar ambas cosas en una sola respuesta.
El trabajo de Exa y Pyth aún está en una fase inicial de pruebas.
El objetivo es entender dónde aportan más valor los datos de mercado en los flujos de trabajo de los agentes, cómo los solicitan y cómo deben ser, en la práctica, los datos financieros diseñados para máquinas.
Los agentes de IA necesitan algo más que resultados de búsqueda.
Necesitan conocer el estado del mercado que hay detrás de la historia.
Exa ofrece a los agentes la capa de investigación. Pyth les proporciona datos de mercado.
Explora los datos de mercado de Pyth para agentes a través de MCP.
#PYTH #AIAgents
Exa AI Labs está probando Pyth para conectar la investigación financiera impulsada por IA con datos de mercado estructurados, en tiempo real e históricos.
La investigación financiera necesita dos tipos de información: lo que dice el mundo y lo que hacen los mercados.
La infraestructura de búsqueda y agentes de Exa ayuda a los sistemas de IA a encontrar información en la web y en fuentes de datos especializadas. Pyth proporciona precios actuales, observaciones históricas, datos de velas y descubrimiento de feeds a través de sus API y su servidor MCP.
Esta combinación ofrece a los agentes una forma más clara de responder preguntas sobre los mercados.
Un agente puede usar Exa para investigar por qué se movió un activo y luego usar Pyth para consultar cómo se negoció ese activo durante el período pertinente.
Así, la información sobre precios se vincula a datos de mercado estructurados, en lugar de depender de artículos, comentarios o referencias secundarias.
Por ejemplo, un usuario podría preguntar qué ocurrió tras los últimos resultados de una empresa y cómo se comportó la acción durante las cinco sesiones siguientes.
Exa puede encontrar el anuncio y la información relacionada. Pyth puede consultar los datos de mercado de esas sesiones. El agente puede combinar ambas cosas en una sola respuesta.
El trabajo de Exa y Pyth aún está en una fase inicial de pruebas.
El objetivo es entender dónde aportan más valor los datos de mercado en los flujos de trabajo de los agentes, cómo los solicitan y cómo deben ser, en la práctica, los datos financieros diseñados para máquinas.
Los agentes de IA necesitan algo más que resultados de búsqueda.
Necesitan conocer el estado del mercado que hay detrás de la historia.
Exa ofrece a los agentes la capa de investigación. Pyth les proporciona datos de mercado.
Explora los datos de mercado de Pyth para agentes a través de MCP.
#PYTH #AIAgents
