Data pasar untuk agen AI.
Exa AI Labs sedang menguji Pyth untuk menghubungkan riset keuangan berbasis AI dengan data pasar terstruktur, real-time, dan historis.
Riset keuangan membutuhkan dua masukan: apa yang dikatakan dunia dan apa yang terjadi di pasar.
Infrastruktur pencarian dan agen Exa membantu sistem AI menemukan informasi di seluruh web dan sumber data khusus. Pyth menyediakan harga terkini, observasi historis, data candlestick, dan penemuan feed melalui API dan server MCP-nya.
Kombinasi ini memberi agen cara yang lebih efektif untuk menjawab pertanyaan tentang pasar.
Agen dapat menggunakan Exa untuk meneliti alasan suatu aset bergerak, lalu menggunakan Pyth untuk mengambil data perdagangan aset tersebut selama periode yang relevan.
Dengan begitu, informasi harga tetap terhubung dengan data pasar terstruktur, bukan bergantung pada artikel, komentar, atau referensi sekunder.
Misalnya, pengguna dapat bertanya apa yang terjadi setelah laporan keuangan terbaru suatu perusahaan dan bagaimana kinerja sahamnya selama lima sesi berikutnya.
Exa dapat menemukan pengumuman dan informasi terkait. Pyth dapat mengambil data pasar untuk sesi-sesi tersebut. Agen dapat menggabungkan keduanya dalam satu jawaban.
Kolaborasi Exa dan Pyth masih dalam tahap pengujian awal.
Tujuannya adalah memahami di mana data pasar memberikan nilai terbesar dalam alur kerja agen, bagaimana agen memintanya, dan seperti apa data keuangan yang dirancang untuk mesin dalam praktiknya.
Agen AI membutuhkan lebih dari sekadar hasil pencarian.
Mereka membutuhkan kondisi pasar di balik ceritanya.
Exa menyediakan lapisan riset bagi agen. Pyth menyediakan data pasar.
Jelajahi data pasar Pyth untuk agen melalui MCP.
#PYTH #AIAgents
Exa AI Labs sedang menguji Pyth untuk menghubungkan riset keuangan berbasis AI dengan data pasar terstruktur, real-time, dan historis.
Riset keuangan membutuhkan dua masukan: apa yang dikatakan dunia dan apa yang terjadi di pasar.
Infrastruktur pencarian dan agen Exa membantu sistem AI menemukan informasi di seluruh web dan sumber data khusus. Pyth menyediakan harga terkini, observasi historis, data candlestick, dan penemuan feed melalui API dan server MCP-nya.
Kombinasi ini memberi agen cara yang lebih efektif untuk menjawab pertanyaan tentang pasar.
Agen dapat menggunakan Exa untuk meneliti alasan suatu aset bergerak, lalu menggunakan Pyth untuk mengambil data perdagangan aset tersebut selama periode yang relevan.
Dengan begitu, informasi harga tetap terhubung dengan data pasar terstruktur, bukan bergantung pada artikel, komentar, atau referensi sekunder.
Misalnya, pengguna dapat bertanya apa yang terjadi setelah laporan keuangan terbaru suatu perusahaan dan bagaimana kinerja sahamnya selama lima sesi berikutnya.
Exa dapat menemukan pengumuman dan informasi terkait. Pyth dapat mengambil data pasar untuk sesi-sesi tersebut. Agen dapat menggabungkan keduanya dalam satu jawaban.
Kolaborasi Exa dan Pyth masih dalam tahap pengujian awal.
Tujuannya adalah memahami di mana data pasar memberikan nilai terbesar dalam alur kerja agen, bagaimana agen memintanya, dan seperti apa data keuangan yang dirancang untuk mesin dalam praktiknya.
Agen AI membutuhkan lebih dari sekadar hasil pencarian.
Mereka membutuhkan kondisi pasar di balik ceritanya.
Exa menyediakan lapisan riset bagi agen. Pyth menyediakan data pasar.
Jelajahi data pasar Pyth untuk agen melalui MCP.
#PYTH #AIAgents
