MCP交易分析平台

MCP Trader Server 对股票进行综合技术分析，提供趋势、动量指标、波动率指标和成交量分析的见解，以支持股票交易决策。

financeresearch-and-data

4.0k 查看 · 2026-07-07 更新

简介

MCP Trader Server 对股票进行综合技术分析，提供趋势、动量指标、波动率指标和成交量分析的见解，以支持股票交易决策。

简介

MCP Trader Server 对股票进行综合技术分析，提供趋势、动量指标、波动率指标和成交量分析的见解，以支持股票交易决策。

MCP 交易者服务器

一个面向股票交易者的模型上下文协议（MCP）服务器。

功能

工具

该服务器为股票分析和交易提供了以下工具：

analyze-stock: 对给定的股票代码进行技术分析
- 必需参数: symbol (字符串, 例如 "NVDA")
- 返回全面的技术分析，包括：
  - 移动平均趋势 (20, 50, 200 日简单移动平均线)
  - 动量指标 (RSI, MACD)
  - 波动率指标 (ATR, ADRP)
  - 成交量分析
relative-strength: 计算相对于基准的股票相对强度
- 必需参数: symbol (字符串, 例如 "AAPL")
- 可选参数: benchmark (字符串, 默认: "SPY")
- 返回多个时间段（21, 63, 126, 252 天）的相对强度指标
- 包括股票与基准之间的表现比较
volume-profile: 按价格分析成交量分布
- 必需参数: symbol (字符串, 例如 "MSFT")
- 可选参数: lookback_days (整数, 默认: 60)
- 返回成交量分布分析，包括：
  - 控制点 (POC) - 成交量最高的价格水平
  - 价值区域 (70% 的成交量范围)
  - 成交量最高的价格水平
detect-patterns: 在价格数据中识别图表模式
- 必需参数: symbol (字符串, 例如 "AMZN")
- 返回检测到的图表模式及其置信度和价格目标
position-size: 根据风险参数计算最优仓位大小
- 必需参数:
  - symbol (字符串, 例如 "TSLA")
  - stop_price (数字)
  - risk_amount (数字)
  - account_size (数字)
- 可选参数: price (数字, 默认: 当前价格)
- 返回推荐的仓位大小、美元风险和潜在盈利目标
suggest-stops: 基于技术分析建议止损水平
- 必需参数: symbol (字符串, 例如 "META")
- 返回基于以下条件的多个止损建议：
  - ATR 基准止损 (1x, 2x, 3x ATR)
  - 百分比基准止损 (2%, 5%, 8%)
  - 技术水平 (移动平均线, 最近的摆动低点)

技术分析能力

该服务器利用了多个专门的分析模块：

技术分析: 核心技术指标和趋势分析
- 移动平均线 (SMA 20, 50, 200)
- 动量指标 (RSI, MACD)
- 波动率指标 (ATR, 平均每日波动百分比)
- 成交量分析 (20日平均成交量)
相对强度: 比较表现分析
- 多时间框架相对强度评分 (21, 63, 126, 252天)
- 与基准指数的表现比较
- 超额/不足表现分类
成交量分布: 高级成交量分析
- 价格水平成交量分布
- 控制点 (POC) 识别
- 价值区域计算 (70% 的成交量)
模式识别: 图表模式检测
- 支撑/阻力水平
- 常见图表模式 (头肩顶、双重顶/底等)
- 检测到的模式的信心评分
风险分析: 仓位大小和风险管理
- 基于风险的仓位大小
- 多种止损策略
- R倍数盈利目标计算

数据来源

服务器使用 Tiingo API 获取市场数据：

历史每日OHLCV数据
用于准确回测的调整后价格
默认最多一年的历史数据

设置

先决条件

Python 3.11+
uv
ta-lib
Tiingo API Key

环境变量

创建一个 .env 文件：

TIINGO_API_KEY=your_api_key_here

通过Smithery安装

要通过 Smithery 自动安装Trader for Claude Desktop：

npx -y @smithery/cli install mcp-trader --client claude

这将执行以下操作：

安装MCP Trader服务器
使用您的Tiingo API密钥进行配置
设置Claude Desktop集成

Smithery配置

服务器包含一个 smithery.yaml 配置文件，定义了：

必需的配置参数 (Tiingo API密钥)
启动MCP服务器的命令函数
与Claude Desktop的集成

您可以通过编辑 smithery.yaml 文件来自定义Smithery配置。

安装

uv venv --python 3.11
source .venv/bin/activate # On Windows: .venv\Scripts\activate
uv sync

Docker部署

项目包含一个用于容器化部署的Dockerfile：

# Build the Docker image
docker build -t mcp-trader .

# Run the container with your API key
docker run -e TIINGO_API_KEY=your_api_key_here -p 8000:8000 mcp-trader

要以HTTP服务器模式运行容器：

docker run -e TIINGO_API_KEY=your_api_key_here -p 8000:8000 mcp-trader uv run mcp-trader --http

配置

Claude Desktop应用程序

在MacOS上: ~/Library/Application\ Support/Claude/claude_desktop_config.json

在Windows上: %APPDATA%/Claude/claude_desktop_config.json

开发配置：

{
  "mcpServers": {
    "stock-analyzer": {
      "command": "uv",
      "args": [
        "--directory",
        "/absolute/path/to/mcp-trader",
        "run",
        "mcp-trader"
      ]
      "env": {
        "TIINGO_API_KEY": "your_api_key_here"
      }
    }
  }
}

开发

构建和运行

uv build
uv run mcp-trader

HTTP服务器模式

服务器也可以作为独立的HTTP服务器运行，以便测试或与其他应用程序集成：

uv run mcp-trader --http

这将在 http://localhost:8000 上启动一个HTTP服务器，并提供以下端点：

GET /list-tools: 返回可用工具及其架构的列表
POST /call-tool: 使用提供的参数执行工具
- 请求体格式：
```
{
  "name": "analyze-stock",
  "arguments": {
    "symbol": "AAPL"
  }
}
```
- 返回一个内容项数组（文本、图片等）

调试

使用 MCP Inspector 进行调试：

npx @modelcontextprotocol/inspector uv --directory /path/to/mcp-trader run mcp-trader

示例用法

在 Claude Desktop 中：

Analyze the technical setup for NVDA

服务器将返回技术分析摘要，包括趋势状态、动量指标和关键指标。

NVDA 技术分析

依赖项

请参阅 pyproject.toml 获取完整的依赖项列表：

- aiohttp >=3.11.11
- mcp >=1.2.0
- numpy ==1.26.4
- pandas >=2.2.3
- pandas-ta >=0.3.14b0
- python-dotenv >=1.0.1
- setuptools >=75.8.0
- ta-lib >=0.6.0

贡献

欢迎为 MCP Trader 做贡献！以下是一些你可以贡献的方式：

添加新工具：实现额外的技术分析工具或交易策略
改进现有工具：提高当前工具的准确性或性能
添加数据源：集成额外的市场数据提供商
文档：改进文档或添加示例
修复错误：修复问题或改进错误处理

开发工作流程

叉分仓库
创建功能分支 (git checkout -b feature/amazing-feature)
提交你的更改 (git commit -m 'Add some amazing feature')
推送到分支 (git push origin feature/amazing-feature)
打开一个 Pull Request

未来计划

MCP Trader 项目有多个计划中的增强功能：

投资组合分析：用于分析和优化投资组合的工具
回测：在历史数据上测试交易策略的能力
情绪分析：与新闻和社交媒体情绪数据的集成
期权分析：用于分析期权策略和定价的工具
实时数据：支持实时市场数据流
自定义策略：实现和测试自定义交易策略的框架
警报：价格和技术指标警报的通知系统

进一步阅读

通过这些详细的博客文章了解更多关于此项目的信息：

使用 MCP 构建股票分析服务器，第 1 部分 - 初始设置、架构和核心技术分析功能
使用 MCP 构建股票分析服务器，第 2 部分 - 相对强度、成交量、模式识别、风险分析

服务配置

[{'mcpServers': {'stock-analyzer': {'args': ['--directory', '/absolute/path/to/mcp-trader', 'run', 'mcp-trader'], 'command': 'uv', 'env': {'TIINGO_API_KEY': 'your_api_key_here'}}}}, {'mcpServers': {'stock-analyzer': {'args': ['--directory', '/absolute/path/to/mcp-trader', 'run', 'python', '-m', 'mcp_trader.fastmcp_server'], 'command': 'uv', 'env': {'TIINGO_API_KEY': 'your_api_key_here'}}}}]

来源

来源：github
链接：https://github.com/wshobson/mcp-trader