加密货币市场数据和技术指标计算 MCP 服务

这是一个从 Go 项目抽取的加密货币技术指标计算服务，封装为标准的 MCP 服务，提供：

1. 高效的指标计算：使用序列增量计算（O(n)时间复杂度）
2. 清晰的数据结构：参考 Go 项目的 market.Data 结构
3. 多时间框架支持：支持从1分钟到1周的完整周期（1m/3m/5m/15m/30m/1h/2h/4h/6h/12h/1d/1w）
4. Aster DEX 集成：直接从 Aster DEX 获取实时加密货币数据
5. MCP 协议：标准的 MCP 服务，可被任何 MCP 客户端调用

特点

1. 完全来自 Go 项目

本服务是对 Go 项目 pkg/market/data.go 的 Python 重写，保持了：

• 相同的数据结构：MarketData, IntradaySeriesData, OIData
• 相同的计算逻辑：EMA、MACD、RSI、ATR、布林带
• 相同的优化策略：序列增量计算，O(n) 时间复杂度
• 相同的MACD规则：MACD柱乘以2，与交易所显示一致

2. 技术优势

• Aster API：获取真实的加密货币数据（BTC, ETH, SOL等）
• TA-Lib：成熟的技术指标库
• 无需配置：直接使用公开API，无需API密钥
• 易于扩展：Python 生态丰富

安装

1. 安装依赖

# 进入 crypto_mcp 目录
cd crypto_mcp

# 安装 Python 依赖
pip install -r requirements.txt

注意: TA-Lib 需要先安装 C 库：

• macOS: brew install ta-lib
• Ubuntu/Debian: sudo apt-get install ta-lib
• Windows: 下载预编译的 whl 文件

2. 无需配置

本服务直接使用 Aster DEX 的公开API，无需配置环境变量或API密钥。

使用方法

方法 1: 独立测试（不使用 MCP）

# 运行测试脚本
python test_crypto_indicators.py

这会测试：

• 单个交易对的指标计算（BTC, ETH, SOL）
• 多时间框架分析（1d, 4h, 1h, 15m）
• 山寨币指标获取（SOL, AVAX, MATIC, ARB）
• 不同时间框架的价格变化

方法 2: 作为 MCP 服务运行

# 启动 MCP 服务器
python crypto_indicators_mcp.py

方法 3: 使用 MCP 客户端

# 运行客户端示例
python crypto_indicators_client_example.py

方法 4: 在 Claude Desktop 中使用

在 Claude Desktop 配置文件中添加：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%\Claude\claude_desktop_config.json Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "crypto-indicators": {
      "command": "python3",
      "args": ["/path/to/nofx/backend/crypto_mcp/crypto_indicators_mcp.py"]
    }
  }
}

然后在 Claude Desktop 中使用：

请使用 get_crypto_indicators 工具获取 BTC 的 1小时 技术指标

方法 5: 使用 MCP Inspector 测试

# 安装 MCP Inspector
npx @modelcontextprotocol/inspector python3 crypto_indicators_mcp.py

这会打开一个 Web 界面，可以可视化地测试 MCP 工具。

API 文档

工具 1: get_crypto_indicators

获取指定加密货币和周期的技术指标数据。

参数:

• symbol (必需): 交易对代码（例如：BTC, ETH, BTCUSDT, ETHUSDT）
• timeframe (可选): 时间周期
  • 分钟级: 1m, 3m, 5m, 15m, 30m
  • 小时级: 1h, 2h, 4h, 6h, 12h
  • 日周: 1d, 1w
  • 默认: 1h
• limit (可选): 获取K线数量
  • 短周期（分钟）: 建议 500-1000
  • 中周期（小时）: 建议 500-1000
  • 长周期（日/周）: 建议 200-500
  • 默认: 1000

返回:

{
  "symbol": "BTCUSDT",
  "timeframe": "1h",
  "current_price": 43250.50,
  "price_change_1h": 0.85,
  "price_change_4h": 2.15,
  "current_ema20": 43100.20,
  "current_ema60": 42900.10,
  "current_macd_hist": 45.23,
  "current_rsi7": 65.2,
  "current_rsi14": 58.3,
  "current_atr14": 250.85,
  "open_interest": {
    "latest": 1234567.89,
    "average": 1234567.89
  },
  "funding_rate": 0.0001,
  "intraday_series": {
    "mid_prices": [43100, 43150, 43200, ...],
    "ema20_values": [43050, 43080, 43100, ...],
    "macd_hist": [40.5, 42.0, 45.2, ...],
    "rsi7_values": [62.5, 64.0, 65.2, ...],
    ...
  },
  "timestamp": "2025-01-17T10:30:00Z"
}

工具 2: get_multi_timeframe_analysis

获取指定加密货币的多时间框架分析。

参数:

• symbol (必需): 交易对代码
• timeframes (可选): 时间周期列表，默认 ["1d", "4h", "1h", "15m"]
  • 支持任意组合：从 1m 到 1w 的所有周期

返回: 多个时间框架的数据汇总（Markdown 格式）。

数据结构

MarketData

@dataclass
class MarketData:
    symbol: str                    # 交易对代码
    timeframe: str                 # 时间周期
    current_price: float           # 当前价格
    price_change_1h: float         # 1小时价格变化百分比
    price_change_4h: float         # 4小时价格变化百分比
    current_ema20: float           # 当前EMA20
    current_ema60: float           # 当前EMA60
    current_macd_hist: float       # 当前MACD柱（HIST = DIF - DEA）
    current_rsi7: float            # 当前RSI(7)
    current_rsi14: float           # 当前RSI(14)
    current_atr14: float           # 当前ATR(14)
    open_interest: Optional[OIData]  # 持仓量数据
    funding_rate: float            # 资金费率
    intraday_series: IntradaySeriesData  # 日内序列数据
    timestamp: str                 # 时间戳

IntradaySeriesData

@dataclass
class IntradaySeriesData:
    mid_prices: List[float]        # 收盘价序列（最近10个）
    volume_values: List[float]     # 成交量序列
    ema20_values: List[float]      # EMA20序列
    ema60_values: List[float]      # EMA60序列
    macd_dif: List[float]          # MACD DIF序列
    macd_dea: List[float]          # MACD DEA序列
    macd_hist: List[float]         # MACD HIST序列
    rsi7_values: List[float]       # RSI7序列
    rsi14_values: List[float]      # RSI14序列
    atr14_values: List[float]      # ATR14序列
    bb_upper: List[float]          # 布林带上轨
    bb_middle: List[float]         # 布林带中轨
    bb_lower: List[float]          # 布林带下轨

OIData

@dataclass
class OIData:
    latest: float    # 最新持仓量
    average: float   # 平均持仓量

支持的技术指标

1. 趋势指标:

   • EMA20: 20周期指数移动平均线
   • EMA60: 60周期指数移动平均线

2. 动量指标:

   • MACD: 包括 DIF、DEA、HIST（柱状图 = (DIF-DEA)×2，与交易所显示一致）
   • RSI7: 7周期相对强弱指标
   • RSI14: 14周期相对强弱指标

3. 波动性指标:

   • ATR14: 14周期平均真实波动幅度
   • 布林带: 上轨、中轨、下轨

4. 市场数据:

   • 当前价格、价格变化百分比
   • 持仓量（Open Interest）
   • 资金费率（Funding Rate）
   • 历史价格序列

示例

示例 1: 获取 BTC 的1小时指标

from crypto_indicators_mcp import CryptoDataProvider

provider = CryptoDataProvider()
data = provider.get_market_data("BTC", "1h", 500)

print(f"当前价格: ${data.current_price}")
print(f"EMA20: ${data.current_ema20}")
print(f"RSI7: {data.current_rsi7}")
print(f"资金费率: {data.funding_rate}")

示例 2: 多时间框架分析

symbols = ["BTC", "ETH", "SOL"]
timeframes = ["1d", "4h", "1h", "15m"]

for symbol in symbols:
    for tf in timeframes:
        data = provider.get_market_data(symbol, tf)
        print(f"{symbol} ({tf}): 价格=${data.current_price}, RSI7={data.current_rsi7}")

示例 3: 监控山寨币

altcoins = ["SOL", "AVAX", "MATIC", "ARB", "OP"]

for coin in altcoins:
    data = provider.get_market_data(coin, "15m", limit=200)
    if data:
        print(f"{coin}: ${data.current_price:.4f}")
        print(f"  RSI(7): {data.current_rsi7:.2f}")
        print(f"  MACD柱: {data.current_macd_hist:.3f}")
        print(f"  1h变化: {data.price_change_1h:.2f}%")

性能特点

1. 序列增量计算: 所有指标使用 TA-Lib 的优化算法，O(n) 时间复杂度
2. 并发支持: 多时间框架分析可并发获取数据
3. 实时数据: 直接从 Aster DEX 获取最新数据

与 Go 项目的对比

特性	Go 项目	Python crypto_mcp
数据源	Aster API (加密货币)	Aster API (加密货币)
指标计算	手动实现	TA-Lib
时间复杂度	O(n)	O(n)
数据结构	market.Data	MarketData
MACD规则	HIST × 2	HIST × 2
多时间框架	✅	✅
MCP 支持	❌	✅
API 密钥	不需要	不需要

支持的交易对

理论上支持 Aster DEX 所有的 USDT 交易对，包括但不限于：

主流币: BTC, ETH, BNB DeFi: AVAX, MATIC, ARB, OP, UNI, AAVE Layer1: SOL, ADA, DOT, ATOM 其他: DOGE, SHIB, LINK, etc.

使用时可以省略 "USDT" 后缀，服务会自动添加。

常见问题

1. TA-Lib 安装失败？

确保先安装了 TA-Lib 的 C 库：

# macOS
brew install ta-lib

# Ubuntu/Debian
sudo apt-get install ta-lib

# 然后安装 Python 包
pip install TA-Lib

2. 如何获取更多历史数据？

调整 limit 参数：

# 获取更多K线数据
data = provider.get_market_data("BTC", "1h", limit=2000)

3. 支持哪些时间周期？

支持: 1m, 3m, 5m, 15m, 30m, 1h, 2h, 4h, 6h, 12h, 1d, 1w

4. 数据从哪里来？

直接从 Aster DEX 的公开 API 获取，无需注册或API密钥。

开发计划

• [x] 基础指标计算
• [x] 多时间框架支持
• [x] MCP 服务封装
• [x] Open Interest 和 Funding Rate
• [ ] 缓存机制
• [ ] 更多技术指标（KDJ、CCI等）
• [ ] WebSocket 实时数据
• [ ] 性能优化

许可证

MIT License

相关文档

• Go 项目 CLAUDE.md
• Go market/data.go
• Aster DEX 文档
• MCP 协议文档