MCP 交易服务器

一个为股票交易者设计的模型上下文协议 (MCP) 服务器。

功能

工具

该服务器提供以下股票分析和交易工具：

• analyze-stock: 对给定的股票代码执行技术分析

  • 必需参数：symbol (字符串，例如 "NVDA")
  • 返回全面的技术分析，包括：
    • 移动平均线趋势（20、50、200 SMA）
    • 动量指标（RSI、MACD）
    • 波动率指标（ATR、ADRP）
    • 成交量分析

• relative-strength: 计算股票相对于基准的相对强度

  • 必需参数：symbol (字符串，例如 "AAPL")
  • 可选参数：benchmark (字符串，默认值："SPY")
  • 返回多个时间范围（21、63、126、252 天）的相对强度指标
  • 包括股票和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，默认值：60)
  • 返回成交量分布分析，包括：
    • 控制点 (POC) - 成交量最高的价位
    • 价值区域（70% 的成交量范围）
    • 最高成交量价位

• detect-patterns: 识别价格数据中的图表模式

  • 必需参数：symbol (字符串，例如 "AMZN")
  • 返回检测到的图表模式，包括置信度级别和价格目标

• position-size: 根据风险参数计算最佳仓位大小

  • 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，默认值：当前价格)
  • 返回建议的仓位大小、美元风险和潜在利润目标

• suggest-stops: 根据技术分析建议止损位

  • 必需参数：symbol (字符串，例如 "META")
  • 返回基于以下因素的多个止损建议：
    • 基于 ATR 的止损（1x、2x、3x ATR）
    • 基于百分比的止损（2%、5%、8%）
    • 技术水平（移动平均线、近期波段低点）

技术分析能力

该服务器利用了几个专门的分析模块：

• TechnicalAnalysis: 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、平均每日范围百分比）
  • 成交量分析（20 天平均成交量）

• RelativeStrength: 比较绩效分析

  • 多时间范围相对强度评分（21、63、126、252 天）
  • 与基准指数的绩效比较
  • 超额/不足表现分类

• VolumeProfile: 高级成交量分析

  • 价位成交量分布
  • 控制点 (POC) 识别
  • 价值区域计算（70% 的成交量）

• PatternRecognition: 图表模式检测

  • 支撑/阻力位
  • 常见图表模式（头肩顶/底、双顶/底等）
  • 检测到的模式的置信度评分

• RiskAnalysis: 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 倍数利润目标计算

数据源

该服务器使用 Tiingo API 获取市场数据：

• 历史每日 OHLCV 数据
• 调整后的价格，用于准确的回测
• 默认情况下最多 1 年的历史数据

设置

前提条件

• Python 3.11+
• uv
• ta-lib
• Tiingo API 密钥

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 自动为 Claude Desktop 安装 Trader：

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

这将：

1. 安装 MCP Trader 服务器
2. 使用您的 Tiingo API 密钥对其进行配置
3. 设置 Claude Desktop 集成

Smithery 配置

该服务器包含一个 smithery.yaml 配置文件，用于定义：

• 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 # 在 Windows 上：.venv\Scripts\activate
uv sync

Docker 部署

该项目包含一个 Dockerfile，用于容器化部署：

# 构建 Docker 镜像
docker build -t mcp-trader .

# 使用您的 API 密钥运行容器
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

该服务器也可以作为独立的 HTTP 服务器运行，用于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，并具有以下端点：

• GET /list-tools: 返回可用工具及其模式的列表
• 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"
      }
    }
    

  • 返回内容项（文本、图像等）的数组

调试

使用 MCP Inspector 进行调试：

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

使用示例

在 Claude Desktop 中：

Analyze the technical setup for NVDA

分析 NVDA 的技术设置

该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。

依赖项

有关完整的依赖项列表，请参见 pyproject.toml：

- 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 做出贡献！ 以下是一些您可以贡献的方式：

• 添加新工具：实施其他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：集成其他市场数据提供商
• 文档：改进文档或添加示例
• 错误修复：修复问题或改进错误处理

开发工作流程

1. Fork 存储库
2. 创建一个功能分支 (git checkout -b feature/amazing-feature)
3. 提交您的更改 (git commit -m 'Add some amazing feature')
4. 将分支推送到远程仓库 (git push origin feature/amazing-feature)
5. 打开一个 Pull Request

未来计划

MCP Trader 项目有几个计划的增强功能：

• 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功能
• 情绪分析：与新闻和社交媒体情绪数据集成
• 期权分析：用于分析期权策略和定价的工具
• 实时数据：支持实时市场数据馈送
• 自定义策略：用于实施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

通过以下详细的博客文章了解有关此项目的更多信息：

• 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