Tokens MCP

Token Metrics API 的 MCP 服务器。

关于

MCP（模型控制协议）为 AI 系统提供了一个标准化的接口，用于访问外部工具和数据源。此仓库实现了 TokenMetrics API 的 MCP 服务器，使您能够：

• 访问全面的加密货币市场数据
• 实施和回测交易策略（如移动平均线交叉）
• 为您的策略生成可视化性能指标
• 分析不同时间范围内的代币表现
• 构建具有一致 API 访问的自动化交易系统

无论是用于算法交易机器人还是市场研究，此服务器都简化了加密数据的使用和策略开发。

演示视频

开始使用

安装

1. 克隆仓库：

git clone https://github.com/antonkulaga/tokens-mcp.git

2. 安装依赖项：

uv sync

配置

将 .env.example 复制到 .env 并配置您的 API 密钥：

cp .env.example .env
# 使用您的 TokenMetrics API 密钥编辑 .env

您还必须使用您的 TokenMetrics API 密钥更新 mcp_server_config.json 文件：

{
  "mcpServers": {
    "TmaiAPI": {
      "command": "uv",
      "args": ["--directory", "/path/to/tokens-mcp", "run", "mcp", "run", "run.py"],
      "env": {
        "TOKEN_METRICS_API_KEY": "your-api-key-here"
      }
    }
  }
}

运行服务器

uv run mcp run run.py

您可以通过运行以下命令来检查服务器

uv run mcp dev run.py

注意：如果 uv 环境已激活，您可以省略 uv run 部分

IDE 集成

此项目最适合支持模型上下文协议 (MCP) 的 IDE。

Cursor

Cursor 提供对 MCP 的原生支持，允许 AI 助手通过此服务器直接与 TokenMetrics API 交互。要在 Cursor 中使用此项目：

1. 在 Cursor 中打开项目
2. 确保您的配置文件（.env 和 mcp_server_config.json）已正确设置
3. MCP 服务器将被自动检测到，使 AI 助手能够分析加密数据并实施交易策略

项目结构

该项目使用标准的 Python 包结构组织：

tokens-mcp/
├── src/                           # 源代码目录
│   └── tokens_mcp/                # 主包
│       ├── __init__.py            # 包初始化
│       ├── server.py              # MCP 服务器实现
│       ├── models.py              # Pydantic 模型
│       ├── helpers.py             # 辅助函数
│       ├── chart_utils.py         # 图表实用程序
│       ├── check_api_access.py    # API 访问验证
│       ├── save_and_decode_chart.py # 图表处理实用程序
│       ├── inspect_exchange.py    # 交易所检查实用程序
│       └── inspect_api.py         # API 检查实用程序
├── tests/                         # 测试目录
│   ├── test_token_symbols.py      # 代币符号测试
│   ├── test_pagination.py         # 分页测试
│   ├── test_ma_chart.py           # 移动平均线图表测试
│   ├── test_cache.py              # 缓存测试
│   └── ...                        # 其他测试
├── run.py                         # 服务器运行脚本
├── pyproject.toml                 # 项目配置
├── mcp_server_config.json         # 服务器配置
├── notebooks/                     # Jupyter 笔记本
├── images/                        # 图像资源
└── README.md                      # 此文件

已知问题

配置文件路径

mcp_server_config.json 文件当前包含服务器的绝对路径。您必须手动编辑此文件以更新路径以匹配您的本地环境：

{
  "mcpServers": {
    "TmaiAPI": {
      "command": "uv",
      "args": ["--directory", "/path/to/tokens-mcp", "run", "mcp", "run", "run.py"],
                              ^^^^^^^^^^^^^^^^^^^ 
                              更新此项以匹配您的实际路径
      "env": {
        "TOKEN_METRICS_API_KEY": "your-api-key-here"
      }
    }
  }
}

这是一个临时限制，将在未来的更新中解决。

测试框架

目前，tests/ 目录中的测试文件是手动运行的脚本，而不是带有断言的适当的 pytest 文件。这些脚本用于通过手动检查输出来验证功能，而不是自动测试断言。未来的更新将实施基于 pytest 的适当测试，并提供完整的断言覆盖。

TokenMetrics API 实现

许多 TokenMetrics API 端点必须在此项目中直接实现，因为它们在现有的 tmai-api 库中不可用。这导致了一些自定义 API 处理代码，这些代码最好是上游库的一部分。未来的更新可能会将这些实现迁移到官方库或创建一个更全面的客户端包。

实验性代码

此仓库可能包含先前用于实验和开发迭代的未使用代码的痕迹。这些代码片段保留用于参考目的，但可能会在未来的清理工作中删除。如果您遇到看似未使用的函数或模块，它们可能属于此类。

项目背景

此仓库是布加勒斯特 ETH 2025 Hackathon 开发的 HolyMCP 项目的演示。