XTQuantAI

MIT License
19
  • Apple
# xtquantai XTQuantAI 是一个基于 Model Context Protocol (MCP) 的服务器,它将迅投 (xtquant) 量化交易平台的功能与人工智能助手集成,使 AI 能够直接访问和操作量化交易数据和功能。 [![Python Version](https://img.shields.io/badge/python-3.11+-blue.svg)](https://www.python.org/downloads/) [![License](https://img.shields.io/badge/license-MIT-green.svg)](LICENSE) ## 功能特点 XTQuantAI 提供以下核心功能: ### 基础数据查询 - **获取交易日期** (`get_trading_dates`) - 获取指定市场的交易日期 - **获取板块股票列表** (`get_stock_list`) - 获取特定板块的股票列表 - **获取股票详情** (`get_instrument_detail`) - 获取股票的详细信息 ### 行情数据 - **获取历史行情数据** (`get_history_market_data`) - 获取股票的历史行情数据 - **获取最新行情数据** (`get_latest_market_data`) - 获取股票的最新行情数据 - **获取完整行情数据** (`get_full_market_data`) - 获取股票的完整行情数据 ### 图表和可视化 - **创建图表面板** (`create_chart_panel`) - 创建股票图表面板,支持各种技术指标 - **创建自定义布局** (`create_custom_layout`) - 创建自定义的图表布局,可以指定指标名称、参数名和参数值 ## 安装 ### 前提条件 - Python 3.11 或更高版本 - 讯投 (XTQuant) 量化交易平台 - [uv](https://github.com/astral-sh/uv) 包管理工具 (推荐) ### 使用 pip 安装 ```bash pip install xtquantai ``` ### 使用 uv 安装 ```bash uv pip install xtquantai ``` ### 从源码安装 ```bash git clone https://github.com/dfkai/xtquantai.git cd xtquantai uv pip install -e . ``` ## 使用方法 ### 直接启动服务器 ```bash # 使用 Python 直接运行 python -m xtquantai # 或使用安装的命令行工具 xtquantai ``` ### 使用 MCP Inspector 进行调试 ```bash npx @modelcontextprotocol/inspector uv run xtquantai ``` ### 与 Cursor 的集成 #### Windows(QMT/投研端目前仅支持 Windows,需在 Windows 环境) 在 Cursor 中配置 MCP 服务器: 方法一: 在当前项目建立 `.cursor` 文件夹,在该文件夹下建立 `mcp.json` 文件,则 Cursor 编辑器会自动添加该 mcp 工具 ```json { "mcpServers": { "xtquantai": { "command": "cmd /c uvx", "args": [ "path:\\to\\xtquantai" ] } } } ``` > ⚠️ 注意:在 windows 中,命令务必加上 cmd /c,否则会导致命令窗口执行完立即关闭。 方法二: 直接在 `设置-MCP-添加新的 MCP Server`,名字叫 `xtquantai`,命令(command)是:`cmd /c uvx path:\\to\\xtquantai`,调整为`Enabled`。 ## 工具使用示例 ### 获取交易日期 ```python # 获取上海市场的交易日期 dates = get_trading_dates(market="SH") ``` ### 获取股票列表 ```python # 获取沪深A股板块的股票列表 stocks = get_stock_list(sector="沪深A股") ``` ### 创建图表面板 ```python # 创建包含MA指标的图表面板 result = create_chart_panel( codes="000001.SZ,600519.SH", period="1d", indicator_name="MA", param_names="period", param_values="5" ) ``` ## 开发 ### 构建和发布 准备发布包: 1. 同步依赖并更新锁文件: ```bash uv sync ``` 2. 构建包分发: ```bash uv build ``` 3. 发布到 PyPI: ```bash uv publish ``` ### 调试 由于 MCP 服务器通过标准输入/输出运行,调试可能具有挑战性。我们强烈建议使用 [MCP Inspector](https://github.com/modelcontextprotocol/inspector) 进行调试。 ## 项目结构 ``` xtquantai/ ├── src/ │ └── xtquantai/ │ ├── __init__.py # 包初始化文件 │ └── server.py # MCP 服务器实现 ├── main.py # 启动脚本 ├── server_direct.py # 直接 HTTP 服务器实现 ├── pyproject.toml # 项目配置 └── README.md # 项目文档 ``` ## 许可证 本项目采用 MIT 许可证 - 详见 [LICENSE](LICENSE) 文件。 ## 贡献 欢迎贡献!请随时提交问题或拉取请求。 ## 致谢 - [迅投科技](https://www.thinktrader.net/) 提供的量化交易平台 - [Model Context Protocol](https://modelcontextprotocol.io/) 提供的 AI 集成框架