Finance Tools MCP

finance-tools-mcp: Ein MCP-Server für Finanzanalysen

https://github.com/VoxLink-org/finance-tools-mcp

Überblick

Der finance-tools-mcp ist ein Model Context Protocol (MCP)-Server, der Large Language Models (LLMs) umfassende Finanzinformationen und Analysefunktionen bietet. Er wurde von investor-agent modifiziert und integriert verschiedene Datenquellen und Analysebibliotheken, um eine Reihe von Tools für detaillierte Finanzrecherche und -analysen bereitzustellen.

Angebotene Tools

Der Server stellt über das MCP eine Vielzahl von Tools bereit, die es verbundenen Clients (wie LLMs) ermöglichen, auf bestimmte Finanzdaten zuzugreifen und Analysen durchzuführen:

• Tickerdaten-Tools:
  • get_ticker_data : Bietet einen umfassenden Bericht für einen bestimmten Ticker, einschließlich Übersicht, Neuigkeiten, Schlüsselmetriken, Leistung, Daten, Analystenempfehlungen und Upgrades/Downgrades.
  • get_options : Ruft Optionsdaten mit dem höchsten offenen Interesse für einen Ticker ab, mit Filteroptionen für Datumsbereich, Ausübungspreis und Optionstyp (Calls/Puts).
  • get_price_history : Ruft eine Zusammenfassung historischer Preisdaten für einen bestimmten Zeitraum ab, einschließlich OHLCV-Beispielen, technischen Indikatoren, Risikometriken und anderen quantitativen Analysen.
  • get_financial_statements : Greift auf Finanzberichte (Einnahmen, Bilanz, Cashflow) für einen Ticker zu, verfügbar vierteljährlich oder jährlich.
  • get_institutional_holders : Listet die wichtigsten institutionellen und Investmentfondsinhaber für ein Tickersymbol auf.
  • get_earnings_history : Bietet eine Gewinnhistorie mit Schätzungen und Überraschungen für einen Ticker.
  • get_insider_trades : Ruft die aktuelle Insiderhandelsaktivität für einen Ticker ab.
  • get_ticker_news_tool : Ruft die neuesten Yahoo Finance-Nachrichten für einen bestimmten Ticker ab.
• Angst- und Gier-Index-Tools:
  • get_current_fng_tool : Ruft den aktuellen Wert und die Bewertung des CNN Fear & Greed Index ab.
  • get_historical_fng_tool : Ruft historische CNN Fear & Greed Index-Daten für eine angegebene Anzahl von Tagen ab.
  • analyze_fng_trend : Analysiert Trends im CNN Fear & Greed Index über einen bestimmten Zeitraum.
• Berechnungstools:
  • calculate : Bewertet mathematische Ausdrücke mithilfe der mathematischen Syntax von Python und NumPy.
• Makrodaten-Tools:
  • get_current_time : Liefert die aktuelle Uhrzeit.
  • get_fred_series : Ruft Daten für eine bestimmte FRED-Serien-ID ab.
  • search_fred_series : Sucht nach beliebten FRED-Serien anhand von Schlüsselwörtern.
  • cnbc_news_feed : Ruft die aktuellsten Weltnachrichten von CNBC, BBC und SCMP ab.

Verarbeitung und Optimierung von Zeitreihendaten

Der Server nutzt yfinance , um historische Kursdaten (OHLCV – Open, High, Low, Close, Volume) für Ticker abzurufen. Diese Rohdaten werden umfassend verarbeitet und analysiert, um wertvolle Erkenntnisse zu liefern, die insbesondere für die Nutzung durch LLMs optimiert sind.

Zu den wichtigsten Aspekten der Verarbeitung von Zeitreihendaten gehören:

• Umfassende Analyse: Die Daten werden mithilfe von Bibliotheken wie ta-lib-python analysiert, um eine breite Palette technischer Indikatoren zu berechnen. Zusätzlich berechnen benutzerdefinierte Funktionen grundlegende Statistiken, Risikometriken, erkennen gängige Chartmuster und berechnen Fibonacci-Retracement-Levels.
• Strukturierte Zusammenfassung: Die Ergebnisse dieser Analyse werden in einem strukturierten Digest-Format ( generate_time_series_digest_for_LLM ) zusammengestellt, das für LLMs leicht zu analysieren und zu verstehen ist und Abschnitte für Statistiken, Zusammenfassungen, technische Indikatoren, Risikometriken, Muster, Fibonacci-Niveaus und eine Datenprobe enthält.
• Smart Sampling für LLMs: Um LLMs eine repräsentative Ansicht historischer Daten zu bieten, ohne das Kontextfenster zu überlasten, wird eine „Smart Sampling“-Strategie ( get_latest_data_sample ) eingesetzt. Diese Methode sampelt die Daten mit unterschiedlichen Auflösungen:
  • Hohe Auflösung: Täglich werden aktuelle Datenpunkte einbezogen.
  • Mittlere Auflösung: Zwischendatenpunkte werden wöchentlich abgetastet.
  • Niedrige Auflösung: Ältere Datenpunkte werden monatlich abgetastet. Dieser hybride Ansatz stellt sicher, dass der LLM detaillierte Informationen über aktuelle Preisbewegungen erhält und gleichzeitig den Kontext längerfristiger Trends kennt – und das alles innerhalb einer überschaubaren Anzahl von Datenpunkten.

Diese optimierte Verarbeitung und Präsentation von Zeitreihendaten ermöglicht es LLMs, wichtige Trends, Indikatoren und Muster schnell zu erfassen und so eine fundiertere Finanzanalyse zu ermöglichen.

Beispielbericht

Voraussetzungen

• Python: 3.10 oder höher
• Paketmanager: uv

Installation

Installieren Sie zunächst uv , falls Sie dies noch nicht getan haben:

Anschließend können Sie den MCP-Server finance-tools-mcp mit uvx ausführen:

Wenn Sie Ihren eigenen FRED-API-Schlüssel verwenden möchten, können Sie ihn als Umgebungsvariable festlegen:

Sie können den Server auch mithilfe des Server-Sent Events (SSE)-Transports ausführen:

Oder mit dem FRED-API-Schlüssel und SSE-Transport:

Verwendung mit MCP-Clients

Um finance-tools-mcp in einen MCP-Client (z. B. Claude Desktop) zu integrieren, fügen Sie Ihrer claude_desktop_config.json die folgende Konfiguration hinzu:

Debuggen

Sie können den MCP-Inspektor zum Debuggen des Servers nutzen:

oder

Überprüfen Sie zur Protokollüberwachung die folgenden Verzeichnisse:

• macOS: ~/Library/Logs/Claude/mcp*.log
• Windows: %APPDATA%\Claude\logs\mcp*.log

Entwicklung

Für lokale Entwicklung und Tests:

1. Verwenden Sie den MCP-Inspektor wie im Abschnitt „Debuggen“ beschrieben.
2. Testen Sie mit Claude Desktop mit dieser Konfiguration:

Lizenz

Dieser MCP-Server ist unter der MIT-Lizenz lizenziert. Weitere Informationen finden Sie in der Datei LICENSE .

Proben

• carvana_analysis.md
• palantir_analysis.md
• pdd_analysis_20250503.md
• meli_se_shop_comparison_20250504.md
• GLD_analysis_20250508.md

Aufgaben

• [ ] Unterstützungs- und Widerstandsniveaus für Aktien hinzufügen
• [x] Fibonacci-Retracement-Levels für Aktien hinzufügen
• [ ] Fügen Sie gleitende Durchschnittskonfluenzniveaus für Aktien hinzu
• [ ] Optionsmodell zur Vorhersage hinzufügen
• [ ] Fügen Sie ein Vorhersagemodell hinzu, indem Sie Finanzblätter und andere Funktionen verwenden

Datenquellen

• fintel.com
• investing.com
• yahoo.com
• fred.stlouisfed.org
• CNN CNBC und Reddit