Finance Tools MCP

finance-tools-mcp: сервер MCP для финансового анализа

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

Обзор

Finance-tools-mcp — это сервер Model Context Protocol (MCP), разработанный для предоставления всесторонних финансовых знаний и возможностей анализа для больших языковых моделей (LLM). Модифицированный из investor-agent , он интегрируется с различными источниками данных и аналитическими библиотеками, чтобы предложить набор инструментов для детального финансового исследования и анализа.

Предлагаемые инструменты

Сервер предоставляет различные инструменты через MCP, позволяя подключенным клиентам (например, LLM) получать доступ к определенным финансовым данным и выполнять анализ:

• Инструменты данных тикера:
  • get_ticker_data : предоставляет полный отчет по заданному тикеру, включая обзор, новости, ключевые показатели, производительность, даты, рекомендации аналитиков и обновления/понижения.
  • get_options : извлекает данные опционов с самым высоким открытым интересом для тикера с параметрами фильтрации по диапазону дат, цене исполнения и типу опциона (коллы/путы).
  • get_price_history : извлекает исторический дайджест данных о ценах за указанный период, включая образцы OHLCV, технические индикаторы, показатели риска и другой количественный анализ.
  • get_financial_statements : Доступ к финансовым отчетам (доход, баланс, движение денежных средств) по тикеру, доступным ежеквартально или ежегодно.
  • get_institutional_holders : выводит список основных институциональных держателей и держателей паевых инвестиционных фондов для тикера.
  • get_earnings_history : Предоставляет историю доходов с оценками и сюрпризами для тикера.
  • get_insider_trades : извлекает недавнюю информацию об инсайдерской торговле для тикера.
  • get_ticker_news_tool : Получает последние новости Yahoo Finance для определенного тикера.
• Инструменты индекса страха и жадности:
  • get_current_fng_tool : Получает текущий балл и рейтинг индекса страха и жадности CNN.
  • get_historical_fng_tool : Извлекает исторические данные индекса страха и жадности CNN за указанное количество дней.
  • analyze_fng_trend : Анализирует тенденции индекса страха и жадности CNN за указанный период.
• Инструменты расчета:
  • calculate : вычисляет математические выражения, используя синтаксис Python и NumPy.
• Инструменты макроданных:
  • get_current_time : Предоставляет текущее время.
  • get_fred_series : извлекает данные для определенного идентификатора серии FRED.
  • search_fred_series : Поиск популярных серий FRED по ключевому слову.
  • cnbc_news_feed : Получает последние мировые новости от CNBC, BBC и SCMP.

Обработка и оптимизация временных рядов данных

Сервер использует yfinance для получения исторических данных о ценах (OHLCV - Open, High, Low, Close, Volume) для тикеров. Эти необработанные данные подвергаются значительной обработке и анализу для предоставления ценных сведений, в частности оптимизированных для потребления LLM.

Ключевые аспекты обработки данных временных рядов включают в себя:

• Комплексный анализ: данные анализируются с использованием библиотек, таких как ta-lib-python для расчета широкого спектра технических индикаторов. Кроме того, пользовательские функции вычисляют базовую статистику, показатели риска, распознают общие графические модели и вычисляют уровни коррекции Фибоначчи.
• Структурированный дайджест: результаты этого анализа компилируются в формат структурированного дайджеста ( generate_time_series_digest_for_LLM ), который легко анализируется и понимается LLM, включая разделы для статистики, сводки, технических индикаторов, показателей риска, закономерностей, уровней Фибоначчи и выборки данных.
• Умная выборка для LLM: Чтобы предоставить LLM репрезентативное представление исторических данных без перегрузки контекстного окна, применяется стратегия «умной выборки» ( get_latest_data_sample ). Этот метод выбирает данные с различным разрешением:
  • Высокое разрешение: последние данные добавляются ежедневно.
  • Среднее разрешение: промежуточные точки данных отбираются еженедельно.
  • Низкое разрешение: более старые точки данных отбираются ежемесячно. Этот гибридный подход гарантирует, что LLM получает подробную информацию о недавних движениях цен, при этом сохраняя контекст о более долгосрочных тенденциях, и все это в пределах управляемого количества точек данных.

Оптимизированная обработка и представление данных временных рядов позволяет магистрам права быстро улавливать ключевые тенденции, показатели и закономерности, способствуя более обоснованному финансовому анализу.

Образец отчета

Предпосылки

• Python: 3.10 или выше
• Менеджер пакетов: uv

Установка

Сначала установите uv, если вы этого еще не сделали:

Затем вы можете запустить MCP-сервер finance-tools-mcp с помощью uvx :

Если вы хотите использовать свой собственный ключ API FRED, вы можете установить его как переменную среды:

Вы также можете запустить сервер с использованием транспорта Server-Sent Events (SSE):

Или с помощью ключа API FRED и транспорта SSE:

Использование с клиентами MCP

Чтобы интегрировать finance-tools-mcp с клиентом MCP (например, Claude Desktop), добавьте следующую конфигурацию в ваш claude_desktop_config.json :

Отладка

Вы можете использовать инспектор MCP для отладки сервера:

или

Для мониторинга журналов проверьте следующие каталоги:

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

Разработка

Для локальной разработки и тестирования:

1. Используйте инспектор MCP, как описано в разделе «Отладка» .
2. Протестируйте Claude Desktop со следующей конфигурацией:

Лицензия

Этот сервер MCP лицензирован по лицензии MIT. Подробности см. в файле LICENSE .

Образцы

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

Тодо

• [ ] Добавить уровни поддержки и сопротивления для акций
• [x] Добавить уровни коррекции Фибоначчи для акций
• [ ] Добавить уровни слияния скользящих средних для акций
• [ ] Добавить модель для прогнозирования
• [ ] Добавить прогностическую модель, используя финансовые листы и другие функции

Источники данных

• fintel.com
• investing.com
• yahoo.com
• fred.stlouisfed.org
• cnn cnbc и reddit