加密货币市场数据和技术指标计算 MCP 服务

这是一个从 Go 项目抽取的加密货币技术指标计算服务，封装为标准的 MCP 服务，提供：

高效的指标计算：使用序列增量计算（O(n)时间复杂度）
清晰的数据结构：参考 Go 项目的 market.Data 结构
多时间框架支持：支持从1分钟到1周的完整周期（1m/3m/5m/15m/30m/1h/2h/4h/6h/12h/1d/1w）
Aster DEX 集成：直接从 Aster DEX 获取实时加密货币数据
MCP 协议：标准的 MCP 服务，可被任何 MCP 客户端调用

特点

1. 完全来自 Go 项目

本服务是对 Go 项目 pkg/market/data.go 的 Python 重写，保持了：

相同的数据结构：MarketData, IntradaySeriesData, OIData
相同的计算逻辑：EMA、MACD、RSI、ATR、布林带
相同的优化策略：序列增量计算，O(n) 时间复杂度
相同的MACD规则：MACD柱乘以2，与交易所显示一致

2. 技术优势

Aster API：获取真实的加密货币数据（BTC, ETH, SOL等）
TA-Lib：成熟的技术指标库
无需配置：直接使用公开API，无需API密钥
易于扩展：Python 生态丰富

安装

1. 安装依赖

# 进入 crypto_mcp 目录 cd crypto_mcp # 安装 Python 依赖 pip install -r requirements.txt

注意: TA-Lib 需要先安装 C 库：

macOS: brew install ta-lib
Ubuntu/Debian: sudo apt-get install ta-lib
Windows: 下载预编译的 whl 文件

2. 无需配置

本服务直接使用 Aster DEX 的公开API，无需配置环境变量或API密钥。

使用方法

方法 1: 独立测试（不使用 MCP）

# 运行测试脚本 python test_crypto_indicators.py

这会测试：

单个交易对的指标计算（BTC, ETH, SOL）
多时间框架分析（1d, 4h, 1h, 15m）
山寨币指标获取（SOL, AVAX, MATIC, ARB）
不同时间框架的价格变化

方法 2: 作为 MCP 服务运行

# 启动 MCP 服务器 python crypto_indicators_mcp.py

方法 3: 使用 MCP 客户端

# 运行客户端示例 python crypto_indicators_client_example.py

方法 4: 在 Claude Desktop 中使用

在 Claude Desktop 配置文件中添加：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%\Claude\claude_desktop_config.json Linux: ~/.config/Claude/claude_desktop_config.json

{ "mcpServers": { "crypto-indicators": { "command": "python3", "args": ["/path/to/nofx/backend/crypto_mcp/crypto_indicators_mcp.py"] } } }

然后在 Claude Desktop 中使用：

请使用 get_crypto_indicators 工具获取 BTC 的 1小时技术指标

方法 5: 使用 MCP Inspector 测试

# 安装 MCP Inspector npx @modelcontextprotocol/inspector python3 crypto_indicators_mcp.py

这会打开一个 Web 界面，可以可视化地测试 MCP 工具。

API 文档

工具 1: `get_crypto_indicators`

获取指定加密货币和周期的技术指标数据。

参数:

symbol (必需): 交易对代码（例如：BTC, ETH, BTCUSDT, ETHUSDT）
timeframe (可选): 时间周期
- 分钟级: 1m, 3m, 5m, 15m, 30m
- 小时级: 1h, 2h, 4h, 6h, 12h
- 日周: 1d, 1w
- 默认: 1h
limit (可选): 获取K线数量
- 短周期（分钟）: 建议 500-1000
- 中周期（小时）: 建议 500-1000
- 长周期（日/周）: 建议 200-500
- 默认: 1000

{ "symbol": "BTCUSDT", "timeframe": "1h", "current_price": 43250.50, "price_change_1h": 0.85, "price_change_4h": 2.15, "current_ema20": 43100.20, "current_ema60": 42900.10, "current_macd_hist": 45.23, "current_rsi7": 65.2, "current_rsi14": 58.3, "current_atr14": 250.85, "open_interest": { "latest": 1234567.89, "average": 1234567.89 }, "funding_rate": 0.0001, "intraday_series": { "mid_prices": [43100, 43150, 43200, ...], "ema20_values": [43050, 43080, 43100, ...], "macd_hist": [40.5, 42.0, 45.2, ...], "rsi7_values": [62.5, 64.0, 65.2, ...], ... }, "timestamp": "2025-01-17T10:30:00Z" }

工具 2: `get_multi_timeframe_analysis`

获取指定加密货币的多时间框架分析。

参数:

symbol (必需): 交易对代码
timeframes (可选): 时间周期列表，默认 ["1d", "4h", "1h", "15m"]
- 支持任意组合：从 1m 到 1w 的所有周期

返回: 多个时间框架的数据汇总（Markdown 格式）。

数据结构

`MarketData`

@dataclass class MarketData: symbol: str # 交易对代码 timeframe: str # 时间周期 current_price: float # 当前价格 price_change_1h: float # 1小时价格变化百分比 price_change_4h: float # 4小时价格变化百分比 current_ema20: float # 当前EMA20 current_ema60: float # 当前EMA60 current_macd_hist: float # 当前MACD柱（HIST = DIF - DEA） current_rsi7: float # 当前RSI(7) current_rsi14: float # 当前RSI(14) current_atr14: float # 当前ATR(14) open_interest: Optional[OIData] # 持仓量数据 funding_rate: float # 资金费率 intraday_series: IntradaySeriesData # 日内序列数据 timestamp: str # 时间戳

`IntradaySeriesData`

@dataclass class IntradaySeriesData: mid_prices: List[float] # 收盘价序列（最近10个） volume_values: List[float] # 成交量序列 ema20_values: List[float] # EMA20序列 ema60_values: List[float] # EMA60序列 macd_dif: List[float] # MACD DIF序列 macd_dea: List[float] # MACD DEA序列 macd_hist: List[float] # MACD HIST序列 rsi7_values: List[float] # RSI7序列 rsi14_values: List[float] # RSI14序列 atr14_values: List[float] # ATR14序列 bb_upper: List[float] # 布林带上轨 bb_middle: List[float] # 布林带中轨 bb_lower: List[float] # 布林带下轨

`OIData`

@dataclass class OIData: latest: float # 最新持仓量 average: float # 平均持仓量

支持的技术指标

趋势指标:
- EMA20: 20周期指数移动平均线
- EMA60: 60周期指数移动平均线
动量指标:
- MACD: 包括 DIF、DEA、HIST（柱状图 = (DIF-DEA)×2，与交易所显示一致）
- RSI7: 7周期相对强弱指标
- RSI14: 14周期相对强弱指标
波动性指标:
- ATR14: 14周期平均真实波动幅度
- 布林带: 上轨、中轨、下轨
市场数据:
- 当前价格、价格变化百分比
- 持仓量（Open Interest）
- 资金费率（Funding Rate）
- 历史价格序列

示例

示例 1: 获取 BTC 的1小时指标

from crypto_indicators_mcp import CryptoDataProvider provider = CryptoDataProvider() data = provider.get_market_data("BTC", "1h", 500) print(f"当前价格: ${data.current_price}") print(f"EMA20: ${data.current_ema20}") print(f"RSI7: {data.current_rsi7}") print(f"资金费率: {data.funding_rate}")

示例 2: 多时间框架分析

symbols = ["BTC", "ETH", "SOL"] timeframes = ["1d", "4h", "1h", "15m"] for symbol in symbols: for tf in timeframes: data = provider.get_market_data(symbol, tf) print(f"{symbol} ({tf}): 价格=${data.current_price}, RSI7={data.current_rsi7}")

示例 3: 监控山寨币

altcoins = ["SOL", "AVAX", "MATIC", "ARB", "OP"] for coin in altcoins: data = provider.get_market_data(coin, "15m", limit=200) if data: print(f"{coin}: ${data.current_price:.4f}") print(f" RSI(7): {data.current_rsi7:.2f}") print(f" MACD柱: {data.current_macd_hist:.3f}") print(f" 1h变化: {data.price_change_1h:.2f}%")

性能特点

序列增量计算: 所有指标使用 TA-Lib 的优化算法，O(n) 时间复杂度
并发支持: 多时间框架分析可并发获取数据
实时数据: 直接从 Aster DEX 获取最新数据

与 Go 项目的对比

特性	Go 项目	Python crypto_mcp
数据源	Aster API (加密货币)	Aster API (加密货币)
指标计算	手动实现	TA-Lib
时间复杂度	O(n)	O(n)
数据结构	market.Data	MarketData
MACD规则	HIST × 2	HIST × 2
多时间框架	✅	✅
MCP 支持	❌	✅
API 密钥	不需要	不需要

支持的交易对

理论上支持 Aster DEX 所有的 USDT 交易对，包括但不限于：

主流币: BTC, ETH, BNB DeFi: AVAX, MATIC, ARB, OP, UNI, AAVE Layer1: SOL, ADA, DOT, ATOM 其他: DOGE, SHIB, LINK, etc.

使用时可以省略 "USDT" 后缀，服务会自动添加。

常见问题

1. TA-Lib 安装失败？

确保先安装了 TA-Lib 的 C 库：

# macOS brew install ta-lib # Ubuntu/Debian sudo apt-get install ta-lib # 然后安装 Python 包 pip install TA-Lib

2. 如何获取更多历史数据？

调整 limit 参数：

# 获取更多K线数据 data = provider.get_market_data("BTC", "1h", limit=2000)

3. 支持哪些时间周期？

支持: 1m, 3m, 5m, 15m, 30m, 1h, 2h, 4h, 6h, 12h, 1d, 1w

4. 数据从哪里来？

直接从 Aster DEX 的公开 API 获取，无需注册或API密钥。

开发计划

基础指标计算
多时间框架支持
MCP 服务封装
Open Interest 和 Funding Rate
缓存机制
更多技术指标（KDJ、CCI等）
WebSocket 实时数据
性能优化

许可证

MIT License