local-only server

The server can only run on the client’s local machine because it depends on local resources.

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。

功能特点

XTQuantAI 提供以下核心功能(陆续更新中，欢迎大家提交新创意)：

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

⚠️ 注意

QMT 生态系统目前仅支持 Windows，因此以下均在 Windows 环境实现
Windows 环境目前在实现 MCP 过程中有不少细节，需要注意

前提条件

Python 3.11 或更高版本
迅投 QMT 或投研终端
uv 包管理工具 (推荐)

uv 的安装及注意事项

uv 是后续用来启动包的工具，因此我们需要在开始安装一下，注意你需要在你要运行 xtquantai 的环境里面安装这个包，这是第一个可能出问题的地方，不确定就都安装一下。

pip install uv

第二个注意点，uv 是有缓存的，因此我才会有 clear_cache_and_run.py 的文件，你一旦中间有错误的运行，不删缓存就会一直不更新，记得运行一下删除。

下载即可

git clone https://github.com/dfkai/xtquantai.git

或者直接下载压缩包。你可以下载到任意文件夹，只要最后能够找到 xtquantai 的具体地址即可，最好去文件夹里直接去复制地址。

使用方法

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

{
  "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。

这里注意 path to 意思是你自己本地的地址，同时注意你手动填写进去是单斜杠，仅仅在json文件中需要两个斜杠防止转义。

工具使用示例

获取交易日期

# 获取上海市场的交易日期
dates = get_trading_dates(market="SH")

获取股票列表

# 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

# 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

直接启动服务器

# 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（仅在开发的的时候使用）

需要安装 node 环境。

npx @modelcontextprotocol/inspector uv run xtquantai

构建和发布

准备发布包：

同步依赖并更新锁文件：

uv sync

构建包分发：

uv build

发布到 PyPI：

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 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 文件。

贡献

欢迎贡献！请随时提交问题或拉取请求。

致谢

迅投科技提供的量化交易平台
Model Context Protocol 提供的 AI 集成框架

You must be authenticated.

A

security – no known vulnerabilities

A

license - permissive license

A

quality - confirmed to work

Tools

An MCP server that integrates the XTQuant quantitative trading platform with AI assistants, allowing AI to directly access and operate on trading data and functionality.

Related Resources

Reddit Discussion about this server