README.md3.69 kB
# 股票分析MCP工具
基于fastmcp和AKShare API构建的股票分析MCP服务器，支持CherryStudio的SSE标准协议。
## 功能特性
### 🚀 核心功能
- **实时行情**: 获取股票实时价格、涨跌幅、成交量等数据
- **历史数据**: 支持日线、周线、月线历史数据查询
- **技术指标**: 计算MA、MACD、RSI等常用技术指标
- **市场情绪**: 分析市场整体情绪和资金流向
- **股票搜索**: 根据股票名称或代码搜索股票信息
- **新闻资讯**: 获取股票相关新闻和市场资讯
### 🔧 技术特性
- 基于fastmcp框架，支持MCP协议
- 集成AKShare API，数据来源可靠
- 内置缓存机制，提高响应速度
- 支持CherryStudio的SSE标准协议
- 异步处理，高性能并发
## 安装配置
### 1. 安装依赖
```bash
pip install -r requirements.txt
```
### 2. 启动服务器
```bash
python stock_mcp_server.py
```
### 3. 配置CherryStudio
在CherryStudio中添加MCP服务器配置：
```json
{
"name": "股票分析工具",
"command": "python",
"args": ["stock_mcp_server.py"],
"cwd": "/path/to/your/project"
}
```
## 工具使用说明
### 1. 获取实时行情
```python
get_stock_realtime_data(symbol="000001")
```
- `symbol`: 股票代码，如 "000001"（平安银行）
### 2. 获取历史数据
```python
get_stock_history_data(
symbol="000001",
period="daily",
start_date="20240101",
end_date="20241231"
)
```
- `symbol`: 股票代码
- `period`: 数据周期 ("daily", "weekly", "monthly")
- `start_date`: 开始日期 (YYYYMMDD格式)
- `end_date`: 结束日期 (YYYYMMDD格式)
### 3. 计算技术指标
```python
calculate_technical_indicators(
symbol="000001",
indicators=["ma", "macd", "rsi"]
)
```
- `symbol`: 股票代码
- `indicators`: 指标列表，支持 ["ma", "macd", "rsi", "boll", "kdj"]
### 4. 获取市场情绪
```python
get_market_sentiment(symbol="000001") # 个股情绪
get_market_sentiment() # 整体市场情绪
```
### 5. 搜索股票
```python
search_stock_info(keyword="平安银行")
```
- `keyword`: 搜索关键词（股票名称或代码）
### 6. 获取新闻资讯
```python
get_stock_news(symbol="000001", limit=10) # 个股新闻
get_stock_news(limit=20) # 市场新闻
```
## 数据说明
### 实时行情数据字段
- 股票代码、股票名称
- 最新价、涨跌幅、涨跌额
- 成交量、成交额、振幅
- 最高价、最低价、开盘价、昨收价
### 技术指标说明
- **MA**: 移动平均线 (5日、10日、20日、60日)
- **MACD**: 指数平滑移动平均线
- **RSI**: 相对强弱指标 (14日)
### 市场情绪指标
- 上涨/下跌股票数量和比例
- 主力资金净流入情况
- 北向资金流向数据
## 注意事项
1. **数据来源**: 数据来自AKShare API，请遵守相关使用条款
2. **缓存机制**: 内置5分钟缓存，避免频繁请求
3. **错误处理**: 包含完善的错误处理和日志记录
4. **性能优化**: 限制返回数据量，避免内存溢出
## 开发扩展
### 添加新的技术指标
在 `calculate_technical_indicators` 函数中添加新的指标计算逻辑：
```python
# 计算布林带
if 'boll' in indicators:
df['BOLL_MID'] = df['收盘'].rolling(window=20).mean()
df['BOLL_STD'] = df['收盘'].rolling(window=20).std()
df['BOLL_UPPER'] = df['BOLL_MID'] + 2 * df['BOLL_STD']
df['BOLL_LOWER'] = df['BOLL_MID'] - 2 * df['BOLL_STD']
```
### 自定义缓存策略
修改 `StockAnalyzer` 类中的缓存参数：
```python
self.cache_timeout = 300 # 缓存时间（秒）
```
## 许可证
MIT License
## 贡献
欢迎提交Issue和Pull Request来改进这个项目！