MCP 交易服务器
面向股票交易者的模型上下文协议 (MCP) 服务器。
特征
工具
该服务器提供以下股票分析和交易工具：
analyze-stock ：对给定的股票代码进行技术分析
必需参数：
symbol（字符串，例如“NVDA”）返回全面的技术分析，包括：
移动平均趋势（20、50、200 SMA）
动量指标（RSI、MACD）
波动率指标（ATR、ADRP）
成交量分析
相对强度：计算股票相对于基准的相对强度
必需参数：
symbol（字符串，例如“AAPL”）可选参数：
benchmark（字符串，默认值：“SPY”）返回多个时间范围（21、63、126、252 天）的相对强度指标
包括股票与基准之间的表现比较
成交量分布：按价格分析成交量分布
必需参数：
symbol（字符串，例如“MSFT”）可选参数：
lookback_days（整数，默认值：60）返回成交量概况分析，包括：
控制点（POC）- 交易量最高的价格水平
值区域（体积范围的 70%）
最高成交量价格水平
检测模式：识别价格数据中的图表模式
必需参数：
symbol（字符串，例如“AMZN”）返回检测到的图表模式以及置信度和价格目标
仓位规模：根据风险参数计算最佳仓位规模
必需参数：
symbol（字符串，例如“TSLA”）stop_price（数字）risk_amount（数字）account_size（数字）
可选参数：
price（数字，默认值：当前价格）返回建议的头寸规模、美元风险和潜在利润目标
suggest-stops ：根据技术分析建议止损水平
必需参数：
symbol（字符串，例如“META”）根据以下内容返回多个止损建议：
基于 ATR 的止损（1x、2x、3x ATR）
基于百分比的停止（2%、5%、8%）
技术水平（移动平均线、近期波动低点）
技术分析能力
该服务器利用了几个专门的分析模块：
技术分析：核心技术指标和趋势分析
移动平均线（SMA 20、50、200）
动量指标（RSI、MACD）
波动率指标（ATR，平均每日波动百分比）
成交量分析（20天平均成交量）
RelativeStrength ：比较性能分析
多时间框架相对强弱评分（21、63、126、252 天）
与基准指数的表现比较
优异/不佳表现分类
VolumeProfile ：高级体积分析
价格水平成交量分布
控制点（POC）识别
值面积计算（体积的 70%）
PatternRecognition ：图表模式检测
支撑/阻力位
常见图表形态（头肩、双顶/双底等）
对检测到的模式进行置信度评分
风险分析：仓位规模和风险管理
基于风险的头寸调整
多种止损策略
R倍数利润目标计算
数据源
服务器使用Tiingo API获取市场数据：
历史每日 OHLCV 数据
调整价格以进行准确的回溯测试
默认最多 1 年的历史数据
Related MCP server: Trading Simulator MCP Server
设置
先决条件
Python 3.11+
环境变量
创建.env文件：
通过 Smithery 安装
要通过Smithery自动安装 Claude Desktop 的 Trader：
这将：
安装 MCP Trader 服务器
使用您的 Tiingo API 密钥进行配置
设置 Claude Desktop 集成
Smithery 配置
该服务器包含一个smithery.yaml配置文件，该文件定义：
所需配置参数（Tiingo API 密钥）
启动 MCP 服务器的命令函数
与 Claude Desktop 集成
您可以通过编辑smithery.yaml文件来自定义 Smithery 配置。
安装
Docker 部署
该项目包含一个用于容器化部署的Dockerfile：
要在 HTTP 服务器模式下运行容器：
配置
克劳德桌面应用程序
在 MacOS 上： ~/Library/Application\ Support/Claude/claude_desktop_config.json
在 Windows 上： %APPDATA%/Claude/claude_desktop_config.json
开发配置：
发展
构建并运行
HTTP 服务器模式
该服务器还可以作为独立的 HTTP 服务器运行，以进行测试或与其他应用程序集成：
这将在http://localhost:8000上启动一个 HTTP 服务器，其端点如下：
GET /list-tools ：返回可用工具及其模式的列表
POST /call-tool ：使用提供的参数执行工具
请求主体格式：
{ "name": "analyze-stock", "arguments": { "symbol": "AAPL" } }返回内容项数组（文本、图像等）
调试
使用 MCP Inspector 进行调试：
示例用法
在 Claude Desktop 中：
服务器将返回技术分析摘要，包括趋势状态、动量指标和关键指标。
依赖项
查看 pyproject.toml 以获取完整的依赖项列表：
贡献
欢迎为 MCP Trader 做出贡献！以下是一些您可以做出贡献的方式：
添加新工具：实施额外的技术分析工具或交易策略
改进现有工具：提高现有工具的准确性或性能
添加数据源：集成其他市场数据提供商
文档：改进文档或添加示例
错误修复：修复问题或改进错误处理
开发工作流程
分叉存储库
创建功能分支（
git checkout -b feature/amazing-feature）提交您的更改（
git commit -m 'Add some amazing feature'）推送到分支（
git push origin feature/amazing-feature）打开拉取请求
未来计划
MCP Trader 项目计划进行多项增强：
投资组合分析：分析和优化投资组合的工具
回溯测试：利用历史数据测试交易策略的能力
情绪分析：与新闻和社交媒体情绪数据的整合
期权分析：分析期权策略和定价的工具
实时数据：支持实时市场数据馈送
自定义策略：用于实施和测试自定义交易策略的框架
警报：价格和技术指标警报的通知系统
进一步阅读
通过这些详细的博客文章了解有关该项目的更多信息：
使用 MCP 构建股票分析服务器（第一部分） ——初始设置、架构和核心技术分析功能
使用 MCP 构建股票分析服务器（第二部分） - 相对强度、交易量、模式识别、风险分析