Skip to main content
Glama
Finance Tools MCP

Finance Tools MCP

by VoxLink-org

finance-tools-mcp: Ein MCP-Server für Finanzanalysen

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

Überblick

Der finance-tools-mcp ist ein Model Context Protocol (MCP)-Server, der Large Language Models (LLMs) umfassende Finanzinformationen und Analysefunktionen bietet. Er wurde von investor-agent modifiziert und integriert verschiedene Datenquellen und Analysebibliotheken, um eine Reihe von Tools für detaillierte Finanzrecherche und -analysen bereitzustellen.

Related MCP server: Trading MCP Server

Angebotene Tools

Der Server stellt über das MCP eine Vielzahl von Tools bereit, die es verbundenen Clients (wie LLMs) ermöglichen, auf bestimmte Finanzdaten zuzugreifen und Analysen durchzuführen:

  • Tickerdaten-Tools:

    • get_ticker_data : Bietet einen umfassenden Bericht für einen bestimmten Ticker, einschließlich Übersicht, Neuigkeiten, Schlüsselmetriken, Leistung, Daten, Analystenempfehlungen und Upgrades/Downgrades.

    • get_options : Ruft Optionsdaten mit dem höchsten offenen Interesse für einen Ticker ab, mit Filteroptionen für Datumsbereich, Ausübungspreis und Optionstyp (Calls/Puts).

    • get_price_history : Ruft eine Zusammenfassung historischer Preisdaten für einen bestimmten Zeitraum ab, einschließlich OHLCV-Beispielen, technischen Indikatoren, Risikometriken und anderen quantitativen Analysen.

    • get_financial_statements : Greift auf Finanzberichte (Einnahmen, Bilanz, Cashflow) für einen Ticker zu, verfügbar vierteljährlich oder jährlich.

    • get_institutional_holders : Listet die wichtigsten institutionellen und Investmentfondsinhaber für ein Tickersymbol auf.

    • get_earnings_history : Bietet eine Gewinnhistorie mit Schätzungen und Überraschungen für einen Ticker.

    • get_insider_trades : Ruft die aktuelle Insiderhandelsaktivität für einen Ticker ab.

    • get_ticker_news_tool : Ruft die neuesten Yahoo Finance-Nachrichten für einen bestimmten Ticker ab.

  • Angst- und Gier-Index-Tools:

    • get_current_fng_tool : Ruft den aktuellen Wert und die Bewertung des CNN Fear & Greed Index ab.

    • get_historical_fng_tool : Ruft historische CNN Fear & Greed Index-Daten für eine angegebene Anzahl von Tagen ab.

    • analyze_fng_trend : Analysiert Trends im CNN Fear & Greed Index über einen bestimmten Zeitraum.

  • Berechnungstools:

    • calculate : Bewertet mathematische Ausdrücke mithilfe der mathematischen Syntax von Python und NumPy.

  • Makrodaten-Tools:

    • get_current_time : Liefert die aktuelle Uhrzeit.

    • get_fred_series : Ruft Daten für eine bestimmte FRED-Serien-ID ab.

    • search_fred_series : Sucht nach beliebten FRED-Serien anhand von Schlüsselwörtern.

    • cnbc_news_feed : Ruft die aktuellsten Weltnachrichten von CNBC, BBC und SCMP ab.

Verarbeitung und Optimierung von Zeitreihendaten

Der Server nutzt yfinance , um historische Kursdaten (OHLCV – Open, High, Low, Close, Volume) für Ticker abzurufen. Diese Rohdaten werden umfassend verarbeitet und analysiert, um wertvolle Erkenntnisse zu liefern, die insbesondere für die Nutzung durch LLMs optimiert sind.

Zu den wichtigsten Aspekten der Verarbeitung von Zeitreihendaten gehören:

  • Umfassende Analyse: Die Daten werden mithilfe von Bibliotheken wie ta-lib-python analysiert, um eine breite Palette technischer Indikatoren zu berechnen. Zusätzlich berechnen benutzerdefinierte Funktionen grundlegende Statistiken, Risikometriken, erkennen gängige Chartmuster und berechnen Fibonacci-Retracement-Levels.

  • Strukturierte Zusammenfassung: Die Ergebnisse dieser Analyse werden in einem strukturierten Digest-Format ( generate_time_series_digest_for_LLM ) zusammengestellt, das für LLMs leicht zu analysieren und zu verstehen ist und Abschnitte für Statistiken, Zusammenfassungen, technische Indikatoren, Risikometriken, Muster, Fibonacci-Niveaus und eine Datenprobe enthält.

  • Smart Sampling für LLMs: Um LLMs eine repräsentative Ansicht historischer Daten zu bieten, ohne das Kontextfenster zu überlasten, wird eine „Smart Sampling“-Strategie ( get_latest_data_sample ) eingesetzt. Diese Methode sampelt die Daten mit unterschiedlichen Auflösungen:

    • Hohe Auflösung: Täglich werden aktuelle Datenpunkte einbezogen.

    • Mittlere Auflösung: Zwischendatenpunkte werden wöchentlich abgetastet.

    • Niedrige Auflösung: Ältere Datenpunkte werden monatlich abgetastet. Dieser hybride Ansatz stellt sicher, dass der LLM detaillierte Informationen über aktuelle Preisbewegungen erhält und gleichzeitig den Kontext längerfristiger Trends kennt – und das alles innerhalb einer überschaubaren Anzahl von Datenpunkten.

Diese optimierte Verarbeitung und Präsentation von Zeitreihendaten ermöglicht es LLMs, wichtige Trends, Indikatoren und Muster schnell zu erfassen und so eine fundiertere Finanzanalyse zu ermöglichen.

Beispielbericht

Alternativtext

Voraussetzungen

  • Python: 3.10 oder höher

  • Paketmanager: uv

Installation

Installieren Sie zunächst uv , falls Sie dies noch nicht getan haben:

curl -LsSf https://astral.sh/uv/install.sh | sh

Anschließend können Sie den MCP-Server finance-tools-mcp mit uvx ausführen:

uvx finance-tools-mcp

Wenn Sie Ihren eigenen FRED-API-Schlüssel verwenden möchten, können Sie ihn als Umgebungsvariable festlegen:

FRED_API_KEY=YOUR_API_KEY uvx finance-tools-mcp

Sie können den Server auch mithilfe des Server-Sent Events (SSE)-Transports ausführen:

uvx finance-tools-mcp --transport sse

Oder mit dem FRED-API-Schlüssel und SSE-Transport:

FRED_API_KEY=YOUR_API_KEY uvx finance-tools-mcp --transport sse

Verwendung mit MCP-Clients

Um finance-tools-mcp in einen MCP-Client (z. B. Claude Desktop) zu integrieren, fügen Sie Ihrer claude_desktop_config.json die folgende Konfiguration hinzu:

{
  "mcpServers": {
    "investor": {
        "command": "path/to/uvx/command/uvx",
        "args": ["finance-tools-mcp"],
    }
  }
}

Debuggen

Sie können den MCP-Inspektor zum Debuggen des Servers nutzen:

npx @modelcontextprotocol/inspector uvx finance-tools-mcp

oder

npx @modelcontextprotocol/inspector uv --directory  ./ run finance-tools-mcp

Überprüfen Sie zur Protokollüberwachung die folgenden Verzeichnisse:

  • macOS: ~/Library/Logs/Claude/mcp*.log

  • Windows: %APPDATA%\Claude\logs\mcp*.log

Entwicklung

Für lokale Entwicklung und Tests:

  1. Verwenden Sie den MCP-Inspektor wie im Abschnitt „Debuggen“ beschrieben.

  2. Testen Sie mit Claude Desktop mit dieser Konfiguration:

{
  "mcpServers": {
    "investor": {
      "command": "path/to/uv/command/uv",
      "args": ["--directory", "path/to/finance-tools-mcp", "run", "finance-tools-mcp"],
    }
  }
}

Lizenz

Dieser MCP-Server ist unter der MIT-Lizenz lizenziert. Weitere Informationen finden Sie in der Datei LICENSE .

Proben

Aufgaben

  • [ ] Unterstützungs- und Widerstandsniveaus für Aktien hinzufügen

  • [x] Fibonacci-Retracement-Levels für Aktien hinzufügen

  • [ ] Fügen Sie gleitende Durchschnittskonfluenzniveaus für Aktien hinzu

  • [ ] Optionsmodell zur Vorhersage hinzufügen

  • [ ] Fügen Sie ein Vorhersagemodell hinzu, indem Sie Finanzblätter und andere Funktionen verwenden

Datenquellen

  • fintel.com

  • investing.com

  • yahoo.com

  • fred.stlouisfed.org

  • CNN CNBC und Reddit

Available Tools

17 tools
analyze_fng_trendA
Analyze trends in CNN Fear & Greed Index over specified days.

Parameters:
    days (int): Number of days to analyze (limited by available data).

Returns:
    str: A string containing the analysis results, including latest value,
         average value, trend direction, and number of data points analyzed.

Inputs: days (required).

calculateB

Calculate the result of a mathematical expression. Support python math syntax and numpy. > calculate("2 * 3 + 4") {'result': 10} > calculate("sin(pi/2)") {'result': 1.0} > calculate("sqrt(16)") {'result': 4.0} > calculate("np.mean([1, 2, 3])") {'result': 2.0}

Inputs: expression (required).

cnbc_news_feedB

Get the latest breaking world news from CNBC, BBC, and SCMP. Useful to have an overview for the day. Include the Fed rate prediction from Fed watch and key macro indicators.

Inputs: no named parameters.

get_current_timeA

Get the current time in ISO 8601 format.

Inputs: no named parameters.

get_earnings_historyC

Get earnings history with estimates and surprises.

Inputs: ticker (required).

get_financial_statementsC

Get financial statements. Types: income, balance, cash. Frequency: quarterly, annual.

Inputs: ticker (required), frequency, statement_type.

get_fred_seriesB

Get a FRED series by its ID. However the data is not always the latest, so use with caution!!!

Inputs: series_id (required).

get_historical_fng_toolB
Get historical CNN Fear & Greed Index data for a specified number of days.

Parameters:
    days (int): Number of days of historical data to retrieve (limited by the API).

Returns:
    str: Historical Fear & Greed Index values for the specified period.

Inputs: days (required).

get_insider_tradesC

Get recent insider trading activity.

Inputs: ticker (required).

get_overall_sentiment_toolB
Get comprehensive market sentiment indicators including:
- CNN Fear & Greed Index (score and rating)
- Market RSI (Relative Strength Index)
- VIX (Volatility Index)

Returns:
    str: Formatted string containing all three indicators with their current values

Inputs: no named parameters.

get_price_historyA

Get historical price data digest for specified period. There're two kinds of response mode: 1. The period mode. It will generate a digest for LLM consumption. Usually get at least 3 months, 6 months or more. The response includes OCHLCV samples, Technical Indicators (by ta-lib) , Risk Metrics, and other quantitative analysis. 2. The start_date and end_date mode. Once the start_date (yyyy-mm-dd) and end_date (yyyy-mm-dd) are specified, it will generate a raw OCHLCV data in the slot. And no digest will be generated in this mode. Useful for checking the price history of a specific short date range.

Inputs: ticker (required), end_date, period, start_date.

get_ticker_dataB

Get comprehensive report for ticker: overview, news, metrics, sector / industry valuation, performance, dates, analyst recommendations, and upgrades/downgrades.

Inputs: ticker (required).

get_ticker_news_toolB

For getting yahoo financial news of a ticker. Useful for getting latest news, especially for doing deep research.

Inputs: ticker (required).

get_top25_holdersC

Get top 25 institutional holders and their changes for a given stock ticker.

Inputs: ticker (required).

search_fred_seriesC

Search for the most popular FRED series by keyword. Useful for finding key data by name. Like GDP, CPI, etc. However the data is not always the latest.

Inputs: query (required).

social_media_feedA

Get most discussed stocks and investments opinions from reddit. Useful to know what investors are talking about. keywords is optional. Set keywords to match the specific topic you are interested in, by 'OR' operator, e.g. ['tsla', 'tesla'], ['tesla', 'spacex'], ['AAPL', 'apple', 'tim cook', 'cook'] No keywords will return the most discussed stocks and investments.

Inputs: keywords.

super_option_toolB
Analyzes and summarizes option data for a given ticker.

This function retrieves option indicators and Greeks for the specified ticker,
generates a digest summarizing key metrics, and formats a table of key option
data including last trade date, strike, option type, open interest, volume,
and implied volatility.

Args:
    ticker: Stock ticker symbol.

Inputs: ticker (required).

Tool Schema Changelog

Recent tool additions, removals, and schema changes observed during successful MCP inspections.

Loading tool schema changelog…

    TDQS

    B3.2/5.0

    Scored across 17 tools

    Disambiguation3/5

    Most tools have distinct purposes, but there is some overlap that could cause confusion. For example, get_historical_fng_tool and analyze_fng_trend both deal with Fear & Greed Index data, and get_ticker_data includes news while get_ticker_news_tool is specifically for news. However, descriptions help clarify differences, such as analyze_fng_trend focusing on trend analysis versus get_historical_fng_tool for raw data retrieval.

    Naming Consistency4/5

    The naming follows a consistent snake_case pattern with a verb_noun structure for most tools, like get_price_history and search_fred_series. There are minor deviations, such as calculate being a single verb and cnbc_news_feed using a noun_verb_noun pattern, but overall, the naming is predictable and readable.

    Tool Count4/5

    With 17 tools, the count is slightly high but reasonable for a finance domain that covers diverse areas like market data, news, sentiment, and analysis. It provides comprehensive coverage without being overwhelmingly large, though it borders on the heavy side for typical MCP server scopes.

    Completeness4/5

    The tool set offers broad coverage for financial analysis, including data retrieval (e.g., price history, financial statements), sentiment indicators, news feeds, and specialized tools like options analysis. Minor gaps exist, such as no explicit tools for portfolio management or trading actions, but agents can work around this with the available tools for core financial workflows.

    Maintenance

    ActivityInactive
    ResponsivenessNo recent community issues

    Related MCP Connectors

    Related MCP Servers

    • A
      license
      B
      quality
      D
      maintenance
      An MCP server that provides comprehensive access to real-time stock quotes, financial statements, analyst estimates, and technical indicators via the Financial Modeling Prep API. It enables users to conduct in-depth financial analysis and track market performance through specialized tools, resources, and prompt templates.
      26
      47 npm
      1
      MIT
    • A
      license
      A
      quality
      D
      maintenance
      A comprehensive MCP server for stock analysis and trading insights, including stock screening, fundamental analysis, insider trading, options analysis, social media research, and news analysis.
      10
      75
      MIT
    • A
      license
      A
      quality
      C
      maintenance
      Comprehensive MCP server for real-time stock, cryptocurrency, options, and fundamental analysis, including SEC filings and insider trading data.
      26
      9 npm
      MIT
    • A
      license
      A
      quality
      D
      maintenance
      An advanced MCP server for real-time worldwide stock market data, technical indicators, financials, news, and Python sandboxing with AI models, supporting US and Indian markets.
      29
      1
      MIT