Skip to main content
Glama
Finance Tools MCP

Finance Tools MCP

by VoxLink-org

finance-tools-mcp: Un servidor MCP de análisis financiero

https://github.com/VoxLink-org/herramientas-financieras-mcp

Descripción general

finance-tools-mcp es un servidor de Protocolo de Contexto de Modelo (MCP) diseñado para proporcionar información financiera completa y capacidades de análisis a los Modelos de Lenguaje de Gran Tamaño (LLM). Se trata de una modificación de investor-agent y se integra con diversas fuentes de datos y bibliotecas analíticas para ofrecer un conjunto de herramientas para la investigación y el análisis financiero detallados.

Related MCP server: Trading MCP Server

Herramientas ofrecidas

El servidor expone una variedad de herramientas a través del MCP, lo que permite a los clientes conectados (como LLM) acceder a datos financieros específicos y realizar análisis:

  • Herramientas de datos de ticker:

    • get_ticker_data : proporciona un informe completo para un ticker determinado, que incluye descripción general, noticias, métricas clave, rendimiento, fechas, recomendaciones de analistas y actualizaciones/degradaciones.

    • get_options : recupera datos de opciones con el mayor interés abierto para un ticker, con opciones de filtrado por rango de fechas, precio de ejercicio y tipo de opción (calls/puts).

    • get_price_history : obtiene un resumen de datos de precios históricos para un período específico, incluidas muestras de OHLCV, indicadores técnicos, métricas de riesgo y otros análisis cuantitativos.

    • get_financial_statements : accede a los estados financieros (ingresos, balance, flujo de caja) de un ticker, disponible trimestral o anualmente.

    • get_institutional_holders : enumera los principales titulares de fondos mutuos e institucionales de un ticker.

    • get_earnings_history : proporciona un historial de ganancias con estimaciones y sorpresas para un ticker.

    • get_insider_trades : recupera la actividad reciente de uso de información privilegiada para un ticker.

    • get_ticker_news_tool : obtiene las últimas noticias de Yahoo Finance para un ticker específico.

  • Herramientas del índice de miedo y codicia:

    • get_current_fng_tool : obtiene la puntuación y calificación actuales del índice de miedo y codicia de CNN.

    • get_historical_fng_tool : recupera datos históricos del índice de miedo y codicia de CNN para una cantidad específica de días.

    • analyze_fng_trend : analiza las tendencias en el índice de miedo y codicia de CNN durante un período específico.

  • Herramientas de cálculo:

    • calculate : evalúa expresiones matemáticas utilizando la sintaxis matemática de Python y NumPy.

  • Herramientas de datos macro:

    • get_current_time : proporciona la hora actual.

    • get_fred_series : recupera datos para un ID de serie FRED específico.

    • search_fred_series : busca series populares de FRED por palabra clave.

    • cnbc_news_feed : obtiene las últimas noticias de último momento del mundo de CNBC, BBC y SCMP.

Procesamiento y optimización de datos de series temporales

El servidor utiliza yfinance para recuperar datos históricos de precios (OHLCV: apertura, máximo, mínimo, cierre y volumen) de los tickers. Estos datos sin procesar se someten a un exhaustivo procesamiento y análisis para proporcionar información valiosa, especialmente optimizada para su uso por parte de los LLM.

Los aspectos clave del manejo de datos de series temporales incluyen:

  • Análisis exhaustivo: Los datos se analizan mediante bibliotecas como ta-lib-python para calcular una amplia gama de indicadores técnicos. Además, las funciones personalizadas calculan estadísticas básicas, métricas de riesgo, reconocen patrones gráficos comunes y calculan los niveles de retroceso de Fibonacci.

  • Resumen estructurado: los resultados de este análisis se compilan en un formato de resumen estructurado ( generate_time_series_digest_for_LLM ) que es fácil de analizar y comprender para los LLM, e incluye secciones para estadísticas, resumen, indicadores técnicos, métricas de riesgo, patrones, niveles de Fibonacci y una muestra de datos.

  • Muestreo inteligente para LLM: Para proporcionar a los LLM una vista representativa de los datos históricos sin sobrecargar la ventana de contexto, se emplea una estrategia de "muestreo inteligente" ( get_latest_data_sample ). Este método muestrea los datos con diferentes resoluciones:

    • Alta resolución: se incluyen diariamente puntos de datos recientes.

    • Resolución media: Los puntos de datos intermedios se muestrean semanalmente.

    • Baja Resolución: Los puntos de datos más antiguos se muestrean mensualmente. Este enfoque híbrido garantiza que el LLM reciba información detallada sobre las fluctuaciones recientes de precios, a la vez que conserva el contexto de las tendencias a largo plazo, todo dentro de un número manejable de puntos de datos.

Este procesamiento y presentación optimizados de datos de series temporales permiten a los LLM captar rápidamente tendencias, indicadores y patrones clave, lo que facilita un análisis financiero más informado.

Informe de muestra

texto alternativo

Prerrequisitos

  • Python: 3.10 o superior

  • Gestor de paquetes: uv

Instalación

Primero, instala uv si aún no lo has hecho:

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

Luego, puedes ejecutar el servidor MCP finance-tools-mcp usando uvx :

uvx finance-tools-mcp

Si desea utilizar su propia clave API FRED, puede configurarla como una variable de entorno:

FRED_API_KEY=YOUR_API_KEY uvx finance-tools-mcp

También puedes ejecutar el servidor utilizando el transporte de eventos enviados por el servidor (SSE):

uvx finance-tools-mcp --transport sse

O con la clave API FRED y el transporte SSE:

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

Uso con clientes MCP

Para integrar finance-tools-mcp con un cliente MCP (por ejemplo, Claude Desktop), agregue la siguiente configuración a su claude_desktop_config.json :

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

Depuración

Puede aprovechar el inspector MCP para depurar el servidor:

npx @modelcontextprotocol/inspector uvx finance-tools-mcp

o

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

Para supervisar el registro, consulte los siguientes directorios:

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

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

Desarrollo

Para desarrollo y pruebas locales:

  1. Utilice el inspector MCP como se describe en la sección Depuración .

  2. Prueba usando Claude Desktop con esta configuración:

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

Licencia

Este servidor MCP está licenciado bajo la licencia MIT. Consulte el archivo de licencia para obtener más información.

Muestras

Hacer

  • [ ] Agregar niveles de soporte y niveles de resistencia para las acciones

  • [x] Agregar niveles de retroceso de Fibonacci para acciones

  • [ ] Agregar niveles de confluencia de promedios móviles para acciones

  • [ ] Agregar modelo de opción para predicción

  • [ ] Agregue un modelo predictivo mediante el uso de hojas financieras y otras funciones

Fuentes de datos

  • fintel.com

  • invertir.com

  • yahoo.com

  • fred.stlouisfed.org

  • CNN, CNN y 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