Chart Library MCP-Server

Funktioniert mit: Claude Desktop | Claude Code | ChatGPT | GitHub Copilot | Cursor | VS Code | Jedem MCP-Client

Fragen Sie Ihren KI-Agenten „Wie hat sich dieser Chart das letzte Mal verhalten, als er so aussah?“ und erhalten Sie eine echte Antwort – gestützt auf eine Kohorte historischer Analoga und die kalibrierte Verteilung dessen, was danach geschah.

Über 25 Mio. Muster-Einbettungen. 10 Jahre Historie. Über 19.000 Aktien. Ein Tool-Aufruf.

> "What does NVDA's chart on 2024-08-05 1h look like historically?"

NVDA · 2024-08-05 · 1h — cohort of 500 historical analogs
(485 with realized 5-day returns)

  Distribution at 5 days forward:
    median:        −1.3%
    p10 ·· p90:    −11.3% ·· +6.8%   (80% empirical band)
    win rate:      44%
    cohort_score:  0.31 (modest)

  Features that separated winners from losers:
    + credit_spread_state = tight
    + macro_state = bullish
    + pct_off_52w_low (further off)
    − vol_regime = low

  Summary: NVDA's 1-hour pattern on 2024-08-05 has 500 historical
  analogs. The cohort's 5-day distribution is bearish-leaning
  (median −1.3%, win rate 44%) — the historical record does NOT
  show this pattern typically resolving bullish. Conditioning on
  tight credit spreads and a bullish macro state would have
  separated the outperformers within the cohort.

Ein Abruf, keine Prognose. Keine halluzinierten Vorhersagen. Kein Cherry-Picking. Nur die empirischen Daten, die Ihr Agent zitieren kann.

Schnellstart

pip install chartlibrary-mcp

Claude Desktop (Ein-Klick-Installation)

Laden Sie die Erweiterungsdatei chart-library-1.1.1.mcpb herunter und öffnen Sie sie mit Claude Desktop für die automatische Installation.

Claude Code

claude mcp add chart-library -- chartlibrary-mcp

Claude Desktop (Manuell)

Fügen Sie dies zu claude_desktop_config.json hinzu:

{
  "mcpServers": {
    "chart-library": {
      "command": "chartlibrary-mcp",
      "env": {
        "CHART_LIBRARY_API_KEY": "cl_your_key"
      }
    }
  }
}

Cursor / VS Code

Fügen Sie dies zu .cursor/mcp.json oder den VS Code MCP-Einstellungen hinzu:

{
  "servers": {
    "chart-library": {
      "command": "chartlibrary-mcp",
      "env": {
        "CHART_LIBRARY_API_KEY": "cl_your_key"
      }
    }
  }
}

GitHub Copilot (VS Code)

Fügen Sie dies zu .vscode/mcp.json in Ihrem Projekt hinzu (diese Datei ist bereits in den Chart-Library-Repos enthalten):

{
  "servers": {
    "chart-library": {
      "command": "chartlibrary-mcp",
      "env": {
        "CHART_LIBRARY_API_KEY": "cl_your_key"
      }
    }
  }
}

Copilot Chat erkennt den MCP-Server automatisch, wenn Sie das Projekt öffnen. Verwenden Sie @mcp in Copilot Chat, um Tools aufzurufen.

ChatGPT (Entwicklermodus)

ChatGPT verbindet sich über Remote-HTTP-Endpunkte mit MCP-Servern. So richten Sie es ein:

1. Entwicklermodus aktivieren: Gehen Sie in ChatGPT zu Einstellungen > Apps > Erweiterte Einstellungen > Entwicklermodus (erfordert Pro-, Plus-, Business-, Enterprise- oder Education-Plan)

2. Connector erstellen: Klicken Sie unter Einstellungen > Connectors auf Erstellen und geben Sie Folgendes ein:

   • Name: Chart Library

   • Beschreibung: Suchmaschine für historische Chartmuster – über 25 Mio. Muster bei über 19.000 Aktien, 10 Jahre Daten

   • URL: https://chartlibrary.io/mcp

   • Authentifizierung: Keine Authentifizierung (oder OAuth, falls Sie einen API-Schlüssel verwenden)

3. In Unterhaltungen verwenden: Wählen Sie im Plus-Menü „Entwicklermodus“, wählen Sie die Chart Library-App und stellen Sie Fragen wie „Wie sieht der Chart von NVDA historisch aus?“

Hinweis: Der Remote-Endpunkt unter https://chartlibrary.io/mcp verwendet Streamable HTTP-Transport. Wenn Sie ein SSE-Fallback benötigen, verwenden Sie https://chartlibrary.io/mcp/sse.

Remote-MCP-Endpunkt

Für jeden MCP-Client, der Remote-HTTP-Verbindungen unterstützt:

https://chartlibrary.io/mcp

Dieser Endpunkt unterstützt sowohl Streamable HTTP- als auch SSE-Transporte, keine lokale Installation erforderlich.

Kostenloser Tarif: 200 Aufrufe/Tag, keine Kreditkarte erforderlich. Holen Sie sich einen API-Schlüssel unter chartlibrary.io/developers oder nutzen Sie die einfache Suche ohne Schlüssel.

Related MCP server: TickerAPI

Was kann Ihr Agent damit tun?

„Sollte ich mir Sorgen um meine TSLA-Position machen?“

> get_exit_signal("TSLA")

  Signal: HOLD (confidence: 72%)
  Similar patterns that exited early: 3/10 would have avoided a drawdown
  Similar patterns that held: 7/10 gained an additional +2.1% over 5 days
  Recommendation: Pattern suggests continuation. No exit signal triggered.

„Welche Sektoren rotieren gerade ein?“

> get_sector_rotation()

  Leaders (30-day relative strength):
    1. XLK  Technology     +4.2%
    2. XLY  Cons. Disc.    +3.1%
    3. XLC  Communication  +2.8%

  Laggards:
    9. XLU  Utilities      -1.4%
   10. XLP  Cons. Staples  -2.1%
   11. XLRE Real Estate    -3.3%

  Regime: Risk-On (growth > defensives)

„Was passiert mit AMD, wenn der SPY um 3 % fällt?“

> run_scenario("AMD", spy_change=-3.0)

  When SPY fell ~3%, AMD historically:
    Median move:  -5.2%
    Best case:    +1.1%
    Worst case:  -11.4%
    Positive:     18% of the time

  AMD shows 1.7x beta to SPY downside moves.

8 Kanonische Tools

Chart Library 2.0 fasst 22 Legacy-Tools in 8 kombinierbaren Primitiven zusammen. Verketten Sie diese über cohort_id-Handles für eine Verfeinerung in Sekundenbruchteilen, ohne kNN erneut auszuführen.

Diese Tools ersetzen halluzinierte „im Durchschnitt bringt dieses Muster X%“ durch echte bedingte Basisraten. Siehe das grounded-base-rates-Muster für die vollständige Schleife.

Typischer Agenten-Ablauf

1. search("NVDA 2024-06-18")                          → cohort_id
2. cohort(cohort_id=..., filters={regime:{same_vix_bucket: true}})
                                                       → conditional distribution
3. explain(cohort_id=..., style="filter_ranking")     → which filter matters most
4. cohort(cohort_id=..., filters={...new filter...})  → refined distribution

Legacy-Tools (veraltet, noch aufrufbar)

Aus Gründen der Abwärtskompatibilität bleiben diese 22 Legacy-Toolnamen erhalten und sind in ihren MCP-Annotationen als deprecated markiert. Sie leiten an das kanonische Tool weiter und werden in einer zukünftigen Hauptversion entfernt. Migrieren Sie gemäß der untenstehenden Zuordnung:

Funktionsweise

Chart Library indexiert eine große Bibliothek historischer Chartmuster und stellt sie hinter einer API für bedingte Verteilungen bereit. Jede Abfrage liefert Stichprobengrößen, Perzentile und kalibrierte Vorwärtsrendite-Bänder – niemals eine Punktprognose.

Wenn Ihr Agent analyze_pattern("NVDA") aufruft, macht der Server Folgendes:

1. Erstellt eine Repräsentation des aktuellen Chart-Zustands von NVDA

2. Ruft historisch ähnliche Muster ab

3. Schaut nach, was in den folgenden 1, 3, 5 und 10 Tagen geschah

4. Gibt die Verteilung + eine Zusammenfassung in einfachem Englisch via Claude Haiku zurück

Das Ergebnis: faktische, zitierfähige Aussagen wie „von N ähnlichen historischen Mustern betrug die mittlere 5-Tage-Rendite X% (80%-Band [p10, p90])“, die Ihr Agent präsentieren kann, ohne zu halluzinieren oder sich abzusichern.

API-Schlüssel

Holen Sie sich Ihren Schlüssel unter chartlibrary.io/developers.

export CHART_LIBRARY_API_KEY=cl_your_key

Links

• Website

• API-Dokumentation

• Entwicklerportal

• Regime-Tracker

• Python SDK | JavaScript SDK

Chart Library stellt historische Musterdaten zu Informationszwecken bereit. Keine Finanzberatung.