FIX-MCP

KI-Agenten können FIX-Nachrichten schreiben. Sie können jedoch keine hängende Sitzung wiederherstellen, eine NewOrderSingle validieren oder einen TWAP pausieren, der hinter dem Zeitplan liegt. FIX-MCP gibt ihnen das Gehirn für Handelsoperationen, um all dies durch explizite MCP-Tools, Freigabeschleusen und prüfbare Nachweise zu erledigen.

FIX-MCP ist eine Open-Source-Profidemo für KI-gestützte Handelsoperationen. Sie bietet Claude, GPT, Gemini und jedem MCP-fähigen Agenten eine kontrollierte Werkzeugoberfläche zur Diagnose und Lösung realistischer FIX-, OMS-, Stammdaten-, Handelsplatz- und Algo-Vorfälle, während ein menschlicher Operator für die Freigabe und die endgültige Kontrolle verantwortlich bleibt.

Die Demo läuft in einer simulierten Broker-Dealer-Umgebung. Die Produktthese ist breiter gefasst: MCP ist die richtige Schnittstelle, um LLMs mit echten operativen Systemen arbeiten zu lassen, ohne ihnen magischen, unbegrenzten Zugriff auf den Handelstisch zu geben.

Was ist enthalten

• 22 MCP-Tools für Sitzungsreparatur, Auftrags-Triage, Stammdatenaktualisierungen, Handelsplatzstatus, Algo-Management, Szenario-Bewertung und Trace-Erfassung.

• 14 reale Szenarien für den Handelstisch, von der Inbetriebnahme um 02:05 ET bis zu Ausfällen in Dark Pools nach Börsenschluss um 16:32 ET.

• Menschlich geführter Workflow: Untersuchen, Arbeitsmappe genehmigen, genehmigte Wiederherstellung ausführen und erst nach Verständnis des Basispfads Stresstests durchführen.

• Mission Control Dashboard mit Fallzusammenfassung, Arbeitsmappe, Operator-Leiste, Trace, FIX-Wire, Terminal, manuellem Runbook und Copilot-Panel.

• Produktionsnaher Stack: Python MCP-Server, REST-API, Next.js-Konsole, PostgreSQL 16, Redis 7, Docker Compose und asynchrones FIX-TCP-Connector-Gerüst.

KI-Kontrollmodell

• System-Prompt: src/fix_mcp/prompts/trading_ops.py wird MCP-Clients als fix://prompts/trading-ops bereitgestellt. Die Webkonsole spiegelt dies in src/store/prompts.ts wider.

• Modellkonfiguration: Der Mission Control Copilot ruft derzeit openai/gpt-5.4 über OpenRouter auf, entweder über einen serverseitigen OPENROUTER_API_KEY oder einen vom Benutzer bereitgestellten Schlüssel im Copilot-Panel.

• Agenten-Framework: Dieses Repository verwendet kein LangChain oder LangGraph. Die Kontrollgrenze bilden MCP-Tools, MCP-Ressourcen, MCP-Prompts, FastAPI und die Next.js-Operator-Konsole.

• Halluzinationskontrollen: Szenario-Fakten stammen aus JSON-Fixtures und dem Live-Engine-Status; Aktionen erfolgen über typisierte MCP-Tools; produktionsähnliche Schritte erfordern eine menschliche Freigabe; jeder Tool-Aufruf ist im Trace sichtbar.

• Demo-Grenze: Die enthaltene Umgebung ist simuliert. Verbinden Sie eine öffentliche Demo nicht mit echten FIX-, OMS-, Stammdaten- oder Überwachungssystemen.

Siehe System Prompt, Model, and Guardrails für die demo-orientierte Antwort auf Fragen zu Modell, Prompt, LangChain/LangGraph und Grounding.

Für wen ist das gedacht

Vorgestellte Komplettlösung — BATS-Inbetriebnahme um 02:05 ET

Der Handelstisch lädt bats_startup_0200.

Vorfall: Der BATS-Logon wird abgelehnt, da die Gegenpartei die Sequenz 2450 erwartet, während die Sitzung auf 1 zurückgesetzt wurde. Acht über Nacht laufende GTC-Aufträge sind blockiert, zwei ETF-Symbole fehlen in den Stammdaten für den erweiterten Handel und IEX ist als Ausweichmöglichkeit gesund.

Der Operator bittet den Copilot um Untersuchung. Der Agent verwendet MCP-Tools:

list_scenarios       Scenario Loaded: bats_startup_0200
check_fix_sessions   BATS down; sequence mismatch detected
query_orders         ORDER QUERY — 14 order(s) found

Der Agent schlägt eine Wiederherstellungs-Arbeitsmappe vor:

1. Check BATS session
2. Quantify blocked flow
3. Reconnect BATS
4. Reset BATS sequence if needed
5. Load missing ETF symbols
6. Validate orders released

Der Mensch genehmigt die Arbeitsmappe. Agent Run führt nur den genehmigten Pfad aus:

fix_session_issue    BATS reconnect released stuck orders
fix_session_issue    BATS reset_sequence accepted
load_ticker          BITO loaded
load_ticker          GBTC loaded
validate_orders      14 PASS, 0 FAIL

Erst dann verwendet der Operator das Stress Lab, um ein Sequenzlücken-Ereignis zu injizieren und zu beweisen, dass das System pausiert, neu triagiert, wiederherstellt, fortsetzt und den Trace aufzeichnet.

Das ist das Betriebsmuster: zuerst die Basislinie, dann der Belastungstest, immer mit Nachweisen.

Schnellstart

git clone https://github.com/henryurlo/fix-mcp.git
cd fix-mcp
docker compose up -d

Öffnen Sie http://localhost:3000.

Melden Sie sich mit henry / henry, admin / admin an oder klicken Sie auf Demo Mode.

Für die Docker-Demo ist auf Ihrem Host kein Node oder Python erforderlich.

Python-Entwicklung

python -m pip install -e ".[dev]"
python -m fix_mcp.api

In einem anderen Terminal:

npm install
npm run dev

Die Next.js-Konsole liest BACKEND_URL, standardmäßig http://127.0.0.1:8000.

MCP-Client-Konfiguration

Für einen lokalen MCP-Client, der den Python-Einstiegspunkt starten kann:

{
  "mcpServers": {
    "fix-mcp": {
      "command": "fix-mcp"
    }
  }
}

Für einen HTTP-fähigen MCP-Client/Proxy:

{
  "mcpServers": {
    "fix-mcp": {
      "command": "npx",
      "args": ["-y", "@anthropic-ai/mcp-remote@latest"],
      "env": {
        "MCP_URL": "http://localhost:8000/mcp"
      }
    }
  }
}

Demo vs. Produktion

Die professionelle Arbeit liegt in der Integrationsschicht: Die gleiche MCP-Schnittstelle und das Wissen über Handelsoperationen in die echten Logs, OMS, Stammdaten, Überwachung und Freigabe-Workflows eines Unternehmens einzubinden.

Dokumentation

• System-Prompt, Modell und Guardrails

• Szenariokatalog

• Architektur

• Hinweise zur Produktionsintegration

• Operator-Demo-Ablauf

• Remotion-Demo-Skripte

Kontakt

henryurlo@gmail.com

Lizenz

MIT. Siehe LICENSE.