Provides access to Binance cryptocurrency data for crypto asset analysis, including BTC/ETH quotes, technical indicators, contract long/short ratios, funding rates, open interest, and Binance AI reports.
Integrates OKX as a cryptocurrency market data source, enabling retrieval of crypto market data for analysis within the server.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@DeepFusion MCP Server 分析A股最近一个月的行业轮动情况"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
中国金融市场全品类数据获取、周期定位与投研分析系统。以 MCP（Model Context Protocol）服务器 为核心，向上为 AI Agent 提供 177 个数据/分析工具；同时自带一套 React 可视化看板（dashboard），经由本地 HTTP API 消费同一套工具。
本文件面向接手项目的架构师 / 工程师，目标是给出系统结构、技术栈、能力边界与运维方式的完整、准确说明。AI 助手的协作约束见 AGENTS.md。
数字核实方式：运行
python -m deep_fusion inspect（FastMCP 自带子命令），输出 177 工具 / 14 资源 / 7 提示（核实于 2026-08-30）。本文档第 4、5 节以该输出与源码为准，替代此前 README 中过时的「140 工具 / 27 模块」描述。
DeepFusion 在同一份 Python 代码上提供两种运行形态：
形态 | 入口 | 端口 | 用途 |
MCP 服务器（Stdio） |
| stdio | 供 Claude / Cursor / OpenCode 等 MCP 客户端接入，Agent 调用 177 个工具 |
Web 服务 + 看板 |
| 后端 | 浏览器访问可视化看板，前端经 |
两种形态共享同一套 deep_fusion/ 包与同一套工具实现，工具逻辑只有一份。Stdio 形态走 mcp.run()（FastMCP JSON-RPC over stdio）；Web 形态把 FastMCP 实例包进 FastAPI（serve.py）+ Starlette（deep_fusion/__init__.py 的 --http 模式），对外暴露 MCP HTTP 路由。
后台采集已解耦：
serve.py/deep-fusion --http只启动 API 服务，不再内置常驻采集线程。周期预热、政策/行业/市场采集、日报类任务统一由deep-fusion-collectCLI（deep_fusion/scheduler.py）以「单次执行」模式运行，由外部调度（cron / systemd timer / docker sidecar）驱动。详见 §7。
⚠️ 关键约束（红线之一）：本进程既作 stdio MCP 服务又作 Web 服务时，日志只能走 stderr / 文件，绝不可写 stdout——否则会污染 stdio JSON-RPC 协议流，导致任何 stdio 客户端
JSONDecodeError。见deep_fusion/logging_config.py（StreamHandler固定用sys.stderr）。
Related MCP server: Wind MCP
维度 | 选型 |
语言 / 运行时 | Python ≥ 3.11（项目 pyproject 要求），包管理用 uv（ |
MCP 框架 | FastMCP（ |
Web 框架 | FastAPI + uvicorn（ |
数据处理 | pandas / numpy / scipy |
计量 / 统计 | statsmodels（Granger 因果）、arch（GARCH / DCC-GARCH）、scikit-learn（PCA / 聚类） |
频谱分析 | numpy.fft / scipy.signal（FFT / ACF / 小波 / EMD / Lomb / MUSIC / ESPRIT / MEM） |
数据源 | akshare（A股/港股/美股/基金/期货/外汇/财新等）、自研 NBS 客户端（国家统计局流式 API）、东方财富 / 新浪 / 同花顺 / 申万 / 99qh / OKX / Binance / SGE / FRED / 世界银行 / 雪球 |
持久化 | SQLite（多库，见 §5）；可选 PostgreSQL（部分行业分析管线曾用，现已以 SQLite 为准） |
缓存 | 双层： |
日志 | structlog（结构化 JSON，含 |
图表 | matplotlib（Agg 后端，相位着色等公共工具在 |
维度 | 选型 |
框架 | React 18 + Vite 5（ |
状态 | Zustand（ |
数据请求 | TanStack Query v5（ |
图表 | ECharts 5 |
路由 | react-router-dom v6（侧栏子导航卡片切换，无滚动定位） |
样式 | CSS（ |
测试 | Vitest + @testing-library |
restart_all.sh：一键启动（先杀 5173/8080 占用，再 nohup 拉后端+前端，日志落 logs/backend.log / logs/frontend.log）
Dockerfile + docker-compose.yml：容器化部署
smithery.yaml：Smithery 部署配置
桌面快捷方式：~/桌面/deepfusion.desktop（须 chmod +x，Exec 指向 restart_all.sh）
┌─────────────────────────────────────────────────────────────────┐
│ AI Agent (Claude / Cursor / OpenCode) │ 浏览器用户 │
│ MCP 客户端 (stdio) │ React Dashboard │
└───────────────┬──────────────────────────┴──────────┬───────────┘
│ stdio JSON-RPC │ HTTP
▼ ▼
┌──────────────────────────────────────────────────────┐
│ deep_fusion 包（单一工具实现） │
│ server.py (FastMCP 实例) │
│ ├── Stdio 形态: mcp.run() │
│ └── Web 形态: FastAPI(serve.py) │
│ /mcp (POST, streamable HTTP) │
│ （仅 API，无内置后台线程） │
└───────────────┬──────────────────────────────────────┘
│ @mcp.tool 注册的工具（177 个）
┌───────────────┼──────────────────────────────────────┐
│ tools/ (28 个工具模块文件) → analysis/ + data/sources/ + shared/ │
└───────────────┬──────────────────────────────────────┘
│ 数据获取 / 计算 / 落库
┌───────────────┴──────────────────────────────────────┐
│ 外部数据源 (akshare/NBS/东方财富/新浪/同花顺/申万/ │
│ FRED/WB/OKX/Binance/SGE/99qh/财新/政策爬虫/雪球) │
│ 本地持久层 (SQLite 多库 + diskcache 派生缓存) │
└──────────────────────────────────────────────────────┘模块分层（详见 AGENTS.md 架构边界）：
tools/ — 工具层：每个 @mcp.tool 函数即一个对外能力，参数用 Pydantic Field 描述
analysis/ — 计算引擎层：周期引擎（基钦/朱格拉/库兹涅茨/康波）、行业轮动、个股筛选、宏观
data/sources/ — 数据源层：NBS 客户端、行情采集器、市场桥接（DB-first）、本地爬虫
shared/ — 跨工具复用：缓存、相关性/因果/GARCH 分析、图表工具、数据库辅助、频谱
cache.py / freshness.py — 缓存与数据新鲜度（见 §6）
prompts.py / resources.py / server.py — MCP 协议层（7 个 SOP 提示词 / 14 个资源 / 服务器实例）
工具名经
python -m deep_fusion inspect实测（2026-08-30）。每个模块为一个能力板块；括号内为@mcp.tool名。
模块 | 工具数 | 能力板块 / 关键工具 |
| 7 | 个股基础： |
| 1 |
|
| 7 | 财报/新闻： |
| 6 | 诊断/回测： |
| 1 |
|
| 1 |
|
| 20 | 行业全栈：分类/行情/估值/资金流/申万三级树(31/131/336)·成分·日报表 / 日采集·查询 / 主题(相关性聚类+动量+资金流 / DCC-GARCH / Granger 因果+龙头识别) / 现货(99qh) / 财新指数 / FF 因子 |
| 11 | 行情面板： |
| 3 | 公共行情库读写（DB-first， |
| 3 | 快照： |
| 13 | 宏观：GDP/工业增加值 / CPI·PPI / PMI / M2·社融·LPR·失业率·进出口 / 库存周期 / 固定资产投资 / 全球 PMI（DB-first 增量更新） |
| 16 + 6 | 四周期定位（基钦/朱格拉/库兹涅茨/康波）+ |
| 7 | 贵金属：SGE 现货 / 国际金银 / ETF 持仓 / COMEX 库存 / 基差 / 基准价 / 综合诊断 |
| 4 | 期货：主力合约 / 仓单库存 / 期现基差 / 机构持仓排名 |
| 4 | 债券/期权/美股： |
| 2 | 外汇： |
| 9 | 加密：BTC/ETH 行情+技术指标 / 合约多空比 / 恐惧贪婪指数( |
| 9 | 基金：信息/净值/持仓/排名/债持/行业配置/风险收益/盈利概率/资产配置 |
| 3 | 模拟持仓：增/查/图 |
| 1 |
|
| 9 | 政策：6 大官网采集(国务院/央行/财政部/发改委/统计局/外管局) → |
| 4 | 连板：扫描 / 最新 / 历史 / 校准（落 |
| 4 | 题材→个股映射： |
| 9 | 投研日历：采集/刷新/种子 + |
| 4 | 调度报告查看（四区）： |
| 7 | 管家长期记忆： |
| 2 | 频谱周期检测： |
| 4 | 国际/跨市场： |
注：
event_calendar.py未直接列入_TOOL_MODULES，但被reports_view.py导入、作为副作用注册，其 9 个工具实际可用。周期图表/扩展数据工具定义于analysis/macro/cycles/dispatch.py（被cycles.py引用）。
能力域 | 主要模块 |
行情与数据底座 |
|
个股研究（基本面/技术/事件/诊断） |
|
行业与板块 |
|
宏观与经济指标 |
|
经济周期 |
|
大宗商品（贵金属/期货/现货） |
|
债券与期权 |
|
外汇 |
|
加密资产 |
|
基金 |
|
资产配置与组合 |
|
政策研究 |
|
资金·情绪·舆情 |
|
主题投资 |
|
投研日历 |
|
管家长期记忆 |
|
调度报告 |
|
缓存与运维 |
|
skill://investment/*）fundamental: internal-inspection · industry-comparison · quality-assessment
sentiment: institutional-behavior · public-opinion · market-trading · alternative-nbs_dictionary
cycle: kitchin-cycle · juglar-cycle · positioning-logic
integration: analysis-path · decision-framework
visualization: core-formula · chart-specs这些资源是投研方法论/SOP 知识，被 AI 推理时作为背景框架调用（对应
agents/下的 SOP 技能）。
analyze-stock-full(个股全景) · analyze-financial-quality(财务质量) · analyze-industry-position(行业地位) · analyze-cycle-position(周期位置) · generate-investment-charts(生成图表) · quick-health-check(快速体检) · full-investment-report(完整投研报告)
数据按"原始数据（Actual）永不过期、增量追加；处理/信号数据（Derived）版本号锁定 + TTL"分层（见 §6）。
库 / 缓存 | 路径 | 性质 | 主要写入方 |
|
| 业务库 |
|
|
| 业务库 |
|
|
| Actual 永久库 |
|
|
| Actual 永久库 |
|
|
| 业务库 |
|
|
| Actual 永久库 |
|
|
| Actual 永久库（FRED/世界银行/周期原始序列） |
|
|
| Derived/通用 |
|
派生 diskcache |
| Derived |
|
后端内存 L1 |
| Derived（热数据，重启即清） |
|
运维红线：
cycle_cache.db/industry_data.db/market_data.db等 Actual 库不可整体删除——否则丢失增量基线，逼全量重拉（NBS 有频率限制）。清缓存只清派生 diskcache + 对应脏表 + 重启后端（见 §8）。
核心原则：原始数据（Actual）永不过期，处理/信号数据（Derived）需新鲜度机制。管理模块 deep_fusion/shared/freshness.py（DATA_CLASSIFICATION 注册表）。
派生缓存（CacheKey）：键名内嵌版本号。改算法逻辑时必须 +1 版本号，旧缓存自动失效，否则前端会一直看到旧数据。当前版本锁（2026-08）：
康波：kondratiev_cycle v3 / data_kondratiev v5 / cycle_collect v3
基钦：data_kitchin v2；朱格拉：data_juglar v2；库兹涅茨：data_kuznets v2
扩展序列：data_*_extended v1；cycle_nesting v4
版本号变更须同步登记到 freshness.py 的 DATA_CLASSIFICATION。
TTL 分级：轻量 1h/1d，中量 7d/30d，重量 1d/7d。
增量更新：Actual 库从"DB-first 永不过期"升级为"DB-first + needs_incremental_update() 检查"；间隔按频率分级（实时 5min / 日频 4h / 月频 3d / 季频 15d / 年频 60d），用 INSERT OR REPLACE 只追加新日期不删旧行。
涉及周期相位/信号公式/阈值/数据源/置信度的计算定义享有最高保护优先级，重构不得改动（见
AGENTS.md红线）。
前端看板已独立为
deepfusion-webui模块（见其仓库 README），本仓库只提供 HTTP API。
JSON-RPC 风格调用：前端 services/mcp.js 以 POST /api/tools/call（{name, arguments}）调用工具，GET /api/tools/list 列出全部工具。面板 deepfusion-desktop 与 webui 均消费此接口（默认 http://localhost:5173）。
MCP 协议入口：deep-fusion --http 额外在 /mcp 暴露标准 MCP streamable-HTTP，供 Claude / Cursor 等 MCP 客户端接入。
采集与 API 解耦：看板的"每日新鲜"数据由独立调度器 deep-fusion-collect 周期性填充（写入 data/*.db 与派生缓存）；API 进程本身不负责定时任务。若采集未跑，看板展示的是上次采集的快照，而非实时失效。调度方式见 §9。
附加路由：/api/butler/*（管家记忆 CRUD/导入导出）、/api/model-config（运行时模型配置）、/api/logs（运行时日志）、/metrics（Prometheus）。
API 服务（面板 / webui 消费）：uv run python serve.py（端口 5173，纯 /api/*，无内置后台线程）。
MCP 协议服务：uv run deep-fusion --http --host 0.0.0.0 --port 5173（暴露 /mcp）。
后台采集：由 deep-fusion-collect CLI 单次执行，外部调度（cron / systemd timer / docker sidecar）周期触发。
前端（webui / desktop panel）由各自独立模块启动，详见对应仓库 README。
logging_config.py：原无条件 import structlog，环境缺则整个 serve 进程起不来 → 已加降级标准 logging。
nbs_client.py：_NbsClient 单例缓存/索引 JSON 原裸读，损坏即崩 → 已加 try/except + 原子写。
任何被后台线程 import 的模块，顶层依赖必须有降级保护；读缓存/索引 JSON 必须 try/except，禁止裸 json.load(read_text)。
deep_fusion/__init__.py 的 main() 各入口（含 stdio mcp.run()）必须调 configure_logging()，日志只走 stderr/文件。否则 structlog 默认 PrintLogger 打 stdout 会破坏 stdio 协议流，e2e 测试 JSONDecodeError。
东方财富（经 akshare）/ 同花顺（经 akshare）/ 雪球 等需 HTTP 代理（推荐 Clash Verge 混合端口 7897）。serve.py 默认设 HTTP(S)_PROXY=127.0.0.1:7897，并在 NO_PROXY 强制直连：申万、同花顺、新浪、雪球、巨潮、国家统计局 stats.gov.cn。
境内源（申万/同花顺/新浪/雪球/巨潮/NBS）直连不经代理，代理不可达时不致命；腾讯 gtimg 行情直连始终可用。
派生 diskcache：rm -rf ~/.cache/deep_fusion 与 rm -rf data/cache
Actual 脏表（只清脏表）：from deep_fusion.shared.cycle_db import clear; clear("<indicator>")
后端内存 L1：重启后端
# 依赖安装（uv）
uv sync
cp .env.example .env # 配置代理等
# 启动 MCP（Stdio）
uv run python -m deep_fusion
uv run python -m deep_fusion --inspect # 查看已注册工具/资源/提示词（实测 177/14/7）
# 启动 MCP HTTP API（端口 5173，纯 API，无后台采集）
uv run deep-fusion --http --host 0.0.0.0 --port 5173
# 或直接用便捷脚本（含 butler 记忆路由）
uv run python serve.py
# 后台采集（独立运行，由外部调度触发；不加 while True 常驻）
uv run deep-fusion-collect --kind warmup # 预热周期缓存
uv run deep-fusion-collect --kind daily # 每日数据采集
uv run deep-fusion-collect --kind all # 全部依次执行一次
# Docker 部署（API + 采集 sidecar 分离）
docker compose up -d deep-fusion # 仅 API
docker compose run --rm collector # 触发一次采集（可用 cron/systemd timer 周期调用）
# 初始化本地数据资产（可选；scripts/ 从源仓库取，或按需自建）
uv run python scripts/init_data.py # 若 scripts/ 未随仓库分发，可忽略此步
# 后端测试（pytest）
uv run pytest tests/ -v
# 语法检查
uv run python -m compileall .测试覆盖：cache / correlation / industry_collector / industry_sw / policy_collector / market_* / reports_store / server / limit_up / calibrated_prob / chart_helpers / shared 等。
测试导入规范：CacheKey 从 deep_fusion.cache 导入（不在顶层包）；load_portfolio/save_portfolio 在 deep_fusion/shared/utils.py；industry.py 工具参数用 _val() 解包 FieldInfo（兼容 MCP 框架与直接 Python 调用）。
DeepFusion/
├── deep_fusion/ # 主包（单一工具实现）
│ ├── __init__.py # 入口 + main() + --inspect + lazy import + configure_logging
│ ├── __main__.py # python -m deep_fusion
│ ├── server.py # FastMCP 实例 + 决策树 INSTRUCTIONS
│ ├── serve.py # Starlette Web 服务（5173，/api/*，无内置后台线程）
│ ├── cache.py # 双层缓存 L1 内存/L2 磁盘 + CacheKey 版本锁
│ ├── freshness.py # 数据分类注册表 + 新鲜度判定
│ ├── metrics.py / logging_config.py
│ ├── prompts.py / resources.py
│ ├── analysis/ # 计算引擎
│ │ ├── engine.py # CycleEngine 核心（IndicatorDef.fetch + 增量更新）
│ │ ├── kondratiev.py / juglar.py / kuznets.py / kitchin.py
│ │ ├── industry/rotation.py
│ │ ├── stock/screener.py
│ │ └── macro/cycles/ # engine.py + dispatch.py（chart_*/data_* 工具定义处）
│ ├── data/sources/ # 数据源层
│ │ ├── nbs_client.py # 国家统计局流式 API（_NbsClient 单例 + 8 fetch）
│ │ ├── industry_collector.py / market_collector.py / market_bridge.py
│ │ ├── fred.py / world_bank.py / data_lake.py
│ │ ├── registry.py # 数据源优先级登记（tdx/tencent/sina/ths/eastmoney/akshare/scrapers/xueqiu）
│ │ └── scrapers/ # 本地采集工具包（监管/财联社/新闻/热搜）
│ ├── shared/ # 跨工具复用
│ │ ├── chart_helpers.py / phase_utils.py
│ │ ├── correlation.py / dcc_garch.py / causality.py / network_analysis.py
│ │ ├── industry_db.py / cycle_db.py / policy_db.py
│ │ ├── spectral.py / indicators.py / normalize.py / schema.py
│ │ ├── request.py / utils.py（ak_cache + EM 回退）
│ └── tools/ # 28 个工具模块文件（177 @mcp.tool）
├── agents/skills/ # 投研 SOP 技能（adversarial-review / cycle-allocator / ...）
├── references/ # 投研参考文档
├── tests/ # 测试文件
├── scripts/ # 可选辅助脚本（calendar_collect / report_writer / init_data / 健康检查等，从源仓库取）
├── logs/ # 运行日志 + API 健康报告（运行时生成）
├── Dockerfile / docker-compose.yml
├── smithery.yaml / server.json / pyproject.toml / uv.lock
└── README.md / AGENTS.md前端已独立：React 看板在
deepfusion-webui仓库；桌面面板在deepfusion-desktop仓库。两者均经本仓库的/api/tools/call消费工具。
新增一个 MCP 工具：
在合适的 tools/<module>.py 中写函数，用 @mcp.tool 装饰（可 name= 显式命名）。
参数用 Pydantic Field(default, description=...)；若可能被框架传 FieldInfo 默认值，参考 industry.py 的 _val() 解包。
若该模块未在 deep_fusion/__init__.py 的 _TOOL_MODULES 注册，追加模块名（触发 @mcp.tool 执行注册）。
返回 str：结构化数据用 JSON，表格用 CSV，报告用 text。
新增周期/信号处理算法：
必须保留旧计算的输入/输出接口；改算法时把 freshness.py / 相关缓存键版本号 +1。
涉及相位/信号公式/阈值的改动，执行前列出旧↔新逻辑差异，并 @相关方 确认（见 AGENTS.md 红线）。
新增数据源：
走 data/sources/，优先 DB-first + 增量更新；读缓存/索引 JSON 必须 try/except。
实测验证接口可用（项目铁律：引入 URL/接口必须逐一 http 实测，不可盲搬）。
文件 | 用途 |
| AI 助手/架构师协作指南：架构边界、红线禁令、缓存版本锁、共享模块契约、工具注册表、扩展 SOP |
| MCP 客户端配置模板 |
| 12 个投研 SOP 技能 |
| 投研参考词典（宏观/中观/微观） |
| 量化分析师 ↔ 代码维护 Agent 跨 Agent 异步交接板 |
| 本项目的深度能力/板块/数据支持分析（与本文档 §4/§5 同源，由 |
对指定股票执行反诈深度分析，返回完整的7块REPORT JSON（meta/overview/anomaly/barrier/crossCheck/verdict/sentiment）
Inputs: symbol (required), concept. Returns: result
中国市场周期调整资产配置：基于四层本土化框架（国内动态风险基准 ERC + 中国宏观状态 + 四周期有限TAA + 中国交易约束）动态计算 股票/债券/商品/现金 配比。每次调用基于最新市场与宏观数据实时计算，结果每日新鲜。
Inputs: no named parameters. Returns: result
监测亚太资产泡沫风险：房地产交易量萎缩、房价下行、股市估值分化。量先跌价后跌，交易量萎缩=崩盘前兆。
Inputs: region. Returns: result
基于历史价格与技术指标进行简单策略回测（SMA/RSI/MACD）
Inputs: bar, limit, symbol, strategy.
基于历史价格与技术指标进行简单策略回测（SMA/RSI/MACD/BOLL/MA_CROSS/KDJ）
Inputs: symbol (required), days, market, strategy.
获取币安对加密货币的AI分析报告，推荐使用
Inputs: symbol.
一次性拉取债券收益率曲线和QVIX全量历史数据到本地缓存，避免每次查询重复网络请求。配套 cycle_collect 使用。
Inputs: no named parameters. Returns: result
获取中国和美国国债收益率曲线数据，包含2年/5年/10年/30年期收益率及期限利差。一次性返回全量历史序列，前端按需截取。
Inputs: limit, china_only. Returns: result
清理指定的缓存键，或清理所有缓存
Inputs: key.
查看当前缓存的键和数量，用于调试和监控
Inputs: no named parameters.
财新指数数据（19个指数）：数字经济/新经济/大宗商品/高质量因子/AI策略/PMI等
Inputs: name, limit. Returns: result
列出所有可查的财新指数（19个）
Inputs: no named parameters. Returns: result
新增或更新一条日历事件。每月日历维护入口。
Inputs: date, name, rating, sector, +4 more.
按 id 返回单条事件完整信息（含 domains 关联领域、targets 抢跑标的）。
Inputs: event_id.
计算事件关联标的(event-30交易日 → 今天)的累计涨幅，按蓝/绿/橙/红着色判定抢跑程度。返回 timeline(进度条锚点/事件日/今天位置) 与 targets(每标的累计涨幅+状态)。无 targets 时返回提示。
Inputs: as_of, event_id.
返回某年某月的事件，用于月历渲染。
Inputs: year, month.
查询 [start, end] 区间内的事件（周/月视图用）。
Inputs: end, start.
手动触发自动采集脚本 scripts/calendar_collect.py，从解禁/新股/业绩预告等公开日历拉取事件写入 reports.db。返回采集统计。定时任务也会每日自动跑。
Inputs: no named parameters.
导入《连板预测与大事日历》PART 02 结构化的10周催化事件（幂等，可重复调用）。
Inputs: no named parameters.
按今天(或指定 as_of)返回未来 days 天的事件，附 days_until 与 bury_window(埋伏窗口)标记。登录看板核心接口。
Inputs: days, as_of.
监测亚太资本流动方向：汇率变动、外汇储备变化、FDI净流入。资本外逃是爆掉的前兆。
Inputs: focus. Returns: result
拉取并落盘资金面多维动向：两融余额环比、北向/南向资金净流入环比、公募ETF行业资金偏好、社保/国家队代理指标。用于个股速览待机页。
Inputs: force. Returns: result
获取个股资金流向、机构调研记录、机构持仓明细等外部机构反响与资金流向综合数据
Inputs: symbol (required), market. Returns: result
生成朱格拉周期(固定资本投资周期)分析图
Inputs: limit, output_path. Returns: result
生成基钦周期(库存周期)分析图
Inputs: limit, output_path. Returns: result
生成康波周期分析图（PCA合成指数+主周期标注），保存为PNG。可选方法: pca/wavelet/bandpass
Inputs: method, focus_from, output_path. Returns: result
生成库兹涅茨周期(房地产周期)分析图
Inputs: limit, output_path. Returns: result
复合技能：一键获取技术面、基本面和消息面的综合诊断数据
Inputs: symbol (required), market.
一键获取加密货币技术面、情绪面和AI报告的综合诊断数据
Inputs: symbol.
获取OKX永续合约的资金费率，正费率表示多头付费给空头
Inputs: symbol.
获取Binance永续合约的持仓量数据
Inputs: symbol.
获取OKX加密货币的历史K线数据，输出标准化行情字段
Inputs: limit, period, symbol.
获取OKX加密货币杠杆多空比与主动买卖数据
Inputs: period, symbol, inst_type.
查看周期数据缓存状态
Inputs: no named parameters. Returns: result
预采集全部周期指标数据到本地 SQLite 缓存，避免每次分析重新拉取
Inputs: no named parameters. Returns: result
频谱周期检测：对输入时间序列运行 FFT/ACF/小波/MUSIC 等频谱分析+三级投票，输出检测到的周期、置信度和当前相位
Inputs: data_csv (required), methods, target_low, target_high. Returns: result
四周期嵌套数据：基钦/朱格拉/库兹涅茨/康波合成Z值+相位序列（JSON数组），用于周期嵌套图与甘特图
Inputs: no named parameters. Returns: result
周期相位判断：对输入时间序列运行 CF 带通滤波 + 相位推断
Inputs: data_csv (required), low_yr, high_yr. Returns: result
获取朱格拉周期（固定资本投资周期）各阶段定位数据（JSON数组）
Inputs: no named parameters. Returns: result
朱格拉周期 FRED 扩展版（1929~），非住宅固定投资+私人固投+GNP+产能利用率，年频JSON数组
Inputs: no named parameters. Returns: result
获取基钦周期（库存周期）各阶段定位数据（JSON数组）
Inputs: no named parameters. Returns: result
基钦周期 FRED 扩展版（1919~），工业生产+制造商库存+M2，年频JSON数组
Inputs: no named parameters. Returns: result
获取康波周期原始数据（PCA合成指数序列）
Inputs: method. Returns: result
获取库兹涅茨周期（房地产周期）各阶段定位数据（JSON数组）
Inputs: no named parameters. Returns: result
库兹涅茨周期 FRED 扩展版（1947~），美国房价+新屋开工+住宅投资，年频JSON数组
Inputs: no named parameters. Returns: result
各国债务可持续性对比：政府债务/GDP、外汇储备充足性、通胀率。直接输出谁还得上债、谁还不上。
Inputs: countries. Returns: result
解析关联领域(概念/行业/板块)为成分股，盘中取腾讯实时快照、收盘取最近交易日收盘。返回 constituents=[{code,name,price,change_pct,turnover,pe,pb}] 与 mode(盘中实时/最近交易日收盘)。
Inputs: dtype, limit, domain.
根据提供的价格列表生成一个简单的 ASCII 走势图，用于直观展示趋势
Inputs: symbol (required), market.
生成加密货币 ASCII 走势图
Inputs: bar, symbol.
输入一组同主题 ETF/基金代码，拉取各自前十大重仓股，统计每只标的被多少只 ETF 共同持有、平均权重与共同率（共同持有基金数 / 总基金数），输出共同率最高的核心标的。用于识别同主题产品真实抱团的核心资产，避免重复配置。
Inputs: etf_codes (required), top_n.
在「同 ETF 共同持仓核心标的」基础上，对共同率最高的标的输出拥挤度评分与反转预警。共同率越高 = 机构抱团越紧、潜在踩踏/反转风险越大。评分综合：共同率（权重占比）、平均权重集中度、被持有 ETF 数量。返回拥挤度分档（低/中/高）与预警提示。
Inputs: etf_codes (required), top_n.
获取加密货币市场恐惧贪婪指数(0-100)
Inputs: no named parameters.
Fama-French 多因子模型最新数据（Current Research Returns），含 Size 组合回报
Inputs: no named parameters. Returns: result
获取个股86项财务指标，包括营收、净利润、毛利率、净利率、ROE、每股收益等所有关键财务数据
Inputs: symbol (required), limit, start_year. Returns: result
获取个股资产负债表、利润表、现金流量表等三大财务报表数据
Inputs: symbol (required), market. Returns: result
全球金融压力实时监测：收益率曲线倒挂、TED利差、BAA信用利差、亚太汇率异动。直接输出各区域压力等级(CRITICAL/HIGH/MODERATE/LOW)和传导信号。
Inputs: detail. Returns: result
FRED 数据查询。传注册名(fred_ppiaco)或任意 series_id(GDPC1/UNRATE/...)
Inputs: limit, series. Returns: result
列出所有可采集的 FRED 数据集（共8个）
Inputs: no named parameters. Returns: result
雪球基金-基金详情-数据分析：返回基金近1/3/5年的年化波动率、夏普比率、最大回撤、较同类风险收益比等指标（缓存24h）
Inputs: code (required).
雪球基金-基金详情-持仓资产比例：返回股票/现金/债券/其他的大类资产仓位占比（缓存72h，季度更新）
Inputs: code (required), date.
天天基金网-基金档案-债券持仓：返回基金持有的债券代码、名称、占净值比例、持仓市值等（缓存12h，季度更新）
Inputs: code (required), date.
获取基金的股票持仓明细，包括持仓股票代码、名称、持仓比例等，用于分析基金投资组合
Inputs: code (required).
天天基金网-基金档案-行业配置：返回基金在各行业的持仓比例、市值等（缓存12h，季度更新）
Inputs: code (required), date.
获取基金的基本信息，包括基金名称、类型、规模、管理人等详细信息
Inputs: code (required).
雪球基金-基金详情-盈利概率：历史任意时点买入，持有满X时间的盈利概率和平均收益（缓存24h）
Inputs: code (required).
获取不同类型基金的排行榜数据，包括收益率、规模等指标，支持按时间周期和基金类型筛选
Inputs: fund_type.
获取期货与现货价格的基差数据，用于判断市场预期和套利机会
Inputs: date, symbol.
获取国内期货品种的仓单库存数据，用于判断供需关系和价格走势
Inputs: symbol.
获取期货主力合约的机构持仓排名数据，用于判断主力资金动向
Inputs: date, symbol, contract, position_type.
获取国内期货主力合约的历史价格数据，包括开高低收、成交量等技术指标
Inputs: limit, symbol.
获取指定货币对的历史汇率数据，用于分析汇率走势和波动
Inputs: limit, symbol.
获取主要货币对的实时汇率报价，输出标准化字段
Inputs: symbol.
获取当前系统时间及A股交易日信息，建议在调用其他需要日期参数的工具前使用该工具
Inputs: no named parameters.
合成全球制造业PMI指数（美国ISM×0.6 + 欧元区×0.4），附各经济体明细。前端国际Tab用。
Inputs: limit. Returns: result
获取个股日/周/月K线、分钟线、分笔数据、盘前数据等综合历史行情
Inputs: symbol (required), limit, period, minute_period. Returns: result
获取个股基本信息（东方财富+雪球）、股本股东、十大股东、高管变动、历史分红等综合档案数据
Inputs: symbol (required), market. Returns: result
行业资金流排行（同花顺）
Inputs: limit, industry. Returns: result
获取同花顺/巨潮行业分类列表
Inputs: 分类标准. Returns: result
触发行业数据采集并写入本地 SQLite 数据库（同花顺+巨潮）
Inputs: no named parameters. Returns: result
批量采集同花顺行业日行情（OHLCV）写入本地 SQLite，约90行业×5年数据。自动增量：DB已是最新则跳过，否则从最后日期补增量。force=True强制全量重采。
Inputs: force, start_date. Returns: result
查询本地 SQLite 中的行业日行情
Inputs: limit, end_date, industry, start_date. Returns: result
行业数据库各表行数和缓存新鲜度
Inputs: no named parameters. Returns: result
获取行业历史行情（OHLCV）、估值水平、资金流向，优先本地缓存
Inputs: limit, period, industry. Returns: result
行业季节性相关性分析 — 选择2个及以上板块，按年度区分、月度切片横向比较，识别行业间联动的季节性规律（哪些月份联动最强/最弱）。需要先运行 industry_daily_collect 采集数据。返回JSON。
Inputs: min_years, industries, corr_method. Returns: result
查询申万指数成分股（一/二/三级行业通用，差异只在池子大小）
Inputs: 行业代码 (required), limit. Returns: result
查询申万指数成分股及当日涨跌幅/最新价/换手率（一/二/三级行业通用），用于二级行业下钻查看个股
Inputs: 行业代码 (required), limit. Returns: result
申万指数分析日报表：市场表征/一级行业/二级行业/风格指数，含PE/PB/涨跌幅
Inputs: limit, symbol, end_date, start_date. Returns: result
申万三级行业树（31一级→131二级→336三级），含估值数据
Inputs: 展开, 深度, 行业. Returns: result
行业相关性主线识别 — 从行业日行情计算相关性/聚类/动量/资金流，聚合出市场当前主线。需要先运行 industry_daily_collect 采集数据。返回JSON。
Inputs: window, n_clusters, corr_method. Returns: result
Granger因果检验 + 龙头行业识别 — 找出领先/滞后行业及因果传导链。计算较慢(约60s)，需要statsmodels。返回JSON。
Inputs: window, max_lag. Returns: result
DCC-GARCH 时变条件相关 — 估计行业间动态相关性矩阵，识别联动加强/减弱的行业对。计算较慢(约30s)，返回JSON。
Inputs: window. Returns: result
热点/投资方向采集落库：传入关键词或已整理的主题数据，标准化后写入 reports.db (rtype='invest_theme')，与每日报告区其他报告一并管理维护。可作为自动化定时任务的落库入口，也可作为看板「主题输入框」手动触发后 agent 整理数据的回写入库点。
Inputs: themes, keywords, rpt_date.
按指定日期取某日热点/投资方向标的组合（看板日期切换查看）。
Inputs: rpt_date (required).
热点/投资方向历史列表（按日期降序，用于看板切换日期）。
Inputs: limit.
取最新一期热点/投资方向标的组合（含次日涨跌强度回测）。
Inputs: no named parameters.
判断当前固定资本投资周期（朱格拉周期）阶段
Inputs: limit. Returns: result
判断当前库存周期（基钦周期）阶段
Inputs: limit. Returns: result
判断当前长波周期（康德拉季耶夫周期）阶段。可选方法: pca(默认, 8谱法+相位映射), wavelet(Morlet小波功率谱), bandpass(40-60年带通滤波)
Inputs: method. Returns: result
判断当前房地产周期（库兹涅茨周期）阶段
Inputs: limit. Returns: result
拉真实涨停池(最近N交易日)构造「次日连板延续」标签，逐因子算AUC/分组成功率，输出数据驱动权重；结果写 data/score_calibration.json(供 limit_up_scan 自动采用)并落 reports.db(rtype=score_calibration)做回溯。需联网，较重，建议收盘后跑。
Inputs: days.
返回 reports.db 中最新一份实证校准结果（推荐权重/因子AUC/基准率/样本量），前端看板展示用。
Inputs: no named parameters.
返回 reports.db 中最新一份连板扫描结果（前端登录看板用）。
Inputs: no named parameters.
扫描当日涨停股，回溯连板高度+换手率对比，套8项打板Checklist量化评分，写入reports.db供前端埋伏看板。收盘后运行最佳。
Inputs: date.
获取中国PMI（制造业/财新/非制造业）等景气指数数据
Inputs: limit. Returns: result
获取中国居民消费价格指数(CPI)月度数据
Inputs: limit.
获取中国固定资产投资完成额累计同比增速数据
Inputs: limit.
获取中国GDP季度数据（单接口细粒度）
Inputs: limit.
获取中国GDP（季度/年度）、工业增加值同比等经济增长数据
Inputs: limit. Returns: result
获取中国规模以上工业增加值同比增速数据
Inputs: limit.
获取中国CPI（月度/年度）、PPI（月度/年度）通胀数据
Inputs: limit. Returns: result
获取中国贷款市场报价利率(LPR)数据，包括1年期和5年期以上LPR
Inputs: limit.
获取中国规模以上工业企业库存同比增速数据
Inputs: limit.
获取M2、社会融资规模、LPR、失业率、外汇储备、进出口等综合货币与外贸数据
Inputs: limit. Returns: result
获取中国货币供应量(M0/M1/M2)月度数据
Inputs: limit.
获取中国制造业采购经理指数(PMI)月度数据
Inputs: limit.
获取市场层面融资融券余额数据（两融账户信息），无需指定股票代码
Inputs: no named parameters.
扫描 A 股市场实时的异动信号，如火箭发射、大笔买入、快速反弹等
Inputs: symbol.
拉取并落盘：大盘重要指数实时涨跌、行业板块涨跌榜、全市场成交额对比上一交易日、两融余额、北向/南向资金、公募ETF资金偏好、社保/国家队代理指标。用于个股速览待机页。
Inputs: force. Returns: result
从公共 SQL market_data.db 只读查询个股/指数日 K（前复权）。symbol 为6位代码查个股；加前缀如 sh000001 查指数。limit 控制返回最近条数。这是上层任务获取行情的标准只读入口，不发起网络请求。
Inputs: symbol (required), db, kind, limit. Returns: result
联网补齐个股/指数日 K 到公共 SQL market_data.db（唯一联网入口）。mode=full 刷指数+代码名称(轻量)；mode=stock 补指定代码；mode=index 仅指数；mode=info 仅代码名称；mode=prime 全市场当日补齐(重活，仅收盘后低峰)。所有上层任务禁止直连 gtimg/Sina/akshare 现拉 K 线，需数据先查库，缺失再调本工具。
Inputs: db, days, mode, codes. Returns: result
在本地 stock_info 中按代码/名称模糊搜索（替代每次现拉 gtimg 名称）。
Inputs: keyword (required), db, limit. Returns: result
获取各板块实时行情：沪深京A股、创业板、科创板、ST股票、新股等。不传板块参数则返回全部A股行情
Inputs: limit, 板块. Returns: result
统一获取股票/ETF历史价格及技术指标，输出标准化行情字段。支持A股/H股/美股及ETF
Inputs: symbol (required), asset, limit, market, +1 more. Returns: result
从 market_snapshot.db 读取最近一次落盘的大盘指数/资金面快照，前端待机页秒开用。
Inputs: table. Returns: result
归档或恢复一条本地管家记忆。
Inputs: memory_id (required), reason, archived.
按当前任务检索相关管家记忆上下文。
Inputs: kind, limit, query, scope.
导出本地管家记忆为 JSON。
Inputs: include_archived.
从 JSON 对象导入本地管家记忆。
Inputs: document (required).
保存一条本地管家记忆；不会保存明文 API key/token/password。
Inputs: kind (required), title (required), content (required), scope, +3 more.
按全文、scope、kind 搜索本地管家记忆。
Inputs: kind, limit, query, scope.
更新一条本地管家记忆。fields 为 JSON 对象。
Inputs: fields (required), memory_id (required).
获取北向资金近 10 个交易日数据
Inputs: no named parameters.
获取50ETF期权波动率指数QVIX（中国版恐慌指数），反映市场恐慌/贪婪程度。值越高=恐慌越大，历史区间15~35。
Inputs: limit. Returns: result
获取行业内成长性、估值、杜邦分析、公司规模等四个维度的同业对比数据
Inputs: symbol (required), market. Returns: result
获取贵金属期货与现货价格的基差数据，用于判断市场预期和套利机会
Inputs: metal.
获取上海黄金交易所发布的黄金或白银基准价格，这是国内贵金属定价的重要参考
Inputs: limit, metal.
获取COMEX交易所黄金或白银库存数据，用于判断供需关系
Inputs: limit, metal.
复合技能：一键获取贵金属的价格走势、ETF持仓、COMEX库存、期现基差等综合诊断数据
Inputs: metal.
获取全球黄金或白银ETF持仓量变化数据，用于判断机构资金流向
Inputs: limit, metal.
获取国际贵金属实时价格，包括伦敦金、伦敦银、COMEX黄金、COMEX白银等
Inputs: symbol.
获取上海黄金交易所现货历史价格数据，包括黄金、白银等品种的价格走势和技术指标
Inputs: limit, symbol.
全站采集：国务院/统计局/央行/财政部/发改委/外管局 政策文件
Inputs: max_pages. Returns: result
政策每日要闻摘要（新闻摘要轮子，政策语境化）：基于已入库政策按日期聚合，输出当日/指定日期的政策要闻摘要（机构分布、情绪倾向、关键主题、吹风信号）。供前端『每日要闻』面板或定时任务播报调用。返回 JSON。
Inputs: date, days. Returns: result
查看某篇政策文件详情
Inputs: url (required). Returns: result
市场舆情热度信号（热点数据采集轮子）：调用本地 Node 热点脚本抓取抖音/微博/百度/B站/快手实时热搜，作为政策市场关注度的舆情佐证。可筛选含政策/产业关键词的热度条目，与 policy_daily / policy_market_link 联动。返回 JSON。
Inputs: top_n, keyword, platform. Returns: result
政策→市场联动桥接：把一篇政策的 keywords / sector 映射到相关行业板块，返回匹配行业的近期涨跌、资金净流入、龙头股（来自 meso_industry_fund_flow），以及代表个股，打通政策与中观/微观数据的联动。供前端『市场联动』面板调用。
Inputs: url, top_n, sector, keywords. Returns: result
搜索已入库的政策文件
Inputs: org, year, limit, sector, +1 more. Returns: result
政策文件库统计
Inputs: no named parameters. Returns: result
获取某年政策时间线数据（按月聚合真实政策文件 + 长周期节点 + 官方链接），供前端渲染动态时间线
Inputs: year. Returns: result
政策主题→个股映射（股票题材猎手轮子）：对政策关键词/板块做『主题→个股』解析。优先命中本地固化映射（theme_enrich，经 web_search 实测验证），并提供实时检索补全说明，供 agent 在得到主题后进一步做受益股验证。返回 JSON。
Inputs: topic, use_static, enrich_hint. Returns: result
在模拟盘中添加一笔持仓记录，用于后续跟踪盈亏
Inputs: price (required), symbol (required), volume (required), market.
生成持仓盈亏的 ASCII 柱状图，直观展示各持仓盈亏情况
Inputs: no named parameters.
计算当前所有模拟持仓的实时盈亏情况
Inputs: no named parameters.
追踪历史「优质股推送」的 5 日胜率与反思心得。
读取 reports.db 中 rtype='qualitystock' 的历史推送，结合 market_data.db 收盘价， 对每只推送股计算推送后 5 个交易日的收益率，聚合胜率与平均收益，并给出反思建议。 仅供研究参考，不构成投资建议。
Inputs: days. Returns: result
按 (rtype, 日期) 读取某类报告的指定日期内容(reports 表)。rtype: premarket/noonnews/qualitystock/dailyreview；rdate: YYYY-MM-DD
Inputs: rdate, rtype.
读取某类报告最近 limit 份（历史回溯）。
Inputs: limit, rtype.
读取某类定时任务报告最新一份(reports 表)。rtype: premarket/noonnews/qualitystock/dailyreview
Inputs: rtype.
列出 reports 表中已入库的报告类型。
Inputs: no named parameters.
根据股票名称、公司名称等关键词查找股票代码。当你已知股票代码时，建议直接使用其他工具（如 market_prices）跳过搜索
Inputs: keyword (required), market.
基于行业资金流与涨跌幅识别短期强势行业
Inputs: no named parameters.
获取申万一级行业估值(P/E、P/B)概览
Inputs: no named parameters.
获取个股新闻、内部交易（高管持股变动）、股东人数变化、十大股东变动等内部人员行为印证数据
Inputs: symbol (required), market. Returns: result
大宗商品现货行情（99qh），单个品种返回2012年至今全部历史数据
Inputs: limit, symbol. Returns: result
列出99qh所有可查的现货品种（81个），含交易所和品种名称
Inputs: no named parameters. Returns: result
缠论分析（easy_tdx 通达信直连，无需 API Key）：笔/线段/中枢/买卖点/背驰。返回结构化 JSON。easy_tdx 不可用或无行情时返回 {error}。
Inputs: symbol (required), count, market. Returns: result
获取个股所属概念标签（概念板块领涨股名称匹配）及全市场概念板块当日强弱榜。东财概念板块优先
Inputs: symbol (required), market. Returns: result
获取港股市场的股票财务报告关键指标
Inputs: symbol (required).
获取美股市场的股票财务报告关键指标
Inputs: symbol (required).
获取中国A股市场(上证、深证)的龙虎榜个股上榜统计数据
Inputs: days, limit.
获取最新的全球财经快讯
Inputs: no named parameters.
获取个股实时报价快照：最新价/涨跌幅/涨跌额/成交额/换手率/市盈率/市净率/总市值/流通市值/今开高低昨收。东财行情优先，新浪回退
Inputs: symbol (required), market. Returns: result
获取中国A股市场(上证、深证)的行业资金流向数据
Inputs: cate, days.
计算 A 股技术指标：MACD(含柱加速度)/KDJ/RSI/布林带/均线/ADX/CCI/OBV/SAR/ROC/PSY/BIAS/MTM/量五等级。默认返回最新一期JSON；return_series=True 返回最近 window 期的指标序列（用于绘制符合图形）。WR(威廉指标)已按实战结论弃用。
Inputs: symbol (required), market, period, window, +1 more. Returns: result
使用 easy_tdx（通达信协议直连，无需 API Key）计算 A 股 34 个技术指标（含 WR/BIAS/MTM/ROC 等本系统默认未输出的指标）。作为 stock_tech_indicators 的补充后备源。返回最新一期指标 JSON；indicator_names 可指定子集，省略则返回全部。easy_tdx 不可用或无行情时返回 {error}。
Inputs: symbol (required), count, market, indicator_names. Returns: result
获取中国A股市场(上证、深证)的所有涨停股票
Inputs: date, limit.
获取中国A股市场(上证、深证)的强势股池数据
Inputs: date, limit.
基于AI对其他工具提供的数据分析结果给出具体投资建议
Inputs: score (required), action (required), reason (required), symbol (required).
获取美国ISM制造业PMI、Markit制造业PMI、服务业PMI等经济指标
Inputs: limit. Returns: result
世界银行数据查询。传注册名(wb_gdp_growth)或任意 indicator+国家代码
Inputs: limit, country, indicator. Returns: result
列出所有可采集的世界银行数据集（共7个）
Inputs: no named parameters. Returns: result
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 181 tools
With 181 tools spanning overlapping domains, many tools are near-duplicates: macro_growth/macro_gdp/macro_industrial_value_add, industry_quotes/industry_daily_query, draw_ascii_chart/draw_crypto_chart. Existing descriptions help somewhat, but groups like the cycle data tools and the various market/macro snapshots create real boundary confusion. Agents are likely to misselect between these overlapping clusters.
Most tools use snake_case with recognizable domain prefixes (fund_, stock_, macro_, policy_, crypto_), which aids readability. However, verb placement is inconsistent—get_current_time, fund_nav, memory_save, and backtest_strategy all follow different orders. The naming is readable and mostly predictable, but not uniform.
181 tools is an extreme count for a single MCP server, far exceeding the typical 3-15 well-scoped range and even the 25+ 'too many' threshold. The surface is bloated with overlapping, single-purpose, and rarely-needed tools. This overwhelms agents and makes tool selection far more expensive than necessary.
The server covers most financial analysis domains well: stocks, funds, macro, crypto, futures, commodities, cycles, policy, calendar, reports, memory, and portfolio. Minor gaps exist (e.g., no portfolio update/remove, no direct order execution), but these are non-critical for its analytic purpose. Overall, the surface is comprehensive with few dead ends.
China A-share data for AI agents: 57 read-only tools plus 6 tools for your own watchlist.
China A-share screening, filings, holdings, flows and calendars as agent tools.
China A-share market data over MCP: 22 tools for quotes, K-line, financials, money flow, top-trader boards, sectors, macro, convertible bonds and factor screening. Five tools need no API key, so you can connect and try it immediately.
China A-share market data for research, backtesting and AI agents via MCP.
