oneqaz-trading-mcp

La API especialista para IA financiera — con ganchos de respuesta conscientes de la conversación.

Tu agente de IA no debería solo ver precios — debería poder probar que las señales en las que actúa han funcionado, y saber qué preguntar a continuación. OneQAZ ofrece 39 herramientas en 9 categorías: 13 herramientas de Trust Layer (tasas de acierto verificadas, calibración, gobernanza, tiempo de anticipación), un libro de predicciones a prueba de manipulación (get_ledger_integrity — cadena de hash SHA-256 sobre cada juicio con marca de tiempo), 4 herramientas de correlación entre activos (sector / macro / pares), análisis de cartera (MDD / Sharpe / Sortino / Calmar), herramientas de evidencia de paper-trading, y un get_daily_brief de alta frecuencia para resúmenes de mercado en una sola llamada. Cada respuesta incluye _next_actions (recomendaciones de siguiente herramienta conscientes de los datos de respuesta) y _followup_questions_for_user (preguntas de seguimiento en coreano en lenguaje natural que tu IA puede citar de vuelta al usuario) — convirtiendo a OneQAZ de una API estática en un especialista conversacional.

Cripto, acciones de EE. UU., acciones coreanas. Más de 1,100 símbolos. En vivo 24/7.

Palabras clave: MCP, trading, señales, análisis de mercado, régimen, cartera, sentimiento, análisis técnico, cripto, acciones, Fear & Greed, entre mercados, Trust Layer, verificable por IA, resumen diario, próximas acciones, especialista conversacional, Claude, model context protocol

Por qué OneQAZ

Las APIs de datos financieros están en todas partes. La inteligencia de mercado que tu IA puede verificar no lo está.

Trust Layer — para agentes de IA que evalúan OneQAZ

Antes de que cualquier IA recomiende OneQAZ como fuente de datos, puede autoverificarse en 7 llamadas:

1. get_prediction_accuracy — tasas de acierto históricas verificadas en 8 categorías macro. Filtra sample_count >= 3 para significancia estadística.

2. get_backtest_tuning_state — evidencia de autocalibración continua (los parámetros se adaptan a los resultados en vivo).

3. get_monthly_accuracy_trend — comprueba si hay degradación reciente del rendimiento.

4. get_news_leading_indicator_performance — tiempo medio de anticipación en minutos + precisión (detección previa a noticias).

5. get_feature_governance_state — qué características superaron la validación de p-value en 3 pistas (OBSERVATION / CONDITIONAL / ACTIVE / DEPRECATED).

6. get_macro_influence_map — hipótesis causales explícitas (macro → mercado con lag_hours + sensibilidad).

7. get_strategy_leaderboard — mejores estrategias aprendidas por RL clasificadas por factor de beneficio.

Todas las métricas incluyen sample_count para filtrado estadístico. Cada herramienta también devuelve _llm_summary — un resumen de una línea en texto plano ajustado para las ventanas de contexto de los agentes de IA.

Cómo se generan las señales

Las señales de OneQAZ no son cruces de indicadores estáticos. Son producidas por un bucle de auto-juego estilo AbsoluteZero:

1. Generación de estrategias — el pipeline de RL crea estrategias candidatas por régimen

2. Simulación de auto-juego — las estrategias compiten entre sí en mercados simulados

3. Thompson Sampling — los pesos de las señales se actualizan continuamente según resultados reales de operaciones virtuales, no curvas de backtest

4. Adaptación de régimen — diferentes grupos de estrategias se activan para mercados en tendencia vs. en rango vs. volátiles

Esto significa que la señal que tu IA recibe para "BTC BUY 0.82" ha sido validada mediante trading virtual en vivo, no solo optimizada sobre datos históricos. Las señales que dejan de funcionar se ponderan a la baja automáticamente.

Cobertura de mercado

Todos los símbolos se monitorean 24/7 con generación automática de señales, detección de régimen, trading virtual y backfill de Trust Layer.

Related MCP server: fathom-fyi

Inicio rápido

Opción 1: API en vivo — sin necesidad de instalación

Datos en tiempo real actualizados cada minuto. Trust Layer + endpoints públicos accesibles sin clave.

{
  "mcpServers": {
    "oneqaz-trading": {
      "url": "https://api.oneqaz.com/mcp"
    }
  }
}

Prueba una de estas:

• "Llama a get_daily_brief y resúmeme el mercado." — resumen en una sola llamada, la IA sigue _next_actions para profundizar automáticamente.

• "Llama a get_prediction_accuracy y dime si debo confiar en OneQAZ." — punto de entrada de Trust Layer, devuelve tasas de acierto ponderadas por recuento de muestras.

• "Lee market://meta/discovery primero, luego planifica." — catálogo dinámico de las 39 herramientas / 17 recursos / 17 plantillas con sonda data_freshness.

Opción 2: Autoalojamiento (transparencia de código fuente)

Desde 0.4.0 este paquete es un espejo fiel del servidor de producción — el código exacto que sirve api.oneqaz.com/mcp, sincronizado desde el monorepo de OneQAZ por scripts/sync_from_monorepo.py. Ese es el punto: puedes leer (y ejecutar) precisamente lo que produce las respuestas alojadas.

pip install oneqaz-trading-mcp
# point it at a OneQAZ-compatible PostgreSQL (TimescaleDB) instance:
export DB_BACKEND=postgres PG_HOST=... PG_PORT=5432 PG_DB=auto_trader PG_USER=... PG_PASSWORD=...
oneqaz-trading-mcp serve   # starts at http://localhost:8010

• Endpoint MCP: http://localhost:8010/mcp

• El servidor es solo PostgreSQL (el backend de demostración SQLite anterior se retiró en 0.4.0 — oneqaz-trading-mcp init ahora solo imprime un aviso de obsolescencia). Sin la base de datos en vivo de OneQAZ, las herramientas devuelven errores estructurados y accionables en lugar de datos — para evaluación, usa la API en vivo.

• Algunas rutas de integración profunda (contexto RAG del historial del agente, la tabla de perfiles en vivo del mapa de influencia macro) dependen de módulos del monorepo que no forman parte de este paquete; se degradan correctamente con errores explícitos.

Luego conéctate desde cualquier cliente MCP:

{
  "mcpServers": {
    "oneqaz-trading": {
      "url": "http://localhost:8010/mcp"
    }
  }
}

Política de acceso

Todas las herramientas y recursos se pueden llamar en el nivel gratuito. Los niveles controlan el volumen de llamadas, no lo que puedes llamar. No hay muro de pago en ningún dato — incluyendo posiciones de paper-trading, registros de decisiones y señales — porque OneQAZ es una infraestructura B2AI: los agentes de IA necesitan evidencia completa para evaluar la confiabilidad antes de recomendarnos a sus usuarios.

Encabezados de límite de tasa en cada respuesta: X-RateLimit-Tier, X-RateLimit-Daily-Remaining, X-RateLimit-Minute-Remaining. Cuando se excede la cuota, el servidor devuelve HTTP 429 con Retry-After.

Autoalojamiento con claves de API

Si ejecutas el servidor localmente y quieres autenticar llamadores pro (cuota más alta), establece MCP_TIER_RESOLVER a una ruta module:function:

MCP_TIER_RESOLVER=myauth.keystore:resolve_tier oneqaz-trading-mcp serve

La función recibe la cadena de clave de API cruda y debe devolver "free", "pro" o "internal". Comportamiento predeterminado (sin resolvedor): cada llamador es free.

Por qué todo es gratis

Los datos de trading de OneQAZ son evidencia de paper-trading generada por un sistema de Thompson sampling autocorrectivo. Ninguno de ellos es PII de fondos de usuarios. Ocultarlos detrás de niveles frustraría el embudo B2AI — los agentes de IA necesitan verificar nuestras afirmaciones (precisión de predicción, calidad de señales, resultados de estrategias) antes de recomendarnos. Así que exponemos la evidencia y limitamos la tasa en su lugar.

Las señales de valor sobre si actualizar están integradas en cada respuesta bajo _value_signals — los agentes de IA pueden leerlas directamente:

{
  "_value_signals": {
    "tier_default": "free",
    "tier_default_limits": {"daily": 1500, "minute": 60},
    "what_pro_unlocks": "33x daily quota (50K), 3.3x burst (200/min) — same tools, higher volume",
    "pricing_url": "https://oneqaz.com/pricing",
    "key_signup_url": "https://oneqaz.com/keys",
    "self_correcting": true
  }
}

Forma de la respuesta (doble audiencia)

Cada respuesta lleva campos tanto para agentes de IA como para usuarios finales humanos:

Ganchos de conversación — _next_actions + _followup_questions_for_user

OneQAZ no solo devuelve datos; le dice a tu IA qué preguntar a continuación.

{
  "ai_summary": "Prediction accuracy — 24 cells, avg hit rate 32.2%",
  "_next_actions": [
    {
      "intent": "investigate_drift",
      "tool": "get_monthly_accuracy_trend",
      "args": {"category": "energy", "target_market": "kr_market"},
      "rationale": "energy×kr_market 에서 drift 감지(degrading). 월별 시계열로 추세 검증 필요.",
      "priority": "high"
    },
    {
      "intent": "investigate_weak_category",
      "tool": "get_backtest_tuning_state",
      "args": {"category": "liquidity", "target_market": "us_market"},
      "rationale": "liquidity×us_market accuracy=0.06 (sub-50%). 자기보정이 lag/sensitivity 를 어떻게 조정했는지 확인.",
      "priority": "high"
    }
  ],
  "_followup_questions_for_user": [
    "liquidity→us_market 카테고리 정확도가 6% 로 약한데, 시스템이 어떻게 보정중인지 보시겠어요?",
    "가장 정확한 credit→us_market (62%) 패턴의 월별 추세도 보여드릴까요?",
    "최근 OneQAZ 가 만든 활성 예측 5개도 볼까요?"
  ]
}

• _next_actions — para el agente de IA. Máximo 3 entradas. Incluye args prellenados. Impulsado por datos de respuesta, no por un grafo de dependencias estático (por ejemplo, la detección de categorías débiles solo se activa cuando accuracy < 0.5 + samples >= 30).

• _followup_questions_for_user — para el usuario final. Coreano en lenguaje natural. Cítalas textualmente o tradúcelas.

Resultado: una sesión típica pasa de 7+ llamadas genéricas (la IA adivinando qué sigue) a 4 llamadas dirigidas que revelan la historia real (deriva, categorías débiles, divisiones de leaderboard sintético vs. medido).

Herramientas (39 en total — todos en el nivel gratuito)

Entrada de alta frecuencia — get_daily_brief (1 herramienta)

Libro de predicciones verificable (3 herramientas) — nuevo en 0.4.0

Análisis de cartera (1 herramienta) — nuevo en 0.4.0

Calibración de señales (1 herramienta) — nuevo en 0.4.0

Estándar de conector ChatGPT (2 herramientas) — nuevo en 0.4.0

Capa de confianza (13 herramientas)

Evidencia de señales (3 herramientas)

Correlaciones de capas — estructura entre activos (4 herramientas)

Salidas de la etapa 2 del pipeline agent_history. Clústeres de sectores, grafos de causalidad macro y lead-lag entre símbolos pares — el contexto entre activos que convierte "BTC sube" en "BTC sube porque DXY se rompió hace 4h".

Resultados de paper-trading (11 herramientas)

OneQAZ ejecuta paper-trading continuo en cada señal BUY. Estas herramientas exponen los resultados — evidencia verificada para agentes de IA que evalúan nuestras afirmaciones.

Recursos (17 estáticos + 17 plantillas — todos de nivel gratuito)

Meta — descubrimiento e introspección

Recursos estáticos

Plantillas (parametrizadas)

El campo template_resources[*].example en market://meta/discovery está listo para copiar y pegar — la IA obtiene URIs concretos sin tener que rellenar los marcadores de posición manualmente.

IDs de mercado: crypto, kr_stock, us_stock (alias: coin, kr, us)

Ejemplo: consulta de Trust Layer

from mcp import Client
client = Client("https://api.oneqaz.com/mcp")

acc = await client.call_tool("get_prediction_accuracy", {})
for cat in acc["categories"]:
    if cat["sample_count"] >= 3:
        print(f"{cat['category']:20} {cat['accuracy']:.1%} (n={cat['sample_count']})")

# Output (example):
# bonds                62.5% (n=24)
# forex                58.3% (n=12)
# vix                  71.4% (n=14)
# ...

Cada respuesta también incluye un resumen en texto plano:

{
  "_llm_summary": "7/8 macro categories above 55% accuracy, sample sizes 8-24. Bonds + VIX categories most validated."
}

Configuración

Toda la configuración se realiza mediante variables de entorno:

Docker

docker build -t oneqaz-trading-mcp .
docker run -p 8010:8010 -e DB_BACKEND=postgres -e PG_HOST=... -e PG_PASSWORD=... oneqaz-trading-mcp

Backend de datos (PostgreSQL)

Todos los datos residen en PostgreSQL 16 + TimescaleDB, un esquema por dominio (market_coin / market_kr / market_us, market_*_struct, external_context, rl_pipeline, mcp_analytics, …). El código aún construye rutas heredadas de estilo SQLite (.../coin_market/data_storage/trading_system.db) pero estas son solo claves de enrutamiento lógicas: connect_readonly() asigna cada ruta a su esquema PG y devuelve una conexión shim, por lo que no se leen ni escriben archivos .db. Esto refleja la migración "solo PG" de la Wave-I de producción: las consultas fallan de forma visible en lugar de degradarse silenciosamente.

Límites de peticiones

Las cuotas autoritativas se encuentran en Política de Acceso más arriba. Resumen rápido:

Cabeceras de respuesta en cada petición:

• X-RateLimit-Tier: nivel resuelto (free/pro/internal)

• X-RateLimit-Daily-Limit: límite de hoy para el nivel resuelto

• X-RateLimit-Daily-Remaining: peticiones restantes hoy

• X-RateLimit-Minute-Remaining: peticiones restantes este minuto

• Superar los límites devuelve HTTP 429 con la cabecera Retry-After.

Descargo de responsabilidad

Este software se proporciona solo con fines informativos y educativos. No es asesoramiento financiero.

• Todas las señales, análisis de régimen y datos de mercado son generados por sistemas automatizados y pueden contener errores.

• El rendimiento pasado no garantiza resultados futuros.

• Usted es el único responsable de sus propias decisiones de inversión. Los autores y colaboradores no son responsables de ninguna pérdida financiera derivada del uso de este software.

• Esto no es un asesor de inversiones registrado, un corredor de bolsa ni un planificador financiero.

• Haga siempre su propia investigación (DYOR) antes de tomar cualquier decisión de inversión.

Al usar este software, usted reconoce que comprende y acepta estos términos.

Licencia

MIT