一个以生产级算法交易控制平面形式提供的 MCP 服务器——让 Claude 能够通过自然语言管理观察列表、分类市场状态、验证风险并提交模拟订单。
Sentinel 是一个包含两个包的单仓库（monorepo）：
包 | 语言 | 职责 |
| Python 3.12 / FastAPI | 所有交易逻辑：风险检查、状态分类、订单生命周期、审计日志、策略治理 |
| TypeScript / Node 20 | 轻量 MCP 服务器，通过 HTTP 将 40+ 个工具路由到引擎。此处不包含任何交易逻辑。 |
Claude（或任何兼容 MCP 的代理）与 MCP 服务器通信。MCP 服务器与引擎通信。引擎拥有数据库和缓存。
Related MCP server: Alpaca MCP Server
Claude Desktop (or any MCP agent)
│
│ MCP protocol (stdio or SSE)
▼
┌─────────────────────────┐
│ MCP Server │ TypeScript · Zod validation · tool routing
│ (packages/mcp) │
└────────────┬────────────┘
│ HTTP REST (localhost:8100)
▼
┌─────────────────────────┐
│ Engine API │ Python · FastAPI · all trading logic
│ (packages/engine) │
└──────────┬──────────────┘
│
┌───────┴────────┐
▼ ▼
PostgreSQL Redis
(orders, (kill switch,
positions, rate limits,
strategies, cache)
audit log)如果引擎不可用，每个 MCP 工具调用都会立即返回错误。没有回退或部分执行。
最快的启动方式。需要 Docker 和 Node.js 20+。
# 1. Clone and configure
git clone https://github.com/rohith1125/sentinel-execution-mcp.git
cd sentinel-execution-mcp
cp .env.example .env # defaults work out of the box — no edits needed
# 2. Start Postgres + Redis + engine (runs migrations automatically)
docker compose -f docker/docker-compose.yml up -d db redis engine
# Wait ~10 seconds, then verify the engine is healthy:
curl http://localhost:8100/health
# {"status": "ok", "provider": "mock", ...}
# 3. Build the MCP server (one-time)
cd packages/mcp
npm install
npm run build然后将 Sentinel 添加到 Claude Desktop（参见下面的 连接 Claude Desktop）并重启 Claude。就这样——全部 40 个工具即可使用。
如果本地已有 Postgres 和 Redis 在运行，请使用此方式。
前置条件：
依赖 | 最低版本 | 说明 |
Python | 3.12 | 引擎运行时——使用 |
Node.js | 20 | MCP 服务器运行时 |
PostgreSQL | 15+ | 主数据存储 |
Redis | 7+ | 紧急停止开关和缓存 |
git clone https://github.com/rohith1125/sentinel-execution-mcp.git
cd sentinel-execution-mcp
cp .env.example .env
# Default values work for local paper-trading development — no edits requiredcd packages/engine
python3.12 -m venv .venv
source .venv/bin/activate # Windows: .venv\Scripts\activate
pip install -e ".[dev]"# From packages/engine with the venv active
alembic upgrade headuvicorn sentinel.api:app --reload --port 8100验证它正在运行：
curl http://localhost:8100/health
# {"status": "ok", "env": "paper"}打开第二个终端：
cd packages/mcp
npm install
npm run build
npm run dev # stdio transport — for direct Claude Desktop integration将以下内容添加到你的 Claude Desktop 配置文件中。
macOS： ~/Library/Application Support/Claude/claude_desktop_config.json
Windows： %APPDATA%\Claude\claude_desktop_config.json
在终端中运行以下命令获取正确路径：
echo "$(pwd)/packages/mcp/dist/index.js"然后将其粘贴到配置中：
{
"mcpServers": {
"sentinel": {
"command": "node",
"args": ["/absolute/path/to/sentinel-execution-mcp/packages/mcp/dist/index.js"],
"env": {
"ENGINE_BASE_URL": "http://localhost:8100",
"APP_ENV": "paper"
}
}
}
}保存后重启 Claude Desktop。你应该会在聊天输入框中看到一个锤子图标（🔨）——点击它确认 Sentinel 的 40 个工具已加载。
Sentinel 提供 40+ 个工具，涵盖九个类别。MCP 服务器名称为 sentinel。
类别 | 工具 | 描述 |
观察列表 |
| 将代码添加到交易观察列表，可选择分配给某个分组 |
| 移除代码；它们将不再出现在策略扫描中 | |
| 列出活跃代码，可选择按分组过滤 | |
| 获取单个代码的详细信息 | |
| 列出所有已命名的观察列表分组 | |
| 更新代码的备注或分组分配 | |
市场数据 |
| 一个或多个代码的最新报价和交易数据 |
| 可配置时间框架的 OHLCV K 线历史 | |
| 代码的实时买卖价差 | |
| 检查市场数据提供商的连接状态 | |
状态 |
| 使用 ATR、ADX、RSI、布林带宽度、Hurst 指数、VWAP 和价格效率对当前市场状态进行分类 |
| 检索代码的历史状态快照 | |
策略 |
| 跨一个或多个策略扫描观察列表以寻找信号 |
| 针对特定策略评估单个代码 | |
| 列出所有已注册策略及其当前状态 | |
风险 / 紧急停止 |
| 在提交前对拟议交易运行全部 13+ 项风险检查 |
| 获取所有紧急停止开关的当前状态 | |
| 全局、按策略或按代码启用紧急停止开关 | |
| 禁用紧急停止开关（需要明确原因） | |
| 当前总敞口和净敞口摘要 | |
| 当前每日回撤与配置限额的对比 | |
投资组合 |
| 完整账户概览：价值、现金、权益、盈亏、购买力 |
| 所有未平仓头寸及未实现盈亏 | |
| 已平仓头寸历史及已实现盈亏 | |
执行 |
| 提交模拟交易订单（市价、限价、止损、止损限价） |
| 按 ID 取消待处理或部分成交的订单 | |
| 获取特定订单的当前状态 | |
| 按状态、代码或日期范围过滤列出订单 | |
| 触发引擎状态与券商之间的手动对账 | |
治理 |
| 以 |
| 推进策略：草稿 → 研究 → 回测 → 模拟 → 实盘 | |
| 立即暂停实盘或模拟策略 | |
| 列出所有策略及其当前生命周期状态 | |
| 检查策略是否满足晋升条件 | |
审计 |
| 按审计事件 ID 提供交易决策的完整人类可读解释 |
| 最近的审计事件，可按代码或策略过滤 | |
| 已完成交易历史及结果 | |
| 指定时间窗口内的原始决策日志条目 | |
| 汇总统计：胜率、平均盈亏、Sharpe 代理指标 | |
| 按日期范围将审计记录导出为 CSV |
包含参数模式的完整工具文档：docs/mcp-tools.md
packages/engine/.env）变量 | 默认值 | 说明 |
|
|
|
|
| PostgreSQL 连接字符串 |
|
| Redis 连接字符串 |
|
|
|
| （空） | 当 |
| （空） | 当 |
|
| 实时交易请使用 |
|
| 最大仓位大小，按账户权益的比例计算（5%） |
|
| 每日硬性亏损上限（2%），一旦超出则停止交易 |
|
| 所有仓位的最大总敞口（80%） |
|
| 可同时持有的最大持仓数量 |
|
| 单笔交易的最大风险（1%） |
|
| 模拟交易模式下的模拟成交延迟 |
|
| 以基点计算的模拟滑点 |
|
| 仅为本地开发设置 为 |
| （空） | 使用 |
| （空） | 其他客户端密钥记录的 JSON 数组 |
packages/mcp/.env）变量 | 默认值 | 说明 |
|
| 当前引擎服务的基础 URL |
完整的注释参考请参见仓库根目录下的 .env.example。
# 1. Add symbols
watchlist.add(symbols=["NVDA", "MSFT", "AAPL"], group="tech")
# 2. Classify regime
regime.evaluate(symbol="NVDA", timeframe="1Day")
# 3. Scan for signals
strategy.scan(group="tech", strategy="momentum_v1")
# 4. Validate before submitting
risk.validate_trade(symbol="NVDA", side="buy", qty=10, order_type="market")
# 5. Submit paper order
execution.paper_order(symbol="NVDA", side="buy", qty=10, order_type="market")
# 6. Review portfolio
portfolio.status()
# 7. Inspect the audit trail
audit.recent_events(symbol="NVDA", limit=1)
audit.explain_trade(audit_event_id="evt-...")cd packages/engine
source .venv/bin/activate
pytest tests/ -vcd packages/mcp
pnpm test# From repo root
make checksentinel-execution-mcp/
├── packages/
│ ├── engine/ # Python FastAPI trading engine
│ │ ├── sentinel/ # Application source
│ │ ├── tests/ # Pytest test suite
│ │ └── alembic/ # Database migrations
│ └── mcp/ # TypeScript MCP server
│ └── src/
│ └── tools/ # One file per tool category
├── docker/ # Dockerfiles and docker-compose
├── docs/ # Architecture, tool reference, risk model
├── scripts/ # Setup and reset helpers
└── .env.example # Annotated environment variable reference除非您完全了解每个组件，否则本软件仅供模拟交易和研究使用。使用真实的 Alpaca 凭据设置 APP_ENV=live 将会以真实资金进行真实交易。硬编码的风险限额是保守的默认值，请在使用前确认它们符合您自己的风险承受能力。作者对财务损失不承担任何责任。
MIT。请参阅 LICENSE。
This server cannot be deployed
Trade Robinhood through natural language in Claude Code.
Global stock research, ML forecasts, valuation signals, screeners & portfolio tracking in Claude
Trade Papertrade BTC and ETH perps from Claude, ChatGPT, Codex, Cursor and any MCP client.
Unified financial infrastructure connecting AI agents directly to trade live/demo brokerage accounts, Web3 non-custodial wallets, real-time market data across equities, ETFs, crypto, forex, options, DeFi swaps, and prediction markets, institutional research feeds, and algorithmic strategy backtesters.
