エージェント対応型金融インテリジェンスツール — 生データではなく、厳選されたデータを提供。
Toolstemは、生の金融市場データをAIエージェント向けの厳選・統合されたインテリジェンスに変換するMCP（Model Context Protocol）サーバーです。単にベンダーのREST APIを公開するだけのパススルーラッパーとは異なり、Toolstemの各ツールは複数のデータソースを統合し、シグナルを導出し、エージェントが本来自分で行うべき計算を事前に行います。
1回の呼び出し。エージェントにとって扱いやすい1つのJSONレスポンス。解析すべきネストされた配列や、エンドポイント間の複雑な連携、nullチェックのボイラープレートコードは不要です。
ほとんどの金融MCPサーバーはAPIエンドポイントごとに1つのツールを公開しているため、エージェントは4〜5回の逐次呼び出しを行い、グルーコードを書き、生のデータ構造を解釈する必要があります。Toolstemは異なるアプローチで構築されています：
並列データ取得 — すべてのツールが複数のソースに対して同時にリクエストを送信します。
導出シグナル — 生の数値から計算された UNDERVALUED、STRONG、ACCELERATING といった人間が読み取れる推奨事項を提供します。
事前計算された数学的指標 — CAGR、YoY成長率、利益率の傾向、52週高値/安値からの乖離、FCF利回りなどがレスポンスに既に含まれています。
フラットで予測可能なスキーマ — ベンダー特有の深いネスト構造がエージェントのプロンプトに漏れ出すことはありません。
グレースフル・デグラデーション — 上流のエンドポイントのいずれかが失敗しても、残りのレスポンスはnullを埋めた状態で正常に返されます。
Related MCP server: Financial Modeling Prep MCP Server
get_stock_snapshot株価、プロファイル、DCF評価、格付けを1つのレスポンスにまとめた包括的な株式概要。
入力:
{
"symbol": "AAPL"
}出力例（省略版）:
{
"symbol": "AAPL",
"company_name": "Apple Inc.",
"sector": "Technology",
"industry": "Consumer Electronics",
"exchange": "NASDAQ",
"price": {
"current": 178.52,
"change": 2.34,
"change_percent": 1.33,
"day_high": 179.80,
"day_low": 175.10,
"year_high": 199.62,
"year_low": 130.20,
"distance_from_52w_high_percent": -10.57,
"distance_from_52w_low_percent": 37.11
},
"valuation": {
"market_cap": 2780000000000,
"market_cap_readable": "$2.78T",
"pe_ratio": 29.5,
"dcf_value": 195.20,
"dcf_upside_percent": 9.35,
"dcf_signal": "FAIRLY VALUED"
},
"rating": {
"score": 4,
"recommendation": "Buy",
"dcf_score": 5,
"roe_score": 4,
"roa_score": 4,
"de_score": 5,
"pe_score": 3
},
"fundamentals_summary": {
"beta": 1.28,
"avg_volume": 55000000,
"employees": 164000,
"ipo_date": "1980-12-12",
"description": "Apple Inc. designs, manufactures..."
},
"meta": {
"source": "Toolstem via Financial Modeling Prep",
"timestamp": "2026-04-17T18:30:00Z",
"data_delay": "End of day"
}
}導出フィールド（生のAPIには含まれないもの）:
dcf_signal — DCFのアップサイドが10%を超えると UNDERVALUED、-10%未満なら OVERVALUED、それ以外は FAIRLY VALUED。
market_cap_readable — $2.78T、$450.2B、$12.5M といった人間が読みやすい形式。
distance_from_52w_high_percent / distance_from_52w_low_percent — 事前計算されたレンジ内の位置。
get_company_metrics収益性、財務健全性、キャッシュフロー、成長性、および1株あたりの指標など、5つの財務諸表エンドポイントから合成された詳細なファンダメンタルズ分析。
入力:
{
"symbol": "AAPL",
"period": "annual"
}period は annual（デフォルト）または quarter を受け付けます。
出力例（省略版）:
{
"symbol": "AAPL",
"period": "annual",
"latest_period_date": "2025-09-30",
"profitability": {
"revenue": 394328000000,
"revenue_readable": "$394.3B",
"revenue_growth_yoy": 7.8,
"net_income": 96995000000,
"net_income_readable": "$97.0B",
"gross_margin": 46.2,
"operating_margin": 31.5,
"net_margin": 24.6,
"roe": 160.5,
"roa": 28.3,
"roic": 56.2,
"margin_trend": "EXPANDING"
},
"financial_health": {
"total_debt": 111000000000,
"total_cash": 65000000000,
"net_debt": 46000000000,
"debt_to_equity": 1.87,
"current_ratio": 1.07,
"interest_coverage": 41.2,
"health_signal": "STRONG"
},
"cash_flow": {
"operating_cash_flow": 118000000000,
"free_cash_flow": 104000000000,
"free_cash_flow_readable": "$104.0B",
"fcf_margin": 26.4,
"capex": 14000000000,
"dividends_paid": 15000000000,
"buybacks": 89000000000,
"fcf_yield": 3.7
},
"growth_3yr": {
"revenue_cagr": 8.2,
"net_income_cagr": 10.1,
"fcf_cagr": 9.5,
"growth_signal": "ACCELERATING"
},
"per_share": {
"eps": 6.42,
"book_value_per_share": 3.99,
"fcf_per_share": 6.89,
"dividend_per_share": 0.96,
"payout_ratio": 14.9
},
"meta": {
"source": "Toolstem via Financial Modeling Prep",
"timestamp": "2026-04-17T18:30:00Z",
"periods_analyzed": 3,
"data_delay": "End of day"
}
}導出フィールド:
margin_trend — 純利益率の推移に基づき EXPANDING、STABLE、または CONTRACTING を判定。
health_signal — 自己資本比率、流動比率、インタレスト・カバレッジ・レシオから STRONG、ADEQUATE、または WEAK を判定。
growth_signal — YoY成長の軌跡に基づき ACCELERATING、STEADY、または DECELERATING を判定。
revenue_cagr、net_income_cagr、fcf_cagr — 分析期間における年平均成長率。
fcf_margin、fcf_yield — キャッシュフロー、収益、時価総額から事前計算。
npm install -g toolstem-mcp-serverstdioサーバーとして実行:
FMP_API_KEY=your_key_here toolstem-mcp-serverHTTP（Streamable HTTP transport）サーバーとして実行:
FMP_API_KEY=your_key_here PORT=3000 toolstem-mcp-server --httpclaude_desktop_config.json に追加:
{
"mcpServers": {
"toolstem": {
"command": "npx",
"args": ["-y", "toolstem-mcp-server"],
"env": {
"FMP_API_KEY": "your_fmp_api_key"
}
}
}
}ToolstemはSmitheryで配布されており、サポートされているMCPクライアントにワンクリックでインストールできます。
Apifyストアで toolstem-financial-data アクターとして利用可能です。Apifyワークフローから以下の入力で呼び出してください:
{
"tool": "get_stock_snapshot",
"symbol": "AAPL"
}or
{
"tool": "get_company_metrics",
"symbol": "AAPL",
"period": "annual"
}結果はデフォルトのデータセットにプッシュされます。このアクターは、ApifyのPay-Per-Eventモデルを通じてツール呼び出しごとに課金されます。
HTTPトランスポートをビルドして実行:
npm install
npm run build
FMP_API_KEY=your_key npm run start:httpMCPクライアントは POST http://your-host:3000/mcp に接続できます。
変数 | 必須 | 説明 |
| はい | Financial Modeling Prep APIキー。financialmodelingprep.com で取得してください。 |
| いいえ | HTTPトランスポート用のポート。デフォルトは |
npm install
npm run dev # stdio, hot reload via tsx
npm run build # TypeScript -> dist/
npm start # run built stdio server
npm run start:http # run built HTTP serversrc/
├── index.ts # MCP server entry (stdio + Streamable HTTP)
├── actor.ts # Apify Actor entry
├── services/
│ └── fmp.ts # Financial Modeling Prep API client
├── tools/
│ ├── get-stock-snapshot.ts
│ └── get-company-metrics.ts
└── utils/
└── formatting.ts # Market cap formatting, CAGR, trend signalsすべてのFMPエンドポイントは単一の FmpClient クラスにラップされています。ツールの実装は Promise.all を介して複数のクライアントメソッドを並列に呼び出し、統合された結果を合成します。
MIT — LICENSE を参照してください。
Toolstem — エージェントネイティブ経済のための厳選された金融インテリジェンス。
Side-by-side comparison of 2-5 companies across price, valuation (P/E, P/B, P/S, EV/EBITDA, DCF), profitability (margins, ROE, ROA, ROIC), financial health (D/E, current ratio, interest coverage), growth (revenue and earnings YoY), dividends, and analyst ratings. Returns derived rankings showing which company leads each dimension — lowest_pe, highest_margin, strongest_balance_sheet, best_growth, most_undervalued, highest_rated. Use this for investment comparisons, competitive analysis, or evaluating alternatives in the same sector.
Inputs: symbols (required). Returns: symbols_compared, comparison_date, companies, rankings, +1 more
Deep financial analysis including profitability, financial health, cash flow, growth (3-year CAGR), and per-share metrics. Synthesizes key metrics, financial ratios, income statement, balance sheet, and cash flow statement into one agent-ready response with derived signals: margin_trend (EXPANDING/STABLE/CONTRACTING), health_signal (STRONG/ADEQUATE/WEAK), and growth_signal (ACCELERATING/STEADY/DECELERATING). Use this for fundamental analysis, financial health checks, or when you need to understand a company's trajectory.
Inputs: symbol (required), period. Returns: symbol, period, latest_period_date, profitability, +5 more
Get a comprehensive stock snapshot including real-time price, valuation metrics, DCF analysis, and analyst ratings for any publicly traded company. Returns curated, agent-ready data synthesized from multiple sources in a single call — includes derived signals like dcf_signal (UNDERVALUED/FAIRLY VALUED/OVERVALUED), human-readable market cap, and 52-week range distance. Use this when you need a quick overview of a stock before digging into financials.
Inputs: symbol (required). Returns: symbol, company_name, sector, industry, +6 more
Recent tool additions, removals, and schema changes observed during successful MCP inspections.
Loading tool schema changelog…
Scored across 3 tools
The three tools are largely distinct: snapshot gives a quick overview, company_metrics provides deep financials, and compare_companies does side-by-side analysis. However, get_stock_snapshot and get_company_metrics both include valuation and financial data, so an agent could occasionally hesitate on which to call first.
All tool names follow a clear verb_noun pattern: get_stock_snapshot, get_company_metrics, compare_companies. The verb changes appropriately for the action, and there is no mixing of styles or vague naming.
Three tools is on the lean side but fits a focused stock-analysis server: overview, deep dive, and comparison. Each tool earns its place and the count feels sufficient rather than bloated.
The surface covers the core workflow: quick overview, fundamental analysis, and comparative screening. Minor gaps exist (e.g., no historical price data or explicit ticker search), but agents can accomplish most typical investment-analysis tasks without dead ends.
SEC filings and financial data for AI agents: 59 tools for statements, valuation and supply chains.
Real SEC, 13F, insider, congress & macro data your AI agent can cite. Hosted MCP, 24 tools.
13-model stock valuation engine for AI agents - fair values for 5,900+ US stocks, updated daily.
Live crypto + IDX stock market intelligence for AI agents — 19 tools, no API key.
