에이전트 준비 완료형 금융 인텔리전스 도구 — 가공되지 않은 데이터가 아닌, 엄선된 데이터입니다.
Toolstem은 원시 금융 시장 데이터를 AI 에이전트를 위한 엄선된 합성 인텔리전스로 변환하는 MCP(Model Context Protocol) 서버입니다. 단순히 공급업체의 REST API를 노출하는 패스스루 래퍼와 달리, 모든 Toolstem 도구는 여러 데이터 소스를 결합하고, 신호를 도출하며, 에이전트가 직접 수행해야 할 수학적 계산을 미리 수행합니다.
한 번의 호출. 에이전트 친화적인 JSON 응답 하나. 파싱할 중첩 배열도, 엔드포인트 간 연결도, null 체크를 위한 상용구 코드도 필요 없습니다.
대부분의 금융 MCP 서버는 API 엔드포인트당 하나의 도구를 노출하므로, 에이전트가 4~5번의 순차적 호출을 수행하고, 접착제 코드를 작성하며, 원시 데이터 형태를 추론해야 합니다. Toolstem은 다르게 구축되었습니다:
병렬 데이터 가져오기 — 모든 도구가 여러 소스로 동시에 데이터를 요청합니다.
도출된 신호 — 원시 숫자에서 계산된 UNDERVALUED, STRONG, ACCELERATING과 같은 사람이 읽을 수 있는 권장 사항입니다.
미리 계산된 수학 — CAGR, YoY 성장률, 마진 추세, 52주 최고/최저가 대비 거리, FCF 수익률 등이 이미 응답에 포함되어 있습니다.
평탄하고 예측 가능한 스키마 — 에이전트 프롬프트에 깊게 중첩된 공급업체 특이 사항이 노출되지 않습니다.
우아한 성능 저하 — 상위 엔드포인트 중 하나가 실패하더라도 나머지 응답은 null 값을 포함하여 정상적으로 전달됩니다.
Related MCP server: Financial Modeling Prep MCP Server
get_stock_snapshot시세, 프로필, DCF 가치 평가 및 등급을 단일 응답으로 결합한 포괄적인 주식 개요입니다.
입력:
{
"symbol": "AAPL"
}예시 출력 (생략됨):
{
"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"
}
}도출된 필드 (원시 API에는 없음):
dcf_signal — DCF 상승 여력이 10% 초과 시 UNDERVALUED, -10% 미만 시 OVERVALUED, 그 외에는 FAIRLY VALUED.
market_cap_readable — $2.78T, $450.2B, $12.5M과 같은 사람이 읽기 쉬운 형식.
distance_from_52w_high_percent / distance_from_52w_low_percent — 미리 계산된 범위 위치.
get_company_metrics수익성, 재무 건전성, 현금 흐름, 성장 및 주당 지표 등 5개의 재무제표 엔드포인트에서 합성된 심층 기본 분석입니다.
입력:
{
"symbol": "AAPL",
"period": "annual"
}period는 annual(기본값) 또는 quarter를 허용합니다.
예시 출력 (생략됨):
{
"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"
}
}도출된 필드:
margin_trend — 순이익률 추세 방향에 따라 EXPANDING, STABLE 또는 CONTRACTING으로 표시.
health_signal — 부채비율, 유동비율, 이자보상배율을 기반으로 STRONG, ADEQUATE 또는 WEAK로 표시.
growth_signal — YoY 성장 궤적에 따라 ACCELERATING, STEADY 또는 DECELERATING으로 표시.
revenue_cagr, net_income_cagr, fcf_cagr — 분석 기간 동안의 연평균 성장률.
fcf_margin, fcf_yield — 현금 흐름 + 매출 + 시가총액에서 미리 계산됨.
npm install -g toolstem-mcp-serverstdio 서버로 실행:
FMP_API_KEY=your_key_here toolstem-mcp-serverHTTP(Streamable HTTP transport) 서버로 실행:
FMP_API_KEY=your_key_here PORT=3000 toolstem-mcp-server --httpclaude_desktop_config.json에 추가:
{
"mcpServers": {
"toolstem": {
"command": "npx",
"args": ["-y", "toolstem-mcp-server"],
"env": {
"FMP_API_KEY": "your_fmp_api_key"
}
}
}
}Toolstem은 지원되는 MCP 클라이언트에 클릭 한 번으로 설치할 수 있도록 Smithery에 배포되어 있습니다.
Apify Store에서 toolstem-financial-data Actor로 제공됩니다. Apify 워크플로우에서 다음 입력으로 호출하세요:
{
"tool": "get_stock_snapshot",
"symbol": "AAPL"
}또는
{
"tool": "get_company_metrics",
"symbol": "AAPL",
"period": "annual"
}결과는 기본 데이터 세트로 푸시됩니다. 이 액터는 Apify의 Pay-Per-Event 모델을 통해 도구 호출당 수익을 창출합니다.
HTTP 전송을 빌드하고 실행:
npm install
npm run build
FMP_API_KEY=your_key npm run start:httpMCP 클라이언트는 POST http://your-host:3000/mcp에 연결할 수 있습니다.
변수 | 필수 | 설명 |
| 예 | Financial Modeling Prep API 키. financialmodelingprep.com에서 발급받으세요. |
| 아니오 | HTTP 전송을 위한 포트. 기본값은 |
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 signals모든 FMP 엔드포인트는 단일 FmpClient 클래스로 래핑됩니다. 도구 구현은 Promise.all을 통해 여러 클라이언트 메서드로 병렬로 팬아웃(fan-out)한 다음, 병합된 결과를 합성합니다.
MIT — LICENSE를 참조하세요.
Toolstem — 에이전트 네이티브 경제를 위한 엄선된 금융 인텔리전스.
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.
