MCP-сервер Toolstem

Готовые к работе инструменты финансовой аналитики — структурированные, а не «сырые».

Toolstem — это MCP-сервер (Model Context Protocol), который превращает «сырые» данные финансового рынка в структурированную, синтезированную аналитику для ИИ-агентов. В отличие от простых оберток, которые лишь предоставляют доступ к REST API поставщика, каждый инструмент Toolstem объединяет несколько источников данных, выводит сигналы и выполняет математические вычисления, которые агенту пришлось бы делать самостоятельно.

Один вызов. Один удобный для агента JSON-ответ. Никаких вложенных массивов для парсинга, никакой склейки данных из разных эндпоинтов, никакого шаблонного кода для проверки на null.

Почему Toolstem?

Большинство MCP-серверов для финансовых данных предоставляют по одному инструменту на каждый API-эндпоинт, заставляя вашего агента выполнять 4–5 последовательных вызовов, писать связующий код и самостоятельно анализировать структуру «сырых» данных. Toolstem устроен иначе:

• Параллельная загрузка данных — каждый инструмент одновременно обращается к нескольким источникам.

• Производные сигналы — понятные человеку рекомендации, такие как UNDERVALUED, STRONG, ACCELERATING, вычисленные на основе «сырых» чисел.

• Предварительные вычисления — CAGR, рост год к году (YoY), динамика маржи, отклонение от 52-недельного максимума/минимума, доходность свободного денежного потока (FCF yield) и многое другое уже включено в ответ.

• Плоская, предсказуемая схема — никаких глубоко вложенных особенностей поставщиков, просачивающихся в промпты агента.

• Отказоустойчивость — если один из вышестоящих эндпоинтов не отвечает, остальная часть ответа все равно будет получена с подставленными значениями null.

Related MCP server: Financial Modeling Prep MCP Server

Инструменты

get_stock_snapshot

Комплексный обзор акций, объединяющий котировки, профиль, оценку DCF и рейтинг в единый ответ.

Входные данные:

{
  "symbol": "AAPL"
}

Пример ответа (сокращенный):

{
  "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"
  }
}

Производные поля (отсутствуют в «сырых» API):

• dcf_signal — UNDERVALUED, если потенциал роста по DCF > 10%, OVERVALUED, если < -10%, в противном случае FAIRLY VALUED.

• market_cap_readable — удобный для чтения формат: $2.78T, $450.2B, $12.5M.

• distance_from_52w_high_percent / distance_from_52w_low_percent — предварительно вычисленное положение в диапазоне.

get_company_metrics

Глубокий фундаментальный анализ — прибыльность, финансовое состояние, денежный поток, рост и показатели на акцию — синтезированный из 5 эндпоинтов финансовой отчетности.

Входные данные:

{
  "symbol": "AAPL",
  "period": "annual"
}

Параметр period принимает значения annual (по умолчанию) или quarter.

Пример ответа (сокращенный):

{
  "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"
  }
}

Производные поля:

• margin_trend — EXPANDING, STABLE или CONTRACTING в зависимости от направления динамики чистой маржи.

• health_signal — STRONG, ADEQUATE или WEAK на основе соотношения долга к собственному капиталу, коэффициента текущей ликвидности и покрытия процентов.

• growth_signal — ACCELERATING, STEADY или DECELERATING на основе траектории роста год к году.

• revenue_cagr, net_income_cagr, fcf_cagr — совокупные среднегодовые темпы роста за анализируемый период.

• fcf_margin, fcf_yield — предварительно вычислены на основе денежного потока, выручки и рыночной капитализации.

Установка

npm

npm install -g toolstem-mcp-server

Запуск в качестве stdio-сервера:

FMP_API_KEY=your_key_here toolstem-mcp-server

Запуск в качестве HTTP-сервера (потоковый HTTP-транспорт):

FMP_API_KEY=your_key_here PORT=3000 toolstem-mcp-server --http

Claude Desktop

Добавьте в ваш claude_desktop_config.json:

{
  "mcpServers": {
    "toolstem": {
      "command": "npx",
      "args": ["-y", "toolstem-mcp-server"],
      "env": {
        "FMP_API_KEY": "your_fmp_api_key"
      }
    }
  }
}

Smithery

Toolstem доступен в Smithery для установки в один клик в поддерживаемые MCP-клиенты.

Apify

Доступен в магазине Apify как Actor toolstem-financial-data. Вызывайте его из вашего рабочего процесса Apify с входными данными:

{
  "tool": "get_stock_snapshot",
  "symbol": "AAPL"
}

или

{
  "tool": "get_company_metrics",
  "symbol": "AAPL",
  "period": "annual"
}

Результаты отправляются в набор данных по умолчанию. Актор монетизируется за каждый вызов инструмента через модель Apify Pay-Per-Event.

Самостоятельный хостинг (Cloudflare Workers / любая среда выполнения Node)

Соберите и запустите HTTP-транспорт:

npm install
npm run build
FMP_API_KEY=your_key npm run start:http

Ваш MCP-клиент сможет подключиться к POST http://your-host:3000/mcp.

Переменные окружения

Разработка

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 server

Архитектура

src/
├── 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

Все эндпоинты FMP обернуты в единый класс FmpClient. Реализации инструментов параллельно обращаются к нескольким методам клиента через Promise.all, а затем синтезируют объединенный результат.

Лицензия

MIT — см. LICENSE.

Toolstem — структурированная финансовая аналитика для экономики, ориентированной на агентов.