【技术文档摘要】：

股票市场分析的MCP服务器

概述

该项目实现了一个用于股票市场分析的模型上下文协议（MCP）服务器。它提供实时股票价格数据，计算关键的技术指标如移动平均线和相对强弱指数（RSI），并利用AlphaVantage API进行趋势检测。该服务器可以与像Claude这样的大型语言模型集成，以增强财务洞察力。

我为什么构建它

我开发这个MCP服务器是为了简化股票市场分析，通过自动化数据获取和技术指标计算来实现。目标是帮助交易者和投资者通过利用AI辅助的见解做出基于数据的决策。通过使用MCP，此服务器可以无缝连接到LLMs，允许它们实时检索金融数据并执行分析。

特性

• 使用AlphaVantage API获取实时股票数据
• 计算移动平均线（短期和长期）以分析趋势
• 检测趋势交叉（黄金交叉和死亡交叉）
• 计算**相对强弱指数（RSI）**以确定超买/超卖条件
• 提供MCP工具和资源以实现无缝AI集成
• 未来可扩展性（例如，回测策略，交易平台集成）

预备条件

开始之前，请确保您拥有以下内容：

• 已安装Python 3.10+
• MCP SDK 1.2.0+
• AlphaVantage API密钥（在AlphaVantage注册）
• 对Python和股票市场指标的基本理解

安装

要设置项目，请按照以下步骤操作：

1. 安装依赖项

使用uv（推荐）：

uv add mcp[cli] httpx

使用pip：

pip install mcp httpx

2. 获取AlphaVantage API密钥

• 在AlphaVantage注册
• 记下您的API密钥以便后续使用

3. 克隆仓库

git clone https://github.com/your-username/mcp-stock-analysis.git
cd mcp-stock-analysis

4. 设置环境变量

创建一个.env文件，并添加您的AlphaVantage API密钥：

ALPHA_VANTAGE_API_KEY=your_api_key_here

运行MCP服务器

要启动服务器，请运行：

python server.py

或使用MCP：

mcp install server.py

对于开发模式：

mcp dev server.py

它是如何工作的

获取盘中股票数据

服务器从AlphaVantage获取实时股票价格数据：

@mcp.tool()
def fetch_intraday_data(symbol: str, interval: str = "5min") -> dict:
    """获取盘中股票价格数据。"""
    url = f"https://www.alphavantage.co/query?function=TIME_SERIES_INTRADAY&symbol={symbol}&interval={interval}&apikey={API_KEY}"
    response = httpx.get(url)
    return response.json()

移动平均线（短期 vs 长期）

移动平均线有助于平滑价格数据以识别趋势：

@mcp.tool()
def calculate_moving_averages(prices: list[float], short_window: int = 50, long_window: int = 200) -> dict:
    """计算短期和长期移动平均线。"""
    short_ma = sum(prices[-short_window:]) / short_window
    long_ma = sum(prices[-long_window:]) / long_window
    return {"short_ma": short_ma, "long_ma": long_ma}

检测趋势交叉（黄金交叉 & 死亡交叉）

• 黄金交叉：短期MA高于长期MA → 看涨信号
• 死亡交叉：短期MA低于长期MA → 看跌信号

@mcp.tool()
def detect_trend_crossover(short_ma: float, long_ma: float) -> str:
    """检测是否发生了黄金交叉或死亡交叉。"""
    if short_ma > long_ma:
        return "黄金交叉 - 看涨趋势"
    elif short_ma < long_ma:
        return "死亡交叉 - 看跌趋势"
    return "没有显著交叉"

相对强弱指数（RSI）

RSI衡量动量，帮助确定股票是否超买/超卖：

@mcp.tool()
def calculate_rsi(prices: list[float], period: int = 14) -> float:
    """计算RSI指标。"""
    gains = [max(0, prices[i] - prices[i-1]) for i in range(1, len(prices))]
    losses = [max(0, prices[i-1] - prices[i]) for i in range(1, len(prices))]
    avg_gain = sum(gains[-period:]) / period
    avg_loss = sum(losses[-period:]) / period
    rs = avg_gain / avg_loss if avg_loss != 0 else float('inf')
    return 100 - (100 / (1 + rs))

超买/超卖条件

• RSI > 70 → 超买（潜在卖出信号）
• RSI < 30 → 超卖（潜在买入信号）

@mcp.tool()
def determine_rsi_condition(rsi: float) -> str:
    """确定RSI是否指示超买或超卖条件。"""
    if rsi > 70:
        return "超买 - 考虑卖出"
    elif rsi < 30:
        return "超卖 - 考虑买入"
    return "中性"

未来改进

此MCP服务器可以通过添加更多特性进行扩展：

• 更多技术指标：MACD，布林带等。
• 回测：根据策略规则模拟过去的交易。
• 交易平台集成：连接到经纪人进行实时交易。

贡献

欢迎通过提交拉取请求或报告问题来贡献。让我们使股票市场分析更加普及和AI驱动！

联系我

如果您有任何问题或建议，请随时联系！

🔗 LinkedIn：Syed Hasan
🤗 Hugging Face：Syed-Hasan-8503