📊 量化分析师MCP
基于 模型上下文协议（MCP）。此存储库演示了如何 代理人工智能系统 可以使用轻量级的本地工具来编排实时财务数据检索、机器学习工作流和结构化工具调用 服务器-客户端架构.
设计用于 研究、实验和基于团队的开发.
______________________________________________________________________
🚀 主要特点
- 📈 实时和历史市场数据通过 雅虎财经
- 🤖 代理请求/响应处理使用 主控程序
- 🧠 用于预测分析的机器学习模型
- 🔁 客户端驱动的工具编排循环
- 📊 自动生成的图表和趋势分析
- 🌍 全球股票支持（纽约证券交易所、纳斯达克、NSE等）
______________________________________________________________________
🗂️ 项目结构
quant-analyst/
│
├── server.py # MCP server: market data ingestion + ML models
├── client.py # Agentic client orchestrating tool calls
├── requirements.txt # Python dependencies
├── .env # Environment variables (not committed)
├── plots/ # Generated charts and analysis outputs
└── README.md文件概述
server.py
实现MCP服务器并公开以下工具：
- 使用以下工具获取财务数据 yfinance - 运行预测模型 scikit-learn
client.py
充当编排层，管理：
- 工具调用 - 请求路由 - 来自MCP服务器的结构化响应
plots/
生成的可视化和报告的输出目录。
______________________________________________________________________
⚙️ 需求
- Python 3.10+
- 推荐：Python虚拟环境(
venv)
______________________________________________________________________
🛠️ 设置
1.️⃣ 创建和激活虚拟环境
python -m venv .venv
.\.venv\Scripts\activate______________________________________________________________________
2.️⃣ 安装MCP CLI和核心实用程序
uv add mcp[cli] httpx use______________________________________________________________________
3.️⃣ 更新 pip
python -m ensurepip --upgrade
pip install --upgrade pip______________________________________________________________________
4.️⃣ 安装依赖项
pip install -r requirements.txt______________________________________________________________________
5.️⃣ 配置环境变量
创建 .env 项目根目录中的文件：
OPENAI_API_KEY=your_api_key_here🔐 安全说明 确保.env被包含在.gitignore以防止敏感凭据的意外提交。
______________________________________________________________________
▶️ 运行项目
通过客户端启动Quant‑Analyst MCP服务器：
python client.py server.py这将启动：
- MCP服务器公开财务分析工具
- 处理代理工作流的客户端编排循环
______________________________________________________________________
🌍 市场覆盖率
系统支持 国际股票代码 遵循雅虎财经惯例：
AAPL–苹果（美国）TSLA–特斯拉（美国）RELIANCE.NS–信实工业（印度-NSE）INFY.NS–印孚瑟斯（印度–NSE）
______________________________________________________________________
🔐 安全最佳实践
- 永远不要提交API密钥或机密
- 始终使用
.env用于敏感配置 - 定期旋转API密钥
- 在共享之前审查生成的输出
______________________________________________________________________
🤝 贡献
欢迎投稿！
您可以通过以下方式提供帮助：
- 添加技术指标（RSI、MACD、布林带）
- 改进ML模型
- 整合情绪或新闻分析
- 增强MCP工具工作流程
如何做出贡献
- 克隆该仓库
- 创建要素分支
- 提交您的更改
- 提交拉取请求
______________________________________________________________________
🛣️ 路线图
- \[\]扩大技术指标
- \[\]新闻与情绪分析
- \[\]回溯测试框架
- \[\]多资产组合建模
- \[\]交互式仪表板
______________________________________________________________________
📄 许可证
该项目旨在 教育和研究目的. 如果您计划公开或商业分发，请添加许可证文件。
______________________________________________________________________
作者：团队经纪人（Harish Ambalgikar、Vaishnavi Patane、Aniket Bade）