Kalshi Prediction Markets

kalshi-mcp-server

📦 PyPI  ·  🗂️ MCP Registry  ·  🐳 容器镜像  ·  🚀 部署指南

一个用于 Kalshi 预测市场的 Model Context Protocol 服务。原生 RSA-PSS 身份验证、异步令牌桶速率限制、带安全上限的两步准备/确认下单流程，可选的内置 OAuth 代理，适用于远程 MCP 部署；提供 26 个工具和 4 个资源，覆盖 REST 和 WebSocket。采用 MIT 许可证，专为分叉而设计。

兼容任何 MCP 客户端——可通过 stdio 在本地运行（Claude Desktop、Claude Code、Cursor、Zed、Continue、Cline、Goose 等），也可作为可自托管的 HTTP 服务远程运行（目前支持 claude.ai 自定义连接器，未来将支持任何具备 OAuth 能力的 MCP 客户端）。

⚠️ 此软件允许大模型下单交易。部署前请阅读 DISCLAIMER.md。 交易预测市场存在重大亏损风险。AI Agent 会犯错——有时还会信心十足。作者对任何损失概不负责。在了解故障模式之前，请在模拟环境中测试（KALSHI_ENV=demo、KALSHI_TRADING_ENABLED=0）。

状态——Alpha。 身份验证（REST + WS）、速率限制、安全控制、覆盖 REST 和实时频道的 26 个工具，以及 4 个资源均已就绪。计划在 v0.2 中提供长连接多路复用 WebSocket 会话和 kalshi://markets/{ticker}/orderbook 实时资源。

---

快速开始（30 秒）

连接 Kalshi 的模拟环境进行只读操作——无需真实资金，也无需启用交易标志。这是安全的试用方式。

pipx install kalshi-mcp-server        # or: pip install kalshi-mcp-server

将任意 MCP 客户端指向此服务（以下为 Claude Desktop / Claude Code 配置格式——其他客户端请参阅完整客户端列表）：

{
  "mcpServers": {
    "kalshi": {
      "command": "kalshi-mcp",
      "args": ["--env-file", "/Users/you/.kalshi/.env"]
    }
  }
}

最简 ~/.kalshi/.env 配置（在 demo.kalshi.co 获取模拟密钥——它只会显示一次）：

KALSHI_API_KEY_ID=<your-demo-key-id>
KALSHI_PRIVATE_KEY_PATH=/absolute/path/to/demo_private_key.pem
KALSHI_ENV=demo

重启客户端，并让它运行一个 Kalshi 工具。启用生产环境和交易需要主动选择——只需再设置几个标志（KALSHI_ALLOW_PROD=1、KALSHI_TRADING_ENABLED=1）——请参阅配置和安全模型。

调用示例

让 Agent 查找可交易市场，kalshi_find_liquid_markets 会返回按成交量排序并排除组合市场的候选列表（内容经过删减，仅作示例）：

{
  "scanned": 300,
  "markets": [
    {
      "ticker": "KXNBAGAME-25JUL12BOSLAL-BOS",
      "title": "Will the Celtics beat the Lakers?",
      "yes_bid_dollars": 0.58, "yes_ask_dollars": 0.60,
      "volume_24h_fp": 41230, "open_interest_fp": 88400,
      "status": "active", "close_time": "2026-07-12T23:30:00Z"
    },
    {
      "ticker": "KXHIGHNY-26JUL12-B90.5",
      "title": "Will NYC's high temp exceed 90.5°F today?",
      "yes_bid_dollars": 0.31, "yes_ask_dollars": 0.34,
      "volume_24h_fp": 12760, "open_interest_fp": 23110,
      "status": "active", "close_time": "2026-07-13T04:00:00Z"
    }
  ]
}

下单需要经过两个明确步骤——kalshi_prepare_order 执行本地安全检查，并返回一个 confirmation_id；只有使用该令牌调用 kalshi_confirm_order 后，订单才会发送至 Kalshi。大模型无法通过一次调用下单。

---

为什么选择此服务

大多数现有的 Kalshi MCP 都只是对少数 REST 端点的简单封装。此服务旨在做到：

• 原生适配 Kalshi。 使用真正的 RSA-PSS 签名器，处理各种易错细节（不含查询字符串的路径、毫秒时间戳、演示环境和生产环境使用不同密钥）。
• 感知速率限制。 客户端令牌桶与 Kalshi 2026 年的读写额度模型一致，因此服务不会向 API 发送过多请求，导致触发 429 错误。
• 默认安全。 未明确启用相应标志时，拒绝连接生产环境；未单独启用交易标志时，拒绝写入。订单控制（数量上限、每日上限、现金储备）均可由操作员配置。
• 适合托管部署。 私钥既可通过文件路径提供，也可通过包含内联 PEM 的环境变量提供，因此能在不支持文件系统挂载的平台上运行。
• 便于分叉。 采用 MIT 许可证，不含个人数据，并已配置 CI/CD，使 PR 贡献通过 main 流转，但绝不会触发生产部署——只有带标签的发布（v*）才会触发。你的分叉部署与此仓库的部署相互独立，分叉的贡献者也无法影响你运行的内容。

安装

从 PyPI 安装（推荐）

以 kalshi-mcp-server 发布。 pipx 会将 kalshi-mcp 入口点安装到独立的隔离环境中：

pipx install kalshi-mcp-server        # or: pip install kalshi-mcp-server

从源代码安装

git clone https://github.com/cejor6/kalshi-mcp-server.git
cd kalshi-mcp-server
uv sync

Docker

每次带标签的发布都会向 GHCR 发布多架构（amd64 + arm64）镜像，标签为 :latest 和 :vX.Y.Z：

docker pull ghcr.io/cejor6/kalshi-mcp-server:latest

托管部署请参阅 DEPLOY.md。

配置

1. 在 https://kalshi.com/account/profile 生成 Kalshi API 密钥（或在演示环境对应的 https://demo.kalshi.co/account/profile 生成）。保存私钥——它只会显示一次。

2. 将密钥放入一个 .env 文件中。对于 MCP 客户端使用场景，推荐将其放在 ~/.kalshi/.env（仓库之外）。本地开发时，也可以使用仓库自身的 .env（已加入 gitignore）。

cp .env.example ~/.kalshi/.env
# edit ~/.kalshi/.env

3. 至少设置：

KALSHI_API_KEY_ID=<your-key-id>
KALSHI_PRIVATE_KEY_PATH=/absolute/path/to/your_kalshi_private_key.pem
KALSHI_ENV=demo

生产环境还需设置：

KALSHI_ENV=prod
KALSHI_ALLOW_PROD=1
KALSHI_TRADING_ENABLED=1   # only if you want writes

环境变量的解析方式

启动时，服务会按以下顺序解析配置（优先级从高到低）：

1. 进程环境中已有的值——在 MCP 客户端配置的 env: 区块中设置，或在 shell 中导出。
2. .env 文件——如果传入该标志，则从 --env-file PATH 加载；否则，如果当前工作目录中存在 ./.env，则从该文件加载。不会覆盖步骤 1 中已存在于环境中的变量。

因此，你可以将密钥直接写入 MCP 配置（env:），也可以放入配置所指向的文件（--env-file）。无需两者都设置。

与 MCP 客户端搭配使用（stdio）

所有 MCP stdio 客户端都使用相同的配置结构：用于启动服务的 command、可选的 args 和可选的 env。差异仅在于填写配置的文件或 UI 不同。

有三种可行的安装方式——选择最适合你环境的一种。

方式 A — pipx install（最简洁，推荐）

将 kalshi-mcp 安装到全局可用的独立隔离环境中。 pipx 是现代 Python 工具：

pipx install kalshi-mcp-server

MCP 客户端配置可以简化为：

{
  "mcpServers": {
    "kalshi": {
      "command": "kalshi-mcp",
      "args": ["--env-file", "/Users/you/.kalshi/.env"]
    }
  }
}

需要更新时，运行 pipx upgrade kalshi-mcp-server。

方式 B — 对本地克隆运行 uv run

适合已克隆仓库并安装了 uv 的用户。通过 --directory 将 MCP 客户端指向 uv：

{
  "mcpServers": {
    "kalshi": {
      "command": "uv",
      "args": [
        "run",
        "--directory", "/absolute/path/to/kalshi-mcp-server",
        "kalshi-mcp",
        "--env-file", "/Users/you/.kalshi/.env"
      ]
    }
  }
}

uv run 会自动激活项目的虚拟环境。需要更新时，运行 git pull 并重启 MCP 客户端。适用于开发或修改服务本身。

方式 C — 对公开镜像使用 Docker

适合未安装 Python 的用户，或偏好容器隔离的用户：

{
  "mcpServers": {
    "kalshi": {
      "command": "docker",
      "args": [
        "run", "--rm", "-i",
        "-v", "/Users/you/.kalshi/demo.pem:/secrets/demo.pem:ro",
        "-e", "KALSHI_API_KEY_ID=<your-key-id>",
        "-e", "KALSHI_PRIVATE_KEY_PATH=/secrets/demo.pem",
        "-e", "KALSHI_ENV=demo",
        "ghcr.io/cejor6/kalshi-mcp-server:latest"
      ]
    }
  }
}

-v 挂载会将 PEM 文件以只读方式绑定挂载到容器中；KALSHI_PRIVATE_KEY_PATH 指向该路径。密钥保存在 JSON 配置中——对于单用户设备而言，这样做没有问题。

将此配置放在哪里：

客户端	配置位置
Claude Desktop	claude_desktop_config.json（Settings → Developer）
Claude Code	项目 .mcp.json 或 ~/.claude/mcp.json
Cursor	Settings → MCP → Add new MCP Server（界面会填入相同的 JSON）
Zed	~/.config/zed/settings.json 中的 context_servers 下
Continue	~/.continue/config.json 中的 experimental.modelContextProtocolServers 下
Cline	Cline settings → MCP Servers → Edit JSON
Goose	~/.config/goose/config.yaml 中的 extensions 下

如果你更愿意将密钥直接写入 MCP 配置（对于配置文件存放在自己电脑上的本地开发来说可以接受）：

{
  "mcpServers": {
    "kalshi": {
      "command": "kalshi-mcp",
      "env": {
        "KALSHI_API_KEY_ID": "your-key-id",
        "KALSHI_PRIVATE_KEY_PATH": "/path/to/your/private_key.pem",
        "KALSHI_ENV": "demo"
      }
    }
  }
}

为什么不直接把 .env 放在项目目录中？ MCP 客户端会从自己的工作目录启动服务作为子进程（macOS/Linux 上通常是你的主目录，Windows 上则是客户端的安装目录），因此放在此仓库中的 .env 不会被找到。所以需要使用 --env-file 显式指定文件路径。直接从项目目录运行服务（不通过客户端）时，无需任何标志即可正常运行——CLI 会在此目录启动时自动加载 ./.env。

将其用作远程 MCP 服务

对于不支持本地 stdio 的客户端——目前主要是claude.ai 的自定义连接器表单，它只支持受 OAuth 保护的 HTTP——请将服务托管在可访问的位置，并让客户端连接到该服务。OAuth 代理已随服务打包；你只需对其进行配置。

该代理允许任何 GitHub 账户登录，因此 HTTP 传输还需要身份允许列表——MCP_ALLOWED_GITHUB_IDS（数字 ID，优先使用：账户重命名后仍然有效）和/或 MCP_ALLOWED_GITHUB_LOGINS——并且会对每个 MCP 请求（工具调用、资源读取，例如 kalshi://balance，以及列表查询）进行强制校验。如果 OAuth 配置不完整，HTTP 将拒绝启动；未验证身份的 HTTP（MCP_ALLOW_INSECURE_HTTP=1）仅允许绑定到环回地址，并启用 DNS 重绑定保护，除非你同时设置 MCP_ALLOW_INSECURE_PUBLIC_BIND=1。

请参阅 DEPLOY.md，了解使用 Render + GitHub OAuth + Upstash Redis 的端到端部署流程。其他容器镜像部署平台（Fly.io、Cloud Run、ECS、Railway）的用法也相同——Render 只是示例。

工具

分组	工具
交易所 / 账户	kalshi_get_exchange_status、kalshi_get_exchange_schedule、kalshi_get_api_limits、kalshi_get_environment、kalshi_set_safety_limits
发现	kalshi_get_markets、kalshi_find_liquid_markets、kalshi_get_market、kalshi_get_event、kalshi_get_events、kalshi_get_series、kalshi_get_series_list、kalshi_get_series_summary、kalshi_get_milestones、kalshi_get_trades
市场数据	kalshi_get_orderbook、kalshi_get_orderbooks、kalshi_get_market_candlesticks、kalshi_get_event_candlesticks、kalshi_get_batch_candlesticks、kalshi_get_event_forecast_history、kalshi_get_market_trades
组合 / 串关	kalshi_get_combo_collections、kalshi_get_combo_collection、kalshi_get_combo_events、kalshi_get_combo_legs、kalshi_create_combo_market（写入——默认关闭，见下文）
投资组合	kalshi_get_balance、kalshi_get_positions、kalshi_get_orders、kalshi_get_fills、kalshi_get_settlements
订单（写入）	kalshi_prepare_order、kalshi_confirm_order、kalshi_cancel_order、kalshi_decrease_order、kalshi_get_order
实时（WebSocket）	kalshi_get_live_orderbook、kalshi_sample_trades
外部数据（只读）	kalshi_fetch_external_data — 仅从主机允许列表中的地址获取公开数据源，且仅支持 GET 和 https（Polymarket gamma/clob、NWS api.weather.gov、Open-Meteo（含集合预报）、Tennis Abstract、Deribit 公开数据）。不附带凭据（trust_env=False），不跟随重定向，并对响应正文大小和耗时设置上限（上限适用于解码后的字节；发送 Accept-Encoding: identity），返回内容会用带有每次调用随机 nonce 的 UNTRUSTED-EXTERNAL-DATA 分隔符包裹（<<<UNTRUSTED-EXTERNAL-DATA id=<nonce> …>>> … <<<END-UNTRUSTED-EXTERNAL-DATA id=<nonce>>>）；只有 id 匹配的 END 标记才会结束该区块。在正文内部（经过 NFKC 规范化并移除 Unicode 格式字符后进行匹配），以非字母数字字符分隔的 untrusted/external/data（不区分大小写）会变成 [delimiter-removed]，连续 3 个或更多 < 或 > 会变成 [angle-brackets-removed]。不涵盖跨文字系统的同形异义字符；nonce 是主要防护措施。此工具旨在让自身出站访问受限的客户端（例如 claude.ai 云端例程）能够访问只读研究所需的公开数据源；运行时会强制执行允许列表，添加地址需要修改代码，相关边界设计理由见 AGENTS.md。
评分（只读，可选）	kalshi_score_markets — 使用 Jev（一种快速的类型化决策模型）根据表观优势为流动性高的市场排名，适用于低成本评估大量市场、仅对排名靠前的少数市场进行升级处理的交易循环。不下单。仅当 MCP_ALLOW_JEV_SCORING=1 时注册（默认关闭）。Jev 是可选的：如果未设置 TYPESAFE_API_KEY，或 Jev 出现任何故障，市场会回退到确定性的流动性 / 价差启发式方法（jev_scored=false）。请参阅下文的“可选 Jev 评分”。

下单需要设置 KALSHI_TRADING_ENABLED=1。kalshi_prepare_order 会运行 本地安全检查并返回一个 confirmation_id；在你使用该令牌调用 kalshi_confirm_order 之前，不会向 Kalshi 发送任何内容；调用时会根据 当时生效的限额重新运行检查。取消和减少订单不会受交易启用标志限制——它们只会降低风险敞口。 为大模型列出市场： kalshi_get_markets / kalshi_get_market 接受 minimal=true，可将每个市场精简为一小组白名单字段（ticker、价格、数量、成交量、状态、收盘时间）。扫描时优先使用此选项，而不是 compact=true：compact 使用黑名单，对多变量（KXMVE…）组合市场的精简效果很有限，因为这些市场的大量内容位于 custom_strike / mve_selected_legs / 长副标题中。传入自定义的 fields="ticker,yes_bid_dollars,…" 可覆盖默认白名单。视图优先级为 fields > minimal > compact > 完整视图。kalshi_get_event / kalshi_get_events 对其嵌套市场接受相同的 minimal / fields 参数（事件对象本身只有 compact 视图）。 kalshi_get_event 默认使用 compact=true（以前会完整返回事件及其嵌套市场）：详细黑名单字段（规则文本、先前价格、额外时间戳）会被移除，行权价和 result 会保留。传入 compact=false 可获取完整对象，传入 minimal=true 可获取白名单。每个工具都会在发出请求前拒绝空白的 fields（""、" , "）。

不要依据 liquidity_dollars 进行筛选： Kalshi 目前在每个市场上返回的该字段都是 0.0000，即使是深度充足的订单簿也一样——请根据订单簿（最佳买价／卖价和挂单数量）以及 volume_24h_fp / open_interest_fp 衡量流动性。该字段会从 compact 和 minimal 视图中剔除。

查找可交易市场： 默认的开放市场列表主要由多变量（KXMVE…）组合市场构成，这些市场的订单簿为空或只有单边报价。传入 mve_filter="exclude" 可让 kalshi_get_markets 在服务端将其剔除；也可以使用 kalshi_find_liquid_markets——它会排除组合市场，按 24 小时成交量排序，并返回简短的最小字段投影候选列表。（Kalshi 不支持服务端排序，因此该工具仅对有界扫描窗口内的市场进行排序，结果中的 scanned 会报告扫描数量。）传入 scan_all=true 可在排序前扫描完整的开放市场列表——这样候选列表就是全交易所范围内真正的前 N 名，而不是任意切片中的前 N 名。扫描受内部请求数／耗时／市场数量上限约束，结果会报告 complete 和 stopped_by，避免将部分扫描误认为穷尽扫描。

广泛扫描而不耗尽上下文： 以下三个工具专为扫描／异常检测工作负载设计，否则这类任务需要每个市场调用一次。

• kalshi_get_orderbooks(tickers=[…], depth=5) 可在一次请求中获取最多 25 个订单簿，并隔离各 ticker 的错误——无效或事件级 ticker 会作为该 ticker 对应的 error 条目返回，而不会导致整个批次失败。Kalshi 的批量端点没有 depth 参数，因此该 MCP 会在服务端应用深度限制；它保留最佳档位（Kalshi 按价格升序返回档位，且两侧数据均为买单）。
• kalshi_get_series_summary() 会将整个市场列表汇总为每个系列一行（市场数量、事件数量、24 小时成交量、最窄价差、最早收盘时间）。上下文开销低，但读取开销并非为零——它是每日的“新增供给普查”，无需翻阅数千个市场，就能发现新上线的事件类别。请注意，series_ticker 是根据 ticker 前缀推导出来的：Kalshi 不会在市场对象中返回此字段。
• kalshi_get_batch_candlesticks(market_tickers=[…]) 可在一次请求中获取最多 100 个市场的 OHLC K 线——为整个候选列表提供动量观察视角。它的预算方式不同于单市场工具：Kalshi 对所有 ticker 的蜡烛总数最多返回 10,000 根，因此窗口成本会随 ticker 数量增加。该工具会在本地验证，并通过消息说明请求的窗口实际可支持多少个市场。

组合／串关。 多变量功能位于独立模块中：

• kalshi_get_combo_collections / kalshi_get_combo_collection — 可用的 parlay 系列及其各自施加的规则（size_min / size_max 腿数、is_all_yes、符合条件的事件范围）。
• kalshi_get_combo_events — 已在某个系列中列出的组合，即 当前可用的 parlay 供应。默认将 minimal=True 用于嵌套市场，因为 组合市场是 Kalshi 返回的最大对象。
• kalshi_get_combo_legs(ticker) 会从 mve_selected_legs 中解析 KXMVE… 组合对应的底层腿（市场代码、方向、标题）——这比用逗号拆分组合标题字符串 好得多，因为后者会丢掉腿的代码，并错误拆分包含逗号的标题。如果 Kalshi 未发布腿的明细，它会返回结构化的 resolvable: false，而不是猜测。它返回的 legs 可以直接传回创建工具， 因此你可以往返处理现有组合并调整其中一条腿。设为 include_collection=true 时， 会附上父级系列，并将其符合条件的事件范围替换为 associated_event_count（传入 include_collection_event_tickers=true 可获取 完整的约 800 项数组——这是旧的默认行为）。
• kalshi_create_combo_market — 写入工具。 为选定的腿集合创建组合市场 代码。它不会下单或动用资金，因此有独立的启用门槛，不受 KALSHI_TRADING_ENABLED 控制：设置 MCP_ALLOW_COMBO_CREATION=1 才会 注册该工具（默认关闭；关闭时不会向模型公布此工具）。Kalshi 允许每个账户每 周创建 5000 次，因此服务还会强制执行 MCP_MAX_COMBO_CREATIONS_PER_DAY（默认为 100，仅在进程内生效，在 UTC 午夜和重启时重置），以防重试循环耗尽每周配额。 POST 请求前，它会根据系列自身的 size_min / size_max / is_all_yes 规则预检腿集合；否则 Kalshi 会以含糊的 400 错误拒绝请求。如果无法读取系列， 该检查会默认放行。

组合写入功能还需要两个环境变量——将它们添加到 .env：

MCP_ALLOW_COMBO_CREATION=0        # 1 registers kalshi_create_combo_market
MCP_MAX_COMBO_CREATIONS_PER_DAY=100

事件代码与市场代码： 市场代码带有结果后缀 （…PITHOU-HOU）；事件代码（…PITHOU）则没有。将事件代码传给 kalshi_get_market / kalshi_get_orderbook / kalshi_get_markets 过去会静默失败（返回 404，或返回空订单簿，被误读为“没有流动性”）。 这些工具现在会检测这种情况，并给出可操作的提示，指出正确的市场代码。

可选的 Jev 评分

kalshi_score_markets 是一项选择启用、只读的排名辅助功能，适用于希望低成本评估大量市场、仅将少数排名靠前的市场交由高成本推理模型处理的交易循环。它会复用流动性市场扫描，为每个市场构建简洁的纯文本情况说明（标题、YES/NO 报价、价差、交易量、距收盘时间、结算规则摘要），然后向 Jev（TypeSafe 的快速类型化决策模型）一次性发送一组针对每个市场的批量问题（一个边缘 score，加一个 side 选择）。结果按 confidence * edge 排名。它不会下单，也不会投入资金。

有两道门槛，且两者都会安全失败：

• 注册。 默认关闭。设置 MCP_ALLOW_JEV_SCORING=1 才会注册此工具（采用与 MCP_ALLOW_COMBO_CREATION 相同的模式——关闭时，不会向模型公布此工具）。默认克隆版本仍是纯 Kalshi 接口。
• Jev 可选——绝非依赖项。 即使已注册，若未设置 TYPESAFE_API_KEY，此工具也会使用确定性的流动性/价差启发式进行排名，并返回 jev_scored=false。每次 Jev 调用都有超时预算，遇到任何故障都会回退到该启发式方法——402（额度用尽）、429（触发速率限制）、其他非 2xx 响应、网络错误、超时、答案格式错误或缺失，或置信度低于阈值。整个并发调用也受总墙钟时间预算限制，因此主机响应缓慢时会降级为启发式方法，而不会造成阻塞；429 响应还会触发短暂的全局退避，避免持续请求已触发速率限制的上游。此工具绝不会崩溃；真实故障会在每次扫描中记录一次，并作为 fallback_reasons 返回。

没有新增硬依赖： Jev 调用通过此服务已有的 httpx 使用普通 REST 接口——无需 typesafe-sdk。发送给 Jev 的只有公开的 Kalshi 市场数据（不含账户数据、余额或密钥），API 密钥也只会通过 https 发送到配置的 Jev 主机。与 kalshi_fetch_external_data 一样，这是对“仅 Kalshi 接口”边界的有意且有文档记录的例外（参见 AGENTS.md）——此功能之所以存在，是因为使用此服务的受限出站连接客户端无法直接访问 api.typesafe.ai。

环境变量（均为可选；仅在启用评分时添加到 .env）：

MCP_ALLOW_JEV_SCORING=0            # 1 registers kalshi_score_markets
TYPESAFE_API_KEY=                  # Jev key; unset => heuristic-only fallback
MCP_JEV_CONFIDENCE_THRESHOLD=0.6   # below this, a market falls back
MCP_JEV_MODEL=jev-latest
MCP_JEV_TIMEOUT_SECONDS=8          # per-request budget
MCP_JEV_RATE_COOLDOWN_SECONDS=60   # global back-off after a 429 (capped at 1h)
# MCP_JEV_BASE_URL=https://api.typesafe.ai/v1/systemone  # override for self-host/tests

资源

URI	说明
kalshi://environment	当前环境、正在生效的安全限制及其环境变量上限、速率限制余量（不调用 API）
kalshi://balance	现金和购买力
kalshi://positions	未结算的持仓
kalshi://orders	挂单（未成交/部分成交）

计划推出基于 WebSocket 的实时订单簿资源（kalshi://markets/{ticker}/orderbook）——目前请使用 kalshi_get_live_orderbook 工具；它会打开临时 WS、采样订单簿，并返回当前快照和增量到达速率。

安全模型

这个服务采取了刻意保守的策略，理由和你银行的 ATM 一样——小失误不应造成重大损失。

• KALSHI_ENV=prod 必须搭配 KALSHI_ALLOW_PROD=1。缺少任一项，服务都拒绝启动。
• 下单需要 KALSHI_TRADING_ENABLED=1。默认情况下为只读。无论该设置如何，取消和减仓操作始终可用——它们只会降低风险敞口，因此紧急取消绝不会受阻。
• 每笔订单的限额（MCP_MAX_ORDER_SIZE_USD、MCP_DAILY_LIMIT_USD、MCP_MAX_CONTRACTS_PER_ORDER、MCP_CASH_RESERVE_USD）会在请求到达 Kalshi 之前检查——准备阶段会快速失败；确认阶段会根据当时生效的限额再次检查，并在发送订单前将订单成本计入每日限额。成本按最坏情况计算：名义金额加上对 Kalshi 吃单手续费的保守估算。非零现金储备会根据最新读取的余额进行检查；如果无法读取余额，则拒绝下单。
• 如果确认请求超时或出现结果不明确的失败，订单可能已经提交：其成本仍会计入限额，同一个 confirmation_id 可以重试（会重新发送相同的 client_order_id）。准备替代订单前，请检查 kalshi_get_orders。
• 运行时收紧限额，无需重新部署。 这些环境变量是硬性上限。kalshi_set_safety_limits 工具可以在服务运行期间收紧任意限额（例如快速降低限额）。默认情况下，它只能相对于当前值收紧——三个上限只能调低，现金储备只能调高——因此运行时调用方无法撤销已执行的收紧。放宽限额需要设置 MCP_ALLOW_RUNTIME_LIMIT_LOOSENING=1，即便如此，也绝不能超过环境变量设定的上限。提高上限仍需更改环境变量并重新部署（如何撤销已持久化的收紧，请参见 AGENTS.md）。当前生效的限额及其上限可在 kalshi_get_environment 和 kalshi://environment 中查看。设置 MCP_REDIS_URL 可让运行时更改在重启后继续生效（否则重启后会重置为环境变量设定的上限）。

完整设计请参见 AGENTS.md。

部署

可在本地将其用作 stdio 服务，搭配任意 MCP 客户端；也可以将其作为远程 HTTP MCP 服务，部署在 OAuth 代理之后。

对于远程部署，推荐采用镜像部署：生产主机（Render、Fly.io、Cloud Run、ECS，以及任何支持拉取容器镜像的平台）会拉取发布时打标签（git tag v0.1.0）后构建并推送的镜像。这样部署便与 PR 合并解耦——针对 main 的 PR 只会运行测试，不会推送新镜像——因此恶意或疏忽的 PR 无法影响容器中正在运行的服务。

有关此方案的原因及使用 Render 的完整示例，请参见 DEPLOY.md。

贡献

欢迎提交 PR。请先阅读 CONTRIBUTING.md——其中列出了有关身份验证更改、密钥管理和测试规范的几条规则。

许可证

MIT。另请参见 DISCLAIMER.md——MIT 许可证不提供任何保证；DISCLAIMER.md 详细说明了你使用本软件时所接受的交易和 AI 特有风险。

致谢

• FastMCP — MCP 框架。
• Kalshi — 底层 API。