Equity Intel Mcp

equity-intel-mcp

通过 Model Context Protocol 为任何大模型提供机构级股票分析。

大多数“股票”集成只会回报股价。而这个工具能为 AI Agent 提供专业人士真正关注的信号——来自 SEC 文件的内部人士买入情况、知名价值投资者持仓、分析师共识、期权隐含走势和估值，并将这些信号综合成一个按置信度加权的结论。

它完全使用免费／公开数据（Yahoo Finance、SEC EDGAR、Dataroma），在数据源缺失时会优雅降级，绝不会捏造不存在的信号。

# Equity Intelligence — MSFT

## Verdict: Neutral → HOLD
[........|#.......] +11/100  · confidence 69%  · 5 source(s)

| Source        | Signal       | Score  | Conf | Weight |
|---------------|--------------|-------:|-----:|-------:|
| insider       | Bearish      |   -77  |  70% |   0.25 |
| superinvestor | Lean bullish |   +33  | 100% |   0.30 |
| analysts      | Bullish      |   +64  |  75% |   0.15 |
| valuation     | Bullish      |   +91  |  60% |   0.09 |
| options       | Lean bullish |   +19  |  40% |   0.04 |

- insider: Insiders net selling $13.5M over 180d (62 filings).
- superinvestor: 38 tracked superinvestors hold MSFT; 19 buys / 18 sells.
- analysts: 66 analysts: 23 strong buy / 38 buy / 5 hold.
- valuation: Fair value ~$569 vs $391 (+46% upside); health 84/100.
- options: 1-month implied move +/-7.6%; put/call OI 0.53.

---

工具

工具	功能	来源	状态
equity_analyze_ticker	核心工具。 并行调用所有数据源，返回一个评分结论（买入 → 回避），并按数据源逐项拆解。	composite	✅
equity_insider_activity	根据 SEC Form 4 文件统计内部人士净买入与净卖出（180 天窗口），并按美元金额加权。	SEC EDGAR	✅
equity_superinvestors	约 80 位受跟踪价值投资者中，哪些人持有该股票，以及近期的净买入／净卖出情况。	Dataroma	✅
equity_get_quote	实时价格快照，以及价格在 52 周区间中的位置。	Yahoo Finance	✅
equity_analyst_consensus	华尔街买入／持有／卖出共识——根据从强烈买入到强烈卖出的评级分布评分。	Finnhub	✅
equity_options_signal	1 个月隐含走势（跨式期权／现货价格）和看跌／看涨期权未平仓合约偏斜。主要用途：风险规模控制。	Yahoo Finance	✅
equity_valuation	公允价值估算（预期 EPS × 行业市盈率）和财务健康评分（债务、流动性、利润率）。	Yahoo Finance	✅

每个工具都返回 Markdown（默认，人类可读）或 JSON （response_format="json"），供程序使用。

---

快速开始

git clone https://github.com/cstamigo-droid/equity-intel-mcp equity-intel-mcp
cd equity-intel-mcp
python -m venv .venv && .venv\Scripts\activate     # Windows
pip install -r requirements.txt

copy .env.example .env        # then edit .env (set EDGAR_IDENTITY)
python -m equity_intel_mcp    # starts the MCP server over stdio

冒烟测试（调用实时数据源并打印每项信号）：

python tests/test_smoke.py AAPL

配置（.env）

# Required by SEC fair-access policy — any "Name [email protected]"
EDGAR_IDENTITY=Your Name [email protected]
# Required by equity_analyst_consensus (free key at finnhub.io)
FINNHUB_API_KEY=your-key-here

---

在 Claude Desktop 中使用

将以下内容添加到 claude_desktop_config.json （Windows 上为 %APPDATA%\Claude\，macOS 上为 ~/Library/Application Support/Claude/）， 然后重启 Claude Desktop：

{
  "mcpServers": {
    "equity-intel": {
      "command": "python",
      "args": ["-m", "equity_intel_mcp"],
      "cwd": "C:/path/to/equity-intel-mcp",
      "env": { "EDGAR_IDENTITY": "Your Name [email protected]" }
    }
  }
}

然后直接询问 Claude：“全面分析一下 NVDA” 或 “PLTR 的内部人士正在买入吗？”

---

这样构建的原因

• 统一的信号约定。 每个数据源都返回相同的结构 （score -100..+100、confidence 0..1、data、summary）。这样大模型就能对不同类型的证据进行交叉推理，而不必解析五种格式。
• 优雅降级。 对于没有 Form 4 活动的股票，工具会返回*“无信号”*，而不是捏造看跌评分。数据缺失会降低置信度，但绝不会凭空给出判断。
• 按置信度加权融合。 综合评分会根据各数据源的重要性 × 其自身置信度进行加权，因此微弱信号不会压过强信号。
• 韧性强且带缓存。 各数据源使用较短的 TTL 缓存，避免 Agent 在一次交互中针对同一股票代码调用多个工具时，频繁请求受限流的数据端点。

请参阅 ROADMAP.md，了解后续计划。

---

免责声明

仅供研究和教育用途。不构成投资建议。 数据来自第三方公开来源，可能存在延迟或不完整。请自行进行尽职调查。

许可证

MIT