MCP Order Flow Server

MCP Order Flow Server

一款高性能的 Model Context Protocol（MCP）服务，为算法交易应用提供实时订单流分析。此服务通过 gRPC 连接市场数据经纪商，提供机构级市场微观结构洞察。

功能

• 实时订单流分析：实时处理市场微观结构数据
• 高性能 gRPC 集成：以亚毫秒级延迟检索数据
• 机构模式检测：吸收、堆叠和扫单模式
• 支撑位/阻力位：通过算法推导关键价格水平
• 市场动量指标：买卖盘动态及规模加速
• 符合 MCP 协议：与 AI Agent 和大模型无缝集成

快速开始

前提条件

• Python 3.10 或更高版本
• 兼容的市场数据经纪商（gRPC 端点）
• 对市场微观结构概念有基本了解

安装

1. 克隆代码仓库：

   git clone <repository-url>
   cd mcp-order-flow-server
   

2. 安装依赖项：

   pip install -r requirements.txt
   

3. 生成 protobuf 文件（如果使用 gRPC 数据源）：

   ./generate_proto.sh
   

4. 配置环境（可选）：

   export DATA_BROKER_GRPC_URL=localhost:9090
   export LOG_LEVEL=INFO
   

5. 启动服务：

   python src/mcp_server.py
   

用法

MCP 工具：analyze_order_flow_tool

此服务提供一个用于订单流分析的 MCP 工具：

参数

参数	类型	默认值	描述
ticker	字符串	必填	股票/ETF 代码（例如，“SPY”、“QQQ”）
history	字符串	"5mins"	分析时间窗口（例如，“30s”、“10mins”、“1h”）
include_patterns	布尔值	true	在响应中包含模式检测结果

请求示例

{
  "method": "tools/call",
  "params": {
    "name": "analyze_order_flow_tool",
    "arguments": {
      "ticker": "SPY",
      "history": "5mins",
      "include_patterns": true
    }
  }
}

响应示例

<order_flow_data ticker="SPY" timestamp="2024-01-15T10:30:00" current_price="485.24">
    <data_summary>
        <quote_count>1847</quote_count>
        <history_window>300s</history_window>
        <pattern_count>3</pattern_count>
    </data_summary>
    
    <current_quote>
        <bid_price>485.230</bid_price>
        <ask_price>485.250</ask_price>
        <bid_size>1800</bid_size>
        <ask_size>1200</ask_size>
        <spread>0.020</spread>
    </current_quote>
    
    <metrics window="10s">
        <momentum>
            <bid_movement>0.050</bid_movement>
            <ask_movement>0.045</ask_movement>
            <bid_lifts>3</bid_lifts>
            <ask_lifts>2</ask_lifts>
        </momentum>
        <size_dynamics>
            <avg_bid_size>1650</avg_bid_size>
            <avg_ask_size>1250</avg_ask_size>
            <large_bids>1</large_bids>
            <large_asks>0</large_asks>
        </size_dynamics>
        <behaviors>
            <bid_stacking>YES</bid_stacking>
            <momentum_building>YES</momentum_building>
        </behaviors>
    </metrics>
    
    <significant_levels>
        <bid_levels>
            <level price="485.20" appearances="15" total_size="45000" />
            <level price="485.15" appearances="12" total_size="38000" />
        </bid_levels>
        <ask_levels>
            <level price="485.30" appearances="12" total_size="38000" />
            <level price="485.35" appearances="9" total_size="28000" />
        </ask_levels>
    </significant_levels>
    
    <detected_patterns>
        <pattern type="absorption">
            <subtype>bullish</subtype>
            <strength>strong</strength>
            <description>Strong bid absorption at 485.20</description>
        </pattern>
    </detected_patterns>
</order_flow_data>

配置

环境变量

# Data source configuration
DATA_SOURCE=grpc                    # Use 'grpc' (recommended) or 'redis'
DATA_BROKER_GRPC_URL=localhost:9090 # gRPC endpoint for market data

# Redis fallback (if DATA_SOURCE=redis)
REDIS_HOST=localhost
REDIS_PORT=6379
REDIS_DB=0

# Logging
LOG_LEVEL=INFO                      # DEBUG, INFO, WARNING, ERROR

数据源

来源	延迟	吞吐量	用例
gRPC	0.1-0.5ms	2000+ req/s	生产环境（推荐）
Redis	0.5-2ms	500+ req/s	开发/备用

架构

┌─────────────────┐    ┌──────────────────┐    ┌───────────────────┐
│   MCP Client    │───▶│  MCP Server      │───▶│  Market Data      │
│  (AI Agent)     │    │  (This Repo)     │    │  Broker (gRPC)    │
└─────────────────┘    └──────────────────┘    └───────────────────┘
                              │
                              ▼
                       ┌──────────────────┐
                       │  Order Flow      │
                       │  Analysis Engine │
                       └──────────────────┘

核心组件

• MCP 服务：基于 FastMCP 的服务，负责处理工具请求
• gRPC 客户端：从市场经纪商高性能检索数据
• 状态管理器：格式化 XML 响应并聚合数据
• 模式检测器：实时识别机构模式

开发

项目结构

mcp-order-flow-server/
├── src/
│   ├── mcp_server.py           # Main MCP server entry point
│   ├── config.py               # Configuration management
│   ├── proto/                  # Generated protobuf files
│   ├── storage/
│   │   ├── grpc_client.py     # gRPC data client
│   │   └── redis_client.py    # Redis fallback client
│   ├── formatters/
│   │   └── state_manager.py   # XML response formatting
│   └── tools/
│       └── order_flow_tool.py # MCP tool implementation
├── generate_proto.sh           # Protobuf generation script
├── test_tool.py               # Development testing
└── requirements.txt           # Python dependencies

测试

# Run development tests
python test_tool.py

# Test specific ticker
python -c "
import asyncio
from src.tools.order_flow_tool import analyze_order_flow
result = asyncio.run(analyze_order_flow('SPY', '1min', True))
print(result)
"

重新生成 Protobuf 文件

如果市场数据经纪商的 protobuf 定义发生变化：

./generate_proto.sh

性能

基准测试

• 分析延迟：每次请求 < 1ms（gRPC 模式）
• 并发请求：同时进行 2000+ 次分析
• 内存用量：基础约 50MB + 每个活跃代码 1KB
• CPU 用量：在现代硬件上 < 5%

优化建议

1. 生产部署使用 gRPC 模式
2. 缩短历史窗口以加快响应
3. 不需要时禁用模式检测（include_patterns=false）
4. 分析多个代码时批量发送请求

错误处理

此服务会针对常见问题提供详细的错误响应：

<order_flow_data ticker="INVALID" error="true">
    <error_message>No data available for ticker</error_message>
    <possible_causes>
        <cause>Invalid ticker symbol</cause>
        <cause>Market data broker not running</cause>
        <cause>Network connectivity issues</cause>
    </possible_causes>
    <suggestions>
        <suggestion>Verify ticker symbol is correct</suggestion>
        <suggestion>Check market data broker status</suggestion>
        <suggestion>Ensure network connectivity</suggestion>
    </suggestions>
</order_flow_data>