关于 MCP Server for Screener.in
MCP Server for Screener.in 是连接 screener.in 的开源金融数据服务,面向开发者、分析师和投资者。它获取公司数据并计算市值利润比,同时提供技术指标分析与交易策略工具。
主要功能
- 01获取 screener.in 金融数据
- 02计算市值利润比
- 03移动平均线与 RSI 分析
- 04生成交易建议和策略
- 05分析并比较股票
适用场景
- 01查询公司的市值利润比
- 02分析股票的移动平均线和 RSI
- 03根据技术指标生成交易建议
- 04比较多只股票的交易机会
MCP 相关
该 MCP 服务向客户端提供公司财务数据、比率计算、技术分析和交易策略工具。
配置
本地服务的配置在各客户端中通用,复制后粘贴到客户端的 MCP 配置文件即可。
暂未收录安装方式
我们还没有获取到这个服务的安装包或远程地址,请按项目 README 中的说明安装。
工具
还没有获取到工具列表
本地服务需要在你的电脑上运行后才能读取工具,维护者暂未提供工具列表。
详细介绍
Screener.in MCP 服务
概述
此仓库提供了一个与 screener.in 集成的 MCP(市值与利润比率)服务开源实现。该服务旨在获取、处理和提供财务数据,让用户能够计算并分析 screener.in 上市公司的 MCP 比率。
MCP 比率是评估公司估值相对于其盈利能力的重要指标。本项目旨在为开发者、分析师和金融爱好者提供一款易用且可自定义的财务数据分析工具。
功能
- 从 screener.in 获取财务数据。
- 计算市值与利润(MCP)比率。
- 提供技术分析工具,包括:
- 移动平均线(MA)分析。
- 相对强弱指数(RSI)计算。
- 全面的交易建议。
- 波段交易和日内交易策略提示词。
- 开源,可自定义以添加其他财务指标。
- 轻量易用,可部署在本地或云服务上。
先决条件
- Python 3.8+
- MCP Inspector CLI 工具。
- 可访问 screener.in 的中间件令牌。
- 具备财务指标及其重要性的基础知识。
安装
- 克隆仓库:
git clone https://github.com/yourusername/mcp-server-screener.git
cd mcp-server-screener
- 创建并激活虚拟环境:
python -m venv venv
source venv/bin/activate # On macOS/Linux
venv\Scripts\activate # On Windows
- 安装所需依赖项:
pip install -r requirements.txt
- 在 .env 文件中为 screener.in 设置环境变量:
SCREENER_CSRF_TOKEN=''
SCREENER_SESSION_ID=''
SCREENER_CSRF_MIDDLEWARE_TOKEN=''
- 使用 MCP Inspector 测试服务:
mcp dev server.py
用法
API 端点
- GET /mcp
获取指定公司的 MCP 比率。- 参数:
symbol:公司的股票代码(例如,RELIANCE、TCS)。
- 请求示例:
curl http://localhost:5000/mcp?symbol=RELIANCE - 响应示例:
{ "symbol": "RELIANCE", "market_cap": 1500000000000, "profit": 50000000000, "mcp_ratio": 30 }
- 参数:
工具
MCP 服务包含以下技术分析和交易策略工具:
-
移动平均线分析:
- 计算短期和长期移动平均线。
- 提供看涨、看跌和交叉检测等信号。
-
RSI 计算:
- 计算股票的相对强弱指数(RSI)。
- 识别超卖和超买状况。
-
交易建议:
- 结合 MA 和 RSI 信号,生成可执行的交易建议。
- 包含风险等级和信号强度。
-
波段交易策略:
- 根据技术指标、支撑位/阻力位和成交量趋势生成波段交易策略。
-
日内交易策略构建器:
- 创建自定义的日内交易策略,包含入场/退出条件、仓位规模和风险管理。
-
股票代码分析:
- 使用 MA、RSI 和交易建议对股票进行详细分析。
-
股票代码对比:
- 对比多只股票,以找出最佳交易机会。
自定义
你可以修改 mcp_calculator.py 中的逻辑,添加其他指标或自定义 MCP 计算方式。
贡献
欢迎贡献!参与贡献的方式:
- 复刻仓库。
- 为你的功能或错误修复创建新分支。
- 提交拉取请求,并详细说明所做的更改。
许可证
本项目采用 MIT 许可证。
联系方式
如有问题或建议,欢迎联系:
- 电子邮件:[email protected]
- GitHub Issues:提交一个议题
致谢
- 感谢 screener.in 提供强大的财务数据平台。
- 感谢开源社区的支持与贡献。
评论
支持 Markdown
一个开放协议,规定了 AI 应用如何以统一方式连接外部工具与数据源。客户端负责与模型对话,MCP 服务负责提供工具、资源和提示模板,两者通过标准消息通信,同一个服务可以被不同客户端复用。