AI导哈

代币指标API服务器

MCP服务器为TokenMetrics API提供标准化接口，支持加密货币市场数据访问、交易策略回测和自动化交易系统构建。

  • by antonkulaga
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 antonkulaga/tokens-mcp

使用说明

MCP代币

用于令牌度量API的MCP服务器。

关于

MCP（模型控制协议）为AI系统访问外部工具和数据源提供了一个标准化的接口。此存储库实现了TokenMetrics API的MCP服务器，使您能够：

  • 访问全面的加密货币市场数据
  • 实施和回溯交易策略（如移动平均线交叉）
  • 为您的战略生成可视化绩效指标
  • 分析不同时间范围内的代币性能
  • 建立具有一致API访问权限的自动化交易系统

无论是算法交易机器人还是市场研究，该服务器都简化了加密数据和策略开发的工作。

演示视频

入门指南

安装

  1. 克隆存储库：
git clone https://github.com/antonkulaga/tokens-mcp.git
  1. 安装依赖项：
uv sync

配置

复制 .env.example 向 .env 并配置您的API密钥：

cp .env.example .env
# Edit .env with your TokenMetrics API key

您还必须更新 mcp_server_config.json 使用TokenMetrics API密钥的文件：

{
  "mcpServers": {
    "TmaiAPI": {
      "command": "uv",
      "args": ["--directory", "/path/to/tokens-mcp", "run", "mcp", "run", "run.py"],
      "env": {
        "TOKEN_METRICS_API_KEY": "your-api-key-here"
      }
    }
  }
}

运行服务器

uv run mcp run run.py

您可以通过运行以下命令来检查服务器

uv run mcp dev run.py

注意：如果紫外线环境被激活，您可以省略紫外线运行部分

IDE集成

此项目最适合支持模型上下文协议（MCP）的IDE。

光标

光标 为MCP提供本地支持，允许AI助手通过该服务器直接与TokenMetrics API交互。要在Cursor中使用此项目，请执行以下操作：

  1. 在Cursor中打开项目
  2. 确保您的配置文件（.env和mcp_server_config.json）已正确设置
  3. MCP服务器将被自动检测，使AI助手能够分析加密数据并实施交易策略

项目结构

该项目使用标准的Python包结构进行组织：

tokens-mcp/
├── src/                           # Source code directory
│   └── tokens_mcp/                # Main package
│       ├── __init__.py            # Package initialization
│       ├── server.py              # MCP server implementation
│       ├── models.py              # Pydantic models
│       ├── helpers.py             # Helper functions
│       ├── chart_utils.py         # Chart utilities
│       ├── check_api_access.py    # API access validation
│       ├── save_and_decode_chart.py # Chart handling utilities
│       ├── inspect_exchange.py    # Exchange inspection utilities
│       └── inspect_api.py         # API inspection utilities
├── tests/                         # Test directory
│   ├── test_token_symbols.py      # Token symbol tests
│   ├── test_pagination.py         # Pagination tests
│   ├── test_ma_chart.py           # Moving average chart tests
│   ├── test_cache.py              # Cache tests
│   └── ...                        # Other tests
├── run.py                         # Server runner script
├── pyproject.toml                 # Project configuration
├── mcp_server_config.json         # Server configuration
├── notebooks/                     # Jupyter notebooks
├── images/                        # Image resources
└── README.md                      # This file

已知问题

配置文件路径

这 mcp_server_config.json 文件当前包含到服务器的绝对路径。您必须手动编辑此文件以更新路径以匹配您的本地环境：

{
  "mcpServers": {
    "TmaiAPI": {
      "command": "uv",
      "args": ["--directory", "/path/to/tokens-mcp", "run", "mcp", "run", "run.py"],
                              ^^^^^^^^^^^^^^^^^^^ 
                              Update this to your actual path
      "env": {
        "TOKEN_METRICS_API_KEY": "your-api-key-here"
      }
    }
  }
}

这是一个临时限制，将在未来的更新中加以解决。

测试框架

目前 tests/ 目录是手动运行的脚本，而不是带有断言的正确pytest文件。这些脚本用于通过手动检查输出而不是自动测试断言来验证功能。未来的更新将实现适当的基于pytest的测试，并具有完整的断言覆盖率。

TokenMetrics API实现

许多TokenMetrics API端点必须在该项目中直接实现，因为它们在现有的tmai-API库中不可用。这导致了一些自定义的API处理代码，这些代码理想情况下是上游库的一部分。未来的更新可能会将这些实现迁移到官方库或创建更全面的客户端包。

实验代码

此存储库可能包含以前用于实验和开发迭代的未使用代码的痕迹。这些代码片段仅供参考，但在未来的清理工作中可能会被删除。如果你遇到看似未使用的函数或模块，它们很可能属于这一类。

项目背景

该存储库是布加勒斯特ETH 2025黑客马拉松上开发的HolyMCP项目的演示。

相关 MCP