AI导哈

加密货币交易智能代理

Market Intelligence MCP Server是一个基于多智能体系统的AI加密货币交易分析平台，提供实时市场数据、预测分析和风险管理功能，适用于量化交易和投资决策。

  • by Arshad-13
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Arshad-13/Market-MCP-Test

使用说明

市场情报MCP服务器

用于加密货币市场情报的生产就绪模型上下文协议服务器，由实时交换数据、机器学习和多代理编排提供支持。

🚀 特性

30+MCP工具 跨越11个类别

  • 📊 实时交换数据 -币安、Kraken、Coinbase订单簿和股票代码
  • 🔬 市场微观结构 -OFI、OBI、Microprice、VPIN分析
  • 🤖 ML价格预测 -用于买卖信号的DeepLOB Lite模型
  • 🎯 交易策略 -多信号聚合引擎
  • 👥 多代理系统 -具有投票权的研究、风险、执行代理
  • 📡 WebSocket流媒体 -实时订单簿/股票行情更新
  • 🔔 智能警报 -带有后台监控的基于价格的通知
  • 💼 投资组合管理 -风险分析、损益跟踪、票据交易
  • 🕵️ 异常检测 -欺骗、分层、市场制度分类
  • 📈 交互式仪表盘 -流线型UI，用于实时市场可视化
  • 🌐 情感分析 -恐惧与贪婪指数整合

📋 快速开始

安装

# Clone repository
git clone https://github.com/Arshad-13/CryptoIntel-MCP.git
cd CryptoIntel-MCP

# Create virtual environment
python -m venv venv
source venv/bin/activate  # On Windows: venv\Scripts\activate

# Install dependencies
pip install -r requirements.txt

Claude桌面集成

  1. 复制配置 到克劳德桌面：

    cp docs/claude_desktop_config.json %APPDATA%\Claude\claude_desktop_config.json

  2. 更新路径 在配置文件中匹配您的安装

  3. 重新启动克劳德桌面

  4. 测试：

    "Fetch orderbook for BTC/USDT"
"Run analysis pipeline for ETH/USDT with sentiment 0.7"

启动仪表板

streamlit run dashboard.py

打开http://localhost:8501

🎯 用例

1.克劳德市场分析

You: "What's the current liquidity situation for BTC/USDT?"

Claude: [Fetches orderbook, calculates depth, analyzes spread]
"The BTC/USDT orderbook shows strong liquidity with 
$2.3M in bids within 0.5% of mid-price..."

2.机器学习驱动的交易信号

from tools.strategy_tools import get_trading_signal

signal = await get_trading_signal('ETH/USDT', sentiment_score=0.6)
# Returns: {'signal': 'BUY', 'confidence': 0.82, ...}

3.多代理管道

You: "Run full analysis on SOL/USDT"

Claude: [Orchestrates Research → Risk → Execution agents]
"Research Agent: ML prediction BUY (78% confidence)
Risk Agent: Position size approved (2x BTC)
Execution Agent: Recommended entry: $142.35"

4.实时监控

  • 仪表板： 实时订单深度图、机器学习预测、投资组合损益
  • WebSocket流： 订阅订单簿/股票行情更新
  • 警报： 当BTC突破90000美元时收到通知

🏗️ 建筑

┌─────────────────────────────────────────────────────────┐
│                   Claude Desktop                         │
└────────────────────┬────────────────────────────────────┘
                     │ JSON-RPC / STDIO
┌────────────────────▼────────────────────────────────────┐
│          Market Intelligence MCP Server                 │
│                                                          │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────┐ │
│  │  Exchange    │  │  Analytics   │  │   Strategy   │ │
│  │   Tools      │  │    Engine    │  │    Engine    │ │
│  └──────┬───────┘  └──────┬───────┘  └──────┬───────┘ │
│         │  Direct HTTP     │  ML Models       │  Agents│ │
│  ┌──────▼──────────────────▼──────────────────▼───────┐ │
│  │   Binance  │  Kraken  │  Coinbase  │  WebSockets  │ │
│  └──────────────────────────────────────────────────────┘ │
└─────────────────────────────────────────────────────────┘

关键技术：

  • 🐍 Python 3.13 -异步I/O，类型提示
  • 🔌 HTTPX -直接REST API调用（无CCXT开销）
  • ⚡ WebSocket -实时流媒体
  • 🧠 ONNX运行时 -ML模型推理
  • 📊 溪流 -交互式仪表板
  • 💾 SQLite -本地持久性

看 架构文档 详情

📚 文档

文档 描述
安装指南 设置、配置、故障排除
api参考 完整的工具文档和示例
建筑 系统设计、数据流、可扩展性
仪表板指南 仪表板功能和自定义
更新日志 版本历史和功能时间线

🛠️ 发展

项目结构

CryptoIntel-MCP/
├── core/           # Business logic (analytics, ML, risk)
├── tools/          # MCP tool implementations
├── agents/         # Multi-agent system
├── tests/          # Test suite (pytest)
├── docs/           # Documentation
├── dashboard.py    # Streamlit UI
└── market_server.py # MCP server entry point

运行测试

pytest tests/ -v

新闻报道： 13个测试文件，100多个测试用例

添加新工具

  1. 在中创建函数 tools/your_tool.py
  2. 注册于 market_server.py:
    @mcp.tool()
def your_tool(param: str) -> str:
    return your_function(param)
  3. 在中添加测试 tests/test_your_tool.py

🔧 配置

环境变量(.env)

# Optional: For premium APIs
CRYPTO_API_KEY=your_coingecko_api_key

Exchange回退

自动故障转移：币安→ 海妖→ Coinbase

在中配置 tools/exchange_tools.py:

EXCHANGE_FALLBACK_ORDER = ["binance", "kraken", "coinbase"]

📊 输出示例

订单数据

{
  "symbol": "BTC/USDT",
  "exchange": "binance",
  "bids": [[88360.79, 0.5], [88360.0, 1.2]],
  "asks": [[88361.0, 0.3], [88361.5, 0.8]],
  "fallback_used": false
}

交易信号

{
  "signal": "BUY",
  "confidence": 0.85,
  "components": {
    "ml_prediction": "buy",
    "ml_confidence": 0.78,
    "sentiment_score": 0.7,
    "risk_reward_ratio": 3.2
  }
}

多代理管道

{
  "final_decision": "BUY",
  "confidence": 0.82,
  "agents": {
    "research": {"recommendation": "buy", "confidence": 0.78},
    "risk": {"approved": true, "max_size": 0.05},
    "execution": {"entry_price": 88360.0, "slippage": 0.02}
  }
}

🤝 贡献

欢迎投稿！拜托：

  1. 分叉存储库
  2. 创建要素分支(git checkout -b feature/AmazingFeature)
  3. 提交更改(git commit -m 'Add AmazingFeature')
  4. 推送到分支(git push origin feature/AmazingFeature)
  5. 打开拉取请求

📝 许可证

此项目根据MIT许可证获得许可-请参阅 许可证 文件以获取详细信息。

🙏 致谢

  • 模型上下文协议（MCP） -Anthropic的可扩展AI集成框架
  • 深LOB -限价订单预测研究
  • 备选.me -恐惧与贪婪指数数据

📞 支持

建于❤️ 面向加密货币交易社区

免责声明：这是一个教育项目。不是财务建议。交易风险由您自行承担。

相关 MCP