使用说明

市场情报MCP后端服务

一个运行在MCP（模型上下文协议）服务器上的生产级后端服务，通过保持完整上下文的对话界面提供AI驱动的市场智能。

概述

这项服务通过结合以下要素提供实时市场情报：

MCP 服务器带有5种专用市场数据工具的FastMCP框架
人工智能集成Groq LLM（llama-3.1-8b-instant）用于自然语言理解
上下文管理基于会话的对话历史记录，采用持久化存储
数据来源Alpha Vantage（市场数据）、NewsAPI（财经新闻）

建筑

User Query → FastAPI Endpoint → AI Agent → MCP Server → Market Tools
                                                ↓
                                    Alpha Vantage / NewsAPI
                                                ↓
                                        Real-time Data

核心组件

MCP服务器 (app/mcp/server.py)
- 实现模型上下文协议
- 管理5种市场情报工具
- 处理工具执行和上下文
人工智能代理 (app/agents/market_intelligence_agent.py）
- 处理自然语言查询
- 根据上下文规划工具使用
- 生成对话回复
上下文管理器 (app/services/context_manager.py)
- 每会话保持对话历史记录
- 在 SQLite 数据库中存储上下文
- 实现令牌预算管理
API路由器 (app/api/router.py）
- 暴露REST端点
- 管理会话和速率限制
- 提供流式和非流式响应

可用的MCP工具

工具	描述	数据来源
`get_stock_price`	当前股价及变动百分比	Alpha Vantage 全球报价
`get_stock_info`	公司基本面和概况	Alpha Vantage 概述
`calculate_indicators`	相对强弱指数（RSI）和移动平均线（MA-20，MA-50）	Alpha Vantage 日线时间序列数据
`get_market_news`	最新财经新闻头条	NewsAPI
`get_market_summary`	主要指数（标准普尔500指数、道琼斯指数、纳斯达克指数、罗素指数）	Alpha Vantage（阿尔法优势，此处为假设的翻译，实际可能指某个提供金融数据或分析服务的平台名）

API终端点

非流式终端（必需）

`POST /api/query`

接收问题并返回包含上下文的AI生成答案。

请求：

{
  "message": "Give me the latest news on the stock market",
  "session_id": "optional-session-id"
}

回答：

{
  "response": "AI-generated answer with context",
  "session_id": "abc-123-def",
  "metadata": {
    "tool_results": [...],
    "market_state": "closed",
    "market_open": false
  }
}

流式传输终端（额外奖励）

`POST /api/query/stream`

用于实时响应的服务器发送事件流端点。

额外的终点（或目标）

POST /api/session/new - 创建新的对话会话
GET /api/session/{id}/history - 获取对话历史记录
DELETE /api/session/{id} - 删除会话
GET /api/market/summary - 直接市场概要
GET /api/health - 健康检查
GET /metrics - Prometheus指标

测试

快速测试

# 1. Health Check
curl https://your-deployment-url.app/api/health

# 2. Create Session
curl -X POST https://your-deployment-url.app/api/session/new \
  -H "Content-Type: application/json" \
  -d '{}'

# 3. Query Endpoint (Required)
curl -X POST https://your-deployment-url.app/api/query \
  -H "Content-Type: application/json" \
  -d '{
    "message": "Give me the latest news on the stock market",
    "session_id": "SESSION_ID_FROM_STEP_2"
  }'

示例查询

# Stock price
curl -X POST https://your-deployment-url.app/api/query \
  -H "Content-Type: application/json" \
  -d '{"message": "What is the current price of AAPL?", "session_id": "SESSION_ID"}'

# Technical indicators
curl -X POST https://your-deployment-url.app/api/query \
  -H "Content-Type: application/json" \
  -d '{"message": "Give me RSI and moving averages for Tesla", "session_id": "SESSION_ID"}'

# Market summary
curl https://your-deployment-url.app/api/market/summary

# Streaming endpoint (bonus)
curl -N -X POST https://your-deployment-url.app/api/query/stream \
  -H "Content-Type: application/json" \
  -d '{"message": "Tell me about the tech sector", "session_id": "SESSION_ID"}'

技术栈

核心框架

Python 3.11或更高版本 - 编程语言
FastAPI（快速API） - 异步网络框架
FastMCP - 模型上下文协议实现
Uvicorn（注：Uvicorn是一个用于构建ASGI应用的ASGI服务器，常用于Python的异步Web框架中，如FastAPI） - ASGI服务器

人工智能与大型语言模型

Groq API - 大语言模型（LLM）推理（llama-3.1-8b-instant）
提示工程 - 上下文感知的工具规划

数据来源

Alpha Vantage API - 实时股市数据
NewsAPI（新闻应用程序编程接口） - 金融新闻聚合
雅虎财经 - 备用数据提供商

数据库与存储

SQLAlchemy 2.0 - 异步ORM（对象关系映射）
aiosqlite - 异步 SQLite 驱动程序
会话存储（或会话级存储） - 会话持久性

制作特点

速率限制 - SlowAPI（每个客户端每分钟30个请求）
缓存 - 5分钟TTL（生存时间）且线程安全
重试逻辑 - 带指数退避的坚持性（或：具有指数退避策略的坚持不懈）
监测 - Prometheus 指标
安全可选的API密钥认证，CORS配置

上下文保持（或上下文保留）

上下文是如何被保留的

基于会话的存储
- 每个用户都会获得一个唯一的会话ID
- 所有消息均存储在SQLite数据库中
- 跨查询维护的对话历史
上下文管理器
- 检索最后N条消息（默认：10条）
- 包含元数据（时间戳、工具结果）
- 清理旧消息以管理令牌预算
工具结果集成
- 每条消息中存储的工具输出
- 代理引用了之前的工具调用
- 支持后续提问，无需重复查询

示例

Query 1: "What is the price of AAPL?"
→ Agent calls get_stock_price tool
→ Stores result: $245.27

Query 2: "What about its RSI?" (no need to specify AAPL again)
→ Agent retrieves context (AAPL from previous query)
→ Calls calculate_indicators for AAPL
→ Returns RSI with full context

配置

环境变量

# Required
GROQ_API_KEY=your_groq_api_key
ALPHA_VANTAGE_KEY=your_alpha_vantage_key
NEWS_API_KEY=your_news_api_key

# Optional
GROQ_MODEL=llama-3.1-8b-instant
DATABASE_URL=sqlite+aiosqlite:///./market_intelligence.db
MAX_CONTEXT_MESSAGES=10
ALPHA_VANTAGE_CACHE_TTL=300
CORS_ALLOW_ALL=true

# Production (optional)
REQUIRE_API_KEY=true
API_KEYS=key1,key2,key3

MCP服务器配置

服务器初始化

使用FastMCP框架对MCP服务器进行初始化：

from mcp.server.fastmcp import FastMCP

mcp = FastMCP(
    name="Market Intelligence MCP",
    instructions=(
        "Provide actionable market intelligence leveraging live market data, "
        "curated news, and technical indicators. Maintain conversational context "
        "to personalize responses."
    ),
    log_level="INFO",
)

工具注册

每种市场情报工具都已在MCP服务器上注册：

mcp.add_tool(get_stock_price, name="get_stock_price", description="...")
mcp.add_tool(get_stock_info, name="get_stock_info", description="...")
mcp.add_tool(calculate_indicators, name="calculate_indicators", description="...")
mcp.add_tool(get_market_news, name="get_market_news", description="...")
mcp.add_tool(get_market_summary, name="get_market_summary", description="...")

MCP端点

/mcp - MCP HTTP 端点
/mcp/sse - MCP Server-Sent Events 端点

部署

本地开发

# Install dependencies
pip install -r requirements.txt

# Set environment variables
cp .env.example .env
# Edit .env with your API keys

# Run server
uvicorn app.main:app --reload --port 8000

Docker 部署

# Build image
docker build -t market-intelligence-api .

# Run container
docker run -p 8000:8000 \
  -e GROQ_API_KEY=$GROQ_API_KEY \
  -e ALPHA_VANTAGE_KEY=$ALPHA_VANTAGE_KEY \
  -e NEWS_API_KEY=$NEWS_API_KEY \
  market-intelligence-api

铁路部署

将代码推送到GitHub
将存储库连接到铁路系统
在设置 → 变量中添加环境变量
通过Dockerfile自动部署

生产特性

速率限制

客户端：每个IP每分钟30个请求
Alpha Vantage：使用令牌桶算法，每分钟5次请求
超过限制时自动返回429响应

缓存

股票价格的5分钟TTL（时间到期限制）
线程安全的缓存实现
预热后90%的缓存命中率

数据血缘（或数据来源追踪）

每个回复都包括：

source数据提供商（alpha_vantage，newsapi）
as_of数据的时间戳
cached是否来自缓存
market_state开放/关闭/非办公时间
delayed数据是否延迟

监测

Prometheus指标位于 /metrics
请求次数、持续时间、错误率
缓存命中/未命中率
Alpha Vantage API调用追踪

项目结构

Backend_MCP/
├── app/
│   ├── main.py                 # FastAPI application entry point
│   ├── agents/
│   │   └── market_intelligence_agent.py  # AI agent with tool planning
│   ├── api/
│   │   └── router.py           # REST API endpoints
│   ├── core/
│   │   └── config.py           # Configuration management
│   ├── mcp/
│   │   └── server.py           # MCP server implementation
│   ├── models/
│   │   ├── database.py         # SQLAlchemy models
│   │   └── market_data.py      # Data models with provenance
│   ├── services/
│   │   └── context_manager.py  # Session & context management
│   └── utils/
│       ├── auth.py             # API key authentication
│       └── rate_limiter.py     # Rate limiting & caching
├── tests/                      # Test suite
├── Dockerfile                  # Container configuration
├── requirements.txt            # Python dependencies
└── README.md                   # This file

安全

API密钥认证 （可选）：X-API-Key头部验证
CORS 配置可配置的允许来源
速率限制防止滥用和拒绝服务（DOS）攻击
输入验证所有请求的Pydantic模型
密钥管理环境变量，不使用硬编码密钥

许可证

麻省理工学院许可证

链接

GitHub 仓库https://github.com/BalajiMittapalli/market-intelligence-mcp（中文可表述为：GitHub上的市场情报MCP项目链接，由BalajiMittapalli维护）
API 文档： /docs (Swagger UI)
指标仪表板： /metrics （Prometheus 格式）

使用FastAPI、FastMCP、Groq LLM和Alpha Vantage API构建