股票技术分析服务器

一个基于AKShare数据源的A股市场技术分析服务器,提供个股技术分析、涨跌幅榜、股票搜索、指数分析、资金流向和综合评级等功能。

  • by kylefu8
  • Python
  • 本地部署
  • 3 星标
  • 更新于
在 GitHub 查看 kylefu8/tradingview-akshare-mcp

使用说明

TradingView AKShare MCP Server

A股市场技术分析 MCP (Model Context Protocol) Server,基于 AKShare 数据源。

功能特性

  • 📊 个股技术分析: 布林带、RSI、MACD、KDJ、ADX 等指标
  • 📈 涨跌幅榜: 实时获取 A 股涨幅/跌幅排行
  • 🔍 股票搜索: 按名称或代码搜索股票
  • 📉 指数分析: 上证指数、深证成指、创业板指等
  • 💰 资金流向: 行业资金流向、北向资金动态
  • 🎯 综合评级: 基于多指标的综合买卖信号
  • 🔄 多数据源: 自动切换备份源,提高可用性
  • 💾 智能缓存: 内存缓存 + 本地持久化,减少 API 请求

新特性 (v1.1)

多数据源支持

当主数据源不可用时,自动切换到备份源:

数据类型 主源 备份源
实时行情 东方财富 新浪 / 分市场合并
股票历史 东方财富 腾讯
指数历史 东方财富 中证指数

智能缓存系统

  • 内存缓存: 实时行情数据缓存 30 秒
  • 本地缓存: 历史 K 线数据持久化存储 (Parquet 格式)
  • 增量更新: 只获取缺失的新数据

请求速率控制

  • 自动请求间隔 (1秒)
  • 数据源健康检测
  • 失败自动重试和切换

安装

方法 1: 让 AI 帮你安装(推荐)

将以下提示词复制粘贴给你的 AI 助手(Claude Code、OpenCode、Cursor 等),让它自动完成安装和配置:

请帮我安装和配置 tradingview-akshare-mcp,按照以下步骤操作:

1. 克隆仓库到本地: git clone https://github.com/kylefu8/tradingview-akshare-mcp.git
2. 使用 uv 或 pip 安装: uv tool install . 或 pip install -e .
3. 根据我使用的 AI 客户端(OpenCode/Claude Desktop)自动配置 MCP Server
4. 配置 Skills 技能文件,让 AI 具备专业的 A 股技术分析能力
5. 验证安装是否成功

方法 2: 使用 uv 一键安装

uv tool install git+https://github.com/kylefu8/tradingview-akshare-mcp.git

方法 3: 本地安装

git clone https://github.com/kylefu8/tradingview-akshare-mcp.git
cd tradingview-akshare-mcp
pip install -e .

配置

OpenCode 配置

编辑 ~/.config/opencode/mcp.json:

{
  "mcpServers": {
    "tradingview-akshare-mcp": {
      "command": "tradingview-akshare-mcp"
    }
  }
}

Claude Desktop 配置

编辑 %APPDATA%\Claude\claude_desktop_config.json (Windows) 或 ~/Library/Application Support/Claude/claude_desktop_config.json (macOS):

{
  "mcpServers": {
    "tradingview-akshare-mcp": {
      "command": "tradingview-akshare-mcp"
    }
  }
}

💡 提示: 如果使用 uv tool install 安装,可以直接使用命令名 tradingview-akshare-mcp;如果是本地安装,需要使用 python /path/to/mcp/server.py 的方式。

卸载

卸载 MCP Server

# 如果使用 uv 安装
uv tool uninstall tradingview-akshare-mcp

# 如果使用 pip 安装
pip uninstall tradingview-akshare-mcp

移除配置

  1. OpenCode: 编辑 ~/.config/opencode/mcp.json,删除 tradingview-akshare-mcp 配置项
  2. Claude Desktop: 编辑配置文件,删除 tradingview-akshare-mcp 配置项

清理缓存数据(可选)

# 删除本地缓存目录
rm -rf ~/.akshare_cache/

可用工具

工具 说明
stock_analysis 个股完整技术分析
stock_quote 获取实时行情
top_gainers A股涨幅榜
top_losers A股跌幅榜
stock_search 搜索股票
index_analysis 指数分析
sector_flow 行业资金流向
north_flow 北向资金流入
cache_stats 查看缓存统计信息
clear_cache 清空缓存数据

Skills 技能文件

项目包含预定义的 AI 技能文件,位于 skills/ 目录下,可用于增强 AI 助手的股票分析能力。

可用技能

技能 文件 说明
A股技术分析专家 skills/stock-analysis.md 专业的 A 股技术分析师技能,包含完整的分析流程和指标解读

技能特性

  • 完整的分析流程: 从识别用户意图到输出格式化报告
  • 技术指标解读: RSI、MACD、KDJ、布林带、ADX 等指标的详细解读规则
  • 综合评分系统: 基于多指标的综合买卖信号判断
  • 标准化输出格式: 结构化的分析报告模板

配置方式

Claude Desktop

在 Claude Desktop 的 AGENTS.md 或项目根目录创建 .claude/skills/ 目录,将技能文件复制进去:

# 创建技能目录
mkdir -p .claude/skills

# 复制技能文件
cp skills/stock-analysis.md .claude/skills/

或者在项目根目录创建 AGENTS.md,引用技能文件:

## Skills

- [A股技术分析专家](skills/stock-analysis.md)

OpenCode

在项目根目录创建 .opencode/skills/ 目录,将技能文件复制进去:

mkdir -p .opencode/skills
cp skills/stock-analysis.md .opencode/skills/

💡 提示: Skills 文件已内置 MCP 配置,OpenCode 会自动加载。

验证配置

配置完成后,向 AI 助手发送以下消息测试:

分析一下贵州茅台的技术面

AI 助手应该会自动调用 stock_search 和 stock_analysis 工具进行分析。

使用示例

分析个股

# 分析工业富联
stock_analysis(symbol="601138", period="daily")

# 分析贵州茅台 (周线)
stock_analysis(symbol="600519", period="weekly")

获取涨跌幅榜

# 涨幅前20
top_gainers(limit=20)

# 跌幅前10
top_losers(limit=10)

搜索股票

# 按名称搜索
stock_search(keyword="茅台")

# 按代码搜索
stock_search(keyword="6001")

技术指标说明

布林带评级

评级 信号 含义
+2 BUY 价格跌破下轨 (超卖)
+1 NEUTRAL 价格在中轨上方
-1 NEUTRAL 价格在中轨下方
-2 SELL 价格突破上轨 (超买)

RSI 信号

  • RSI > 70: 超买
  • RSI < 30: 超卖
  • 30 < RSI < 70: 中性

综合评分

  • +4 及以上: 强烈看多
  • +2 至 +3: 看多
  • -1 至 +1: 中性
  • -3 至 -2: 看空
  • -4 及以下: 强烈看空

注意事项

  1. 本工具仅提供技术分析数据,不构成投资建议
  2. 数据来源于 AKShare,可能存在延迟
  3. 首次请求可能较慢(需要加载数据)
  4. A股交易时间为工作日 9:30-15:00
  5. 历史数据会自动缓存到 ~/.akshare_cache/ 目录
  6. 如遇到数据源限制,系统会自动切换备用源

缓存管理

# 查看缓存统计
cache_stats()

# 清空内存缓存
clear_cache(cache_type="memory")

# 清空本地缓存
clear_cache(cache_type="local")

# 清空指定股票的缓存
clear_cache(cache_type="local", symbol="600519")

License

MIT