AI导哈

股票分析服务

基于FastAPI-MCP的股票分析服务，提供股票数据获取、AI分析、技术指标计算等综合功能，支持A股、港股、美股及基金市场。

  • by ZMX946
  • Python
  • 本地部署
  • 8 星标
  • 更新于
在 GitHub 查看 ZMX946/MCP_Stock_Analysis

使用说明

股票分析 MCP 服务

项目概述

这是一个基于 FastAPI-MCP 的股票分析服务，修改自开源软件，旨在通过 MCP 工具函数接口提供股票相关的综合数据和分析能力，包括价格、评分、技术报告和 AI 分析。该服务整合了原有项目 https://github.com/lanzhihong6/stock-scanner 中的股票数据获取和分析功能，并提供了现代化的 API 接口，作为前端与后端服务之间的桥梁。

项目中分别实现了本地集成式 MCP 服务与远程 MCP 工具服务两种部署方式。前者将 MCP 能力直接嵌入 FastAPI 应用内部，适用于单体应用与本地智能体调用；后者将 MCP 作为独立的远程服务对外暴露，可被多个 AI Agent 或客户端统一调用，体现了 MCP 在工具服务化与跨应用协作中的优势。

功能特点

  • 基于 FastAPI-MCP 构建: 支持 SSE 协议，提供强大的 API 接口。
  • 丰富的股票分析工具: 提供多种股票数据获取和分析工具函数。
  • 多市场支持: 支持 A 股、港股、美股及基金数据分析。
  • 集成 AI 分析: 结合大语言模型进行深度分析。
  • 异步处理: 利用 FastAPI 和 Python 的异步特性，提高并发处理能力。
  • 流式响应: 支持 SSE 协议，实现实时数据流推送。
  • 模块化设计: 各个服务模块职责明确，便于维护和扩展。
  • 依赖注入: 使用 FastAPI 的依赖注入系统，简化代码结构。
  • 全面错误处理: 包含详细的异常捕获和错误响应机制。
  • MCP 工具集成: 使用 FastApiMCP 库自动将 API 转换为 MCP 工具函数。

安装

安装依赖

```bash
pip install -r requirements.txt
```

配置环境变量 默认将访问大模型的API-KEY等信息放在系统环境变量中，系统环境变量名见models.py：

也可以自行编写.env文件进行覆盖

复制 `.env.example` 文件为 `.env`，并填写相关配置：

```bash
cp .env.example .env
```

编辑 `.env` 文件，填写 API 密钥等信息。

文件说明

  • integration_in_client_mcp_server.py和mcp_server_integration_remote_mcp.py为MCP服务端
  • integration_in_clients_remote_mcp.py和mcp_server_integration_client.py为MCP客户端
  • 其中integration_in_client_mcp_server.py和integration_in_clients_remote_mcp.py组合使用
  • 其中mcp_server_integration_remote_mcp.py和mcp_server_integration_client.py组合使用
  • integration_in_clients_remote_mcp组合是远程MCP服务集成在客户端
  • mcp_server_integration_remote_mcp组合是远程MCP服务集成在服务端

运行服务

使用python启动服务即可，例如，文件名为mcp_server_integration_remote_mcp.py

python mcp_server_integration_remote_mcp.py

服务将在 http://localhost:8000 启动。你也可以使用 Uvicorn 启动：

uvicorn mcp_server_1:app --host 0.0.0.0 --port 8000 --reload

主要 API 接口

服务提供以下核心 API 接口：

  • 分析单只股票: GET /stock_analyzer
    • 通过股票代码和市场类型分析股票，返回包括价格、评分、技术分析和AI分析等综合信息，支持流式响应。
  • 获取股票价格信息: GET /stock_price
    • 获取指定股票的最新价格、涨跌幅等基本价格信息。
  • 获取股票技术分析: GET /stock_technical_analysis
    • 获取股票的技术指标分析，包括MA趋势、RSI、MACD信号、布林带等技术指标。
  • 获取股票评分: GET /stock_score
    • 获取股票的综合评分和投资建议。
  • 获取股票AI分析: GET /stock_ai_analysis
    • 使用AI对股票进行深度分析，提供趋势、风险、目标价位等综合分析结果。

联网搜索服务则视乎具体的实现，不一定提供了该服务。

MCP 工具函数

FastApiMCP 库会自动将上述 API 注册为 MCP 工具函数，可通过 /mcp 端点获取其定义。以下是主要 MCP 工具函数：

  1. analyze_stock - 分析单只股票 (对应 GET /stock_analyzer 接口)
  2. get_stock_price - 获取股票价格信息 (对应 GET /stock_price 接口)
  3. get_technical_analysis - 获取股票技术分析 (对应 GET /stock_technical_analysis 接口)
  4. get_stock_score - 获取股票评分 (对应 GET /stock_score 接口)
  5. get_ai_analysis - 获取股票AI分析 (对应 GET /stock_ai_analysis 接口)

这些工具函数可以直接被大语言模型调用。

系统架构

该 MCP 服务作为前端与后端服务之间的桥梁，通过 FastAPI 框架提供 RESTful API 和 SSE 流式响应。它整合了以下核心服务：

  • StockDataProvider: 负责从数据源获取股票数据。
  • StockAnalyzerService: 协调数据提供、指标计算、评分和 AI 分析。
  • AIAnalyzer: 调用大语言模型 API 进行深度分析。
  • TechnicalIndicator: 计算技术指标。
  • StockScorer: 根据技术指标评分。

技术特点

  • 异步处理: 利用 FastAPI 和 Python 的异步特性，提高并发处理能力。
  • 流式响应: 支持 SSE 协议，实现实时数据流推送。
  • 模块化设计: 各个服务模块职责明确，便于维护和扩展。
  • 依赖注入: 使用 FastAPI 的依赖注入系统，简化代码结构。
  • 全面错误处理: 包含详细的异常捕获和错误响应机制。
  • MCP 工具集成: 使用 FastApiMCP 库自动将 API 转换为 MCP 工具函数。

流式 API 端点

stock_analyzer 接口 (GET /stock_analyzer) 支持流式响应，客户端可以通过标准的 HTTP 请求访问，并处理服务端发送事件（SSE）流。

FastApiMCP 的 /mcp 端点也提供了工具定义的流式访问能力。

健康检查

可以通过 /health 端点检查服务状态：

http://localhost:8000/health

使用示例

在 MCP 中使用工具函数

在 MCP 客户端中，可以通过以下方式使用工具函数：

import mcp

# 示例：分析单只股票 (流式响应)
async for chunk in mcp.use_tool("analyze_stock", {"stock_code": "600795", "market_type": "A"}):
    print(chunk)

# 示例：获取股票价格信息
price_info = await mcp.use_tool("get_stock_price", {"stock_code": "600795", "market_type": "A"})
print(price_info)

# 示例：获取股票技术分析
tech_analysis = await mcp.use_tool("get_technical_analysis", {"stock_code": "600795", "market_type": "A"})
print(tech_analysis)

# 示例：获取股票评分
score_info = await mcp.use_tool("get_stock_score", {"stock_code": "600795", "market_type": "A"})
print(score_info)

# 示例：获取股票AI分析
ai_analysis_result = await mcp.use_tool("get_ai_analysis", {"stock_code": "600795", "market_type": "A"})
print(ai_analysis_result)

访问 API 文档

服务启动后，可以通过以下链接访问自动生成的 API 文档 (Swagger UI / OpenAPI)：

http://localhost:8000/docs

相关 MCP