基于 MCP 协议接入金融行情数据的技术实践 - 文章 - 开发者社区

事情是这样的。我平时会花一些时间盯盘，但你也知道，盯盘这活太磨人，盯久了眼神都涣散。我就琢磨着，能不能让 AI 帮我干这件事——我不要求它替我交易，至少能在我问“今天苹果走得怎么样”的时候，别瞎编一个股价糊弄我，而是老老实实去查一下真实的行情。

picture.image 一开始我的想法很简单：自己写个 Python 脚本，调个免费行情接口，把数据拼成 prompt 喂给 GPT。吭哧吭哧写了大半天，功能是跑通了，但每换一个模型，function calling 的格式就得重新适配。而且这种“胶水代码”越写越脏，到后面我自己都不想维护。后来一个做量化的朋友跟我说：“你试试 MCP 吧，iTick 有现成的，开箱即用，别自己造轮子了。”

我之前只是听说过 MCP（Model Context Protocol），知道它是 Anthropic 搞的一套让大模型调用外部工具的协议，但从没上手过。趁着周末，我决定认真走一遍流程，顺便把过程记录下来，给有同样需求的朋友一个参考。

一、我面对的核心问题

说白了，我想要的其实特别简单：让大模型能“看见”真实的行情数据。不是把数据手动复制给它，也不是写一堆胶水代码，而是像和人说话一样，直接问它“特斯拉现在多少钱”“帮我看一下最近 20 天的布林带”，它就自己去拉数据、算指标，然后把结果用正常人话告诉我。

这件事分两步：第一步是模型能理解我的意图，第二步是它能碰得到数据。第一步现在的大模型都能做，第二步就得靠外部工具了。而 MCP 正好解决了第二步——它把“数据获取”抽象成了标准化的工具，模型想用什么，直接通过 MCP 这个管道去调就行。

iTick 做的，就是把他们的行情数据和技术指标封装成了一个 MCP 服务，跑在本地，既不需要暴露端口，也不用我操心数据格式。

二、上手过程，真没那么玄乎

我先说我手头的环境：一台 M1 的 MacBook，Node.js 18 装好了，Python 3.11，别的没啥特殊。iTick 的 MCP 服务端是 npm 包，启动就是一行命令。

配置文件

建了个 itick-mcp.json，内容如下：

{
  "apiKey": "把刚才的KEY填进去",
  "defaultMarket": "US"
}

这文件就放在我项目根目录，没有花里胡哨的东西。

启动服务

终端里敲：

npx @itick/mcp-server --config itick-mcp.json

回车之后没有界面，就一行启动成功的日志，然后安安静静地等着。说实话我第一次看到这反应还有点慌，以为卡住了，后来才明白它走的是 stdio 通信，就是等着客户端来连。

三、用 Python 客户端试了试水

我不想一上来就接 Claude，怕哪里配错了报一堆红字影响心情。于是先写了一个最简版的 Python 脚本，看看能不能把数据拿回来。

装 MCP 的 Python SDK：

pip install mcp

然后写 test.py：

import asyncio
from mcp import Client
from mcp.client.stdio import stdio_client

async def main():
    # 连接刚启动的 MCP 服务
    async with stdio_client(
        "npx", ["-y", "@itick/mcp-server", "--config", "itick-mcp.json"]
    ) as (read, write):
        async with Client(read, write) as client:
            await client.initialize()

            # 看看它提供了哪些工具
            tools = await client.list_tools()
            print("都有哪些工具可以用：", [t.name for t in tools])

            # 查一下苹果的实时报价
            quote = await client.call_tool("get_realtime_quote", {"symbol": "AAPL"})
            print("=== AAPL 实时行情 ===")
            print(quote.content[0].text)

            # 再拿一下技术指标，MA20 和布林带
            tech = await client.call_tool("get_technical_indicator", {
                "symbol": "AAPL",
                "interval": "1d",
                "period": 20,
                "indicators": ["MA", "BOLL"]
            })
            print("=== 技术指标（MA20 和布林带）===")
            print(tech.content[0].text)

asyncio.run(main())

跑起来，输出大概是这样的：

都有哪些工具可以用： ['get_realtime_quote', 'get_historical_bars', 'get_technical_indicator', 'search_instrument', 'get_financials']
=== AAPL 实时行情 ===
{
  "symbol": "AAPL",
  "price": 198.75,
  "change": 2.34,
  "changePercent": 1.19,
  "timestamp": "2026-06-23T14:30:00Z"
}
=== 技术指标（MA20 和布林带）===
{
  "ma20": 195.40,
  "boll_upper": 200.15,
  "boll_mid": 195.40,
  "boll_lower": 190.65,
  "current_price": 198.75,
  "position": "价格位于布林带上半区，接近上轨"
}

那一刻我真的有点小兴奋。要知道，我啥接口文档都没查，参数名基本靠猜（symbol、interval、indicators 这种，猜得八九不离十），居然一次性跑通了。布林带上中下轨还有位置描述，直接返给我了，省得我自己再去算一堆 pandas。

四、真正爽的是接到 Claude Desktop 上

命令行跑通只是热身，MCP 最该用的地方，是让大模型自己去调这些工具。我日常用 Claude Desktop 比较多，正好它原生支持 MCP。

配置方式不复杂，找到 Claude Desktop 的 config 文件（Mac 上在 ~/Library/Application Support/Claude/claude_desktop_config.json），加上一段：

{
  "mcpServers": {
    "itick": {
      "command": "npx",
      "args": ["-y", "@itick/mcp-server", "--config", "/你的路径/itick-mcp.json"]
    }
  }
}

保存，重启 Claude Desktop，然后试着在对话框里问了一句：

帮我看下特斯拉现在股价多少，日线级别的布林带位置怎么样？

Claude 大概沉默了两秒（我猜是去调 get_realtime_quote 和 get_technical_indicator 了），然后回了我一段：当前价格多少，布林带上中下轨分别在哪里，还告诉我价格位于布林带上半区，接近上轨，短期可能面临阻力。我接着又问：

那英伟达呢？同样的指标，做个对比。

它又分别拉了一次数据，给我列了个表格对比两家的价格和布林带位置。我全程没离开对话框，也没有复制任何行情数字。

说实话，这种体验非常接近我理想中“能干活儿的 AI 助理”。它没有瞎编一个股价，因为根本没机会编——每一步数据都是从 iTick 的接口实时拉回来的，而且来源可追溯。

五、我踩的一个坑，顺便提醒你

晚上我试着写了一个多轮对话的测试脚本，想让它在同一段对话里连续问好几只股票。结果第二次调用工具的时候报了个 “session expired” 的错误。我查了半天，发现是自己的代码逻辑问题：我把 async with 的作用域写得太窄，第一次调用完连接就关了。

解决办法很简单，把多次工具调用都放在同一个 async with 块里，保持连接复用。iTick 的文档里有提到这一点，但因为我一开始没仔细看，就折腾了半小时。如果你也做持续交互的应用，记得把 client 的生命周期管好。

六、这东西到底适合谁？

用了一周，我的感受是：iTick 这个 MCP，它不是在卖一个黑盒产品，而是给了一个非常干净的“数据接入标准件”。优点是：

部署成本极低，一条命令就能跑，不需要起一个额外的服务。
返回的数据是干净的结构化 JSON，你想二次加工或者存数据库都很方便。
内置的技术指标直接用，不用自己写计算逻辑（尤其是布林带，我之前手写老在边界条件上踩坑）。
权限隔离做得还可以，API Key 写在配置文件里，客户端代码里完全不用出现。

但也有局限，我得诚实说：

如果你需要极低延迟的高频交易场景，这玩意儿肯定不适合。它走本地 stdio 通信，天生就不是为那个设计的。
如果你想用一些非常冷门的指标，它内置的可能覆盖不到，还是得自己算。
服务端更新比较频繁，我这周就遇到一次版本升级，好在没破坏老接口。

所以它最适合谁呢？我稍微理了理：

个人投资者或交易爱好者，想用自然语言快速查行情、做技术分析的。
平时写量化脚本的开发者，想把数据接入这部分工作外包出去，自己只关心策略逻辑。
跟我一样喜欢把 AI 助手“武装”起来的人，让它不再是只会聊天的玩具。

最后说两句

折腾完这套，我最大的一个感触是：过去我们总抱怨大模型“不懂金融”，但其实不是模型不够聪明，是它看不见真实的市场数据。MCP 干的事，就是把这扇窗给打开了。iTick 又恰好是那个把窗户开得比较利索的——我不用操心窗户框怎么装，只要走过去推开就行。

如果你也被那些“胶水代码”折磨过，或者想让自己的 AI 助手真的能派上点用场，花个十来分钟试一下。那种“问一句就能出结果”的流畅感，确实有点上头。

github 文档