图表库MCP服务器
适用于： Claude桌面| Claude代码| ChatGPT| GitHub副本|游标| VS代码|任何MCP客户端
股票图表模式的队列智能引擎 --给你的人工智能代理一组历史类似物、完整的正向回报分布以及区分赢家和输家的特征。经过校准，方法诚实，没有夸大的信心。
📖 什么是队列智力？ · 🛠️ 完整的MCP设置指南 · 🤖 与Claude一起建立人工智能交易代理
25M+图案嵌入。10年的历史。19K多只股票。一个工具调用。
> "What does NVDA's chart on 2024-08-05 1h look like historically?"
NVDA · 2024-08-05 · 1h — cohort of 500 historical analogs
(485 with realized 5-day returns)
Distribution at 5 days forward:
median: −1.3%
p10 ·· p90: −11.3% ·· +6.8% (80% empirical band)
win rate: 44%
cohort_score: 0.31 (modest)
Features that separated winners from losers:
+ credit_spread_state = tight
+ macro_state = bullish
+ pct_off_52w_low (further off)
− vol_regime = low
Summary: NVDA's 1-hour pattern on 2024-08-05 has 500 historical
analogs. The cohort's 5-day distribution is bearish-leaning
(median −1.3%, win rate 44%) — the historical record does NOT
show this pattern typically resolving bullish. Conditioning on
tight credit spreads and a bullish macro state would have
separated the outperformers within the cohort.检索，而不是预测。没有幻觉的预测。不要摘樱桃。只是你的代理人可以引用的经验记录。
______________________________________________________________________
快速开始
pip install chartlibrary-mcp克劳德桌面（一键安装）
下载 图表库-1.1.1.mcpb 扩展文件，并用Claude Desktop打开它进行自动安装。
克劳德代码
claude mcp add chart-library -- chartlibrary-mcp克劳德桌面（手册）
添加 claude_desktop_config.json:
{
"mcpServers": {
"chart-library": {
"command": "chartlibrary-mcp",
"env": {
"CHART_LIBRARY_API_KEY": "cl_your_key"
}
}
}
}光标/VS代码
添加 .cursor/mcp.json 或VS代码MCP设置：
{
"servers": {
"chart-library": {
"command": "chartlibrary-mcp",
"env": {
"CHART_LIBRARY_API_KEY": "cl_your_key"
}
}
}
}GitHub副本（VS代码）
添加 .vscode/mcp.json 在您的项目中（此文件已包含在图表库存储库中）：
{
"servers": {
"chart-library": {
"command": "chartlibrary-mcp",
"env": {
"CHART_LIBRARY_API_KEY": "cl_your_key"
}
}
}
}打开项目时，Copilot Chat将自动检测MCP服务器。使用 @mcp 在Copilot Chat中调用工具。
ChatGPT（开发者模式）
ChatGPT通过远程HTTP端点连接到MCP服务器。要设置：
- 启用开发者模式：转到ChatGPT 设置>应用程序>高级设置>开发者模式 （需要Pro、Plus、Business、Enterprise或Education计划）
- 创建连接器：在“设置”>“连接器”中，单击 创建 并输入：
- 名称：图表库 - 描述：历史图表模式搜索引擎——19000多只股票的2500多万种模式，10年的数据 - 统一资源定位符: https://chartlibrary.io/mcp - 认证：无身份验证（如果使用API密钥，则为OAuth）
- 在对话中使用：从Plus菜单中选择“开发人员模式”，选择Chart Library应用程序，然后问“NVDA的图表在历史上是什么样子的？”
备注：远程端点位于https://chartlibrary.io/mcp使用流式HTTP传输。如果您需要SSE回退，请使用https://chartlibrary.io/mcp/sse.
远程MCP端点
对于支持远程HTTP连接的任何MCP客户端：
https://chartlibrary.io/mcp此端点支持Streamable HTTP和SSE传输，无需本地安装。
免费套餐：每天200次通话，无需信用卡。 在获取API密钥 chartlibrary.io/开发人员 或者使用没有搜索的基本搜索。
______________________________________________________________________
你的经纪人能用这个做什么？
“我应该担心我的TSLA职位吗？”
> get_exit_signal("TSLA")
Signal: HOLD (confidence: 72%)
Similar patterns that exited early: 3/10 would have avoided a drawdown
Similar patterns that held: 7/10 gained an additional +2.1% over 5 days
Recommendation: Pattern suggests continuation. No exit signal triggered.“目前哪些行业正在轮换？”
> get_sector_rotation()
Leaders (30-day relative strength):
1. XLK Technology +4.2%
2. XLY Cons. Disc. +3.1%
3. XLC Communication +2.8%
Laggards:
9. XLU Utilities -1.4%
10. XLP Cons. Staples -2.1%
11. XLRE Real Estate -3.3%
Regime: Risk-On (growth > defensives)“如果SPY下降3%，AMD会怎么样？”
> run_scenario("AMD", spy_change=-3.0)
When SPY fell ~3%, AMD historically:
Median move: -5.2%
Best case: +1.1%
Worst case: -11.4%
Positive: 18% of the time
AMD shows 1.7x beta to SPY downside moves.______________________________________________________________________
8个标准工具
Chart Library v5提供了一个干净的8工具界面。通过以下方式链接它们 cohort_id 无需重新运行kNN，即可进行亚秒级细化。
| 工具 | 它做什么 |
|---|---|
search | 入口点。为锚点找到类似的历史模式；返回a cohort_id 你可以用链子。 mode= 支持 text （默认）， live_bars （原始OHLCV）， similar （队列级别的邻居）。 |
cohort | 核心原始。 条件分布分析。 depth="basic" 返回kNN+结果分布； depth="full" 增加了第3层特征重要性+制度分层+风险概况； depth="compare" 将两个锚并排放置。跨制度/行业/流动性/事件过滤。 |
discover | 今天有什么有趣的事。 mode="picks" （队列排名第一）， mode="daily_setups" （在一次通话中提供预先丰富的简报）， mode="risk_adjusted" （夏普排名）。 |
analyze | 分析指标。 metric= 接受 anomaly, volume_profile, crowding, correlation_shift, earnings_reaction, pattern_degradation, regime_accuracy, decompose （切片赢家vs输家）， clusters （队列内部分组）。 |
context | 情境数据。 target= 接受 "market"，股票代码("NVDA"), {"symbol": ..., "date": ...} 用于轻量级锚点元数据，或 "system" DB覆盖范围。 |
narrative | 新闻情报。 mode="pulse" （单符号叙事变化得分+芬伯特情绪）或 mode="alerts" （市场范围内的差异异常）。 |
explain | 叙事+排名来自队列。 style= 接受 filter_ranking （哪个滤波器使分布偏移最大）， prose （简明英文摘要）， position_guidance （出口信号）， risk_ranking. |
portfolio | 多持有分析或每符号跟踪记录。 mode="basic" （多持股加权队列）或 mode="symbol_intel" （每个符号第5层存储器）。 |
加 report_feedback 用于将错误/建议归档回项目。
这些工具用实际的条件基准利率取代了幻觉中的“平均这种模式的回报率为X%”。完整的区别——他们做什么以及如何阅读回复——记录在 /概念/群体智力 和 /概念/阅读a-cohort-response.
典型药剂流
1. search(query="NVDA 2024-06-18") → cohort_id
2. cohort(symbol="NVDA", date="2024-06-18", depth="full",
filters={"vol_regime": ["high"]})
→ Layer 3 distribution + features
3. explain(cohort_id=..., style="filter_ranking") → which filter matters most
4. cohort(symbol=..., date=..., depth="full",
filters={...refined...}) → re-conditioned distribution从v4/v3/v2迁移
v5将表面从19个活动工具减少到8个复合工具。12个以前活动的工具(cohort_analyze, cohort_compare, decompose, clusters, live_search, similar_cohorts, symbol_intelligence, anchor_fetch, narrative_pulse, narrative_alerts, discover_picks, get_daily_setups)被保留为DEPRECATED包装器，转发到规范工具——v4调用者保持不变。新代理应该使用8个规范工具。
v3时代的工具(search_charts, get_cohort_distribution等等）已在v5中删除。如果你的代码仍然调用它们，pin `chartlibrary-mcp