Token导航 LogoToken导航

MCP Server · 金融服务

Financial Signals Dashboard

一个实时金融信号代理,使用Strands Agent SDK和Bright Data MCP集成,从金融数据源收集数据并分析股票,生成投资决策的alpha信号。

stdio官方级别未说明来源级核验工具 0
金融数据Python实时数据

快速开始

作者 / 组织
awsdataarchitect
提供方
awsdataarchitect
运行时
Python

工具数量

0

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

7

仓库热度

收录来源

1 个

MCP World

选型结论

Financial Signals Dashboard 属于金融服务类 MCP Server,公开资料标注 0 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前要先准备 访问 Token。

分类

金融服务

传输方式

stdio

认证方式

访问 Token

部署方式

公开资料未说明

安装与配置

安装命令

python -m venv .venv

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 0 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

财务信号仪表板

使用Strands agent SDK和Bright Data MCP集成的实时金融信号代理。该系统从金融来源收集数据,以分析股票并为投资决策生成阿尔法信号。

特性

  • 使用Bright Data MCP工具进行实时股票分析
  • 交互式Streamlit仪表板,具有丰富的可视化功能
  • 人工智能驱动的阿尔法信号,具有置信度得分
  • 价格、移动平均线和RSI指标的技术分析
  • 职位规模建议
  • 风险回报情况可视化
  • 基于社交媒体指标的市场情绪分析
  • 新闻源情绪跟踪与可视化
  • 支持多个模型提供商(AWS Bedrock和Ollama)

帐户设置

确保您在brightdata.com上有一个帐户(新用户可以获得免费测试积分,并提供按需付费选项)

从用户设置页面获取API密钥https://brightdata.com/cp/setting/users

设置

  1. 首先,确保您已安装Python 3.10+。
  1. 创建一个虚拟环境来安装Strands Agents SDK及其依赖项:
python -m venv .venv
  1. 激活虚拟环境:
# macOS / Linux
source .venv/bin/activate

# Windows (CMD)
.venv\Scripts\activate.bat

# Windows (PowerShell)
.venv\Scripts\Activate.ps1
  1. 安装依赖项:
pip install -r requirements.txt
  1. 将Bright Data API令牌设置为环境变量:
export API_TOKEN="your-api-token-here"
  1. \[仅在使用Ollama模型提供商时需要\] 安装和设置Ollama:

选项1:本机安装

- 按照以下说明安装Ollama 去.ai - 拉你想要的模型:

     ollama pull llama3

- 启动Ollama服务器:

     ollama serve

选项2:Docker安装

- 拉取Ollama Docker镜像:

     docker pull ollama/ollama

- 运行Ollama容器:

     docker run -d -v ollama:/root/.ollama -p 11434:11434 --name ollama ollama/ollama

注:添加 --gpus=all 如果你有GPU,并且配置了Docker GPU支持。 - 使用Docker容器拉取模型:

     docker exec -it ollama ollama pull llama3

- 验证Ollama服务器是否正在运行:

     curl http://localhost:11434/api/tags
  1. 运行Streamlit应用程序:
streamlit run streamlit_app.py

模型提供者选项

仪表板支持两个模型提供程序:

AWS基岩

  • 基于云的高性能模型
  • 需要AWS凭据
  • 生产使用的默认选项

没有

  • 在您的机器上运行的本地模型
  • 需要 没有 待安装并运行
  • 支持的型号:

- llama3.1:最新版本(建议使用工具) - 通话3:最新 - calla3.1:最新 - 通话3:8b - 通话3:70b - 米斯特拉尔:最新 - 混音:最新

Ollama工具支架注意事项:标准Olama模型,如llama3:最新版本不支持工具,可能会返回以下错误 registry.ollama.ai/library/llama3:latest does not support tools (status code: 400)。我们已经使用专门的提示技术实现了一种解决方法,如中所述 。为了使用工具获得最佳效果,请使用llama3.1:具有更好工具支持的最新型号。

安全最佳实践

重要提示:始终将抓取的网络内容视为不受信任的数据。切勿在LLM提示中直接使用原始刮取内容物,以避免潜在的快速注射风险。相反:

  • 在处理之前过滤和验证所有web数据
  • 使用结构化数据提取而不是原始文本(web_data工具)

建筑

  • Strands代理SDK:为AI驱动的分析提供代理框架
  • 明亮数据MCP:处理网络抓取和财务数据收集
  • AWS Bedrock Nova Premier:利用高级语言功能为AI分析提供动力
  • 没有:提供用于分析的本地模型备选方案
  • 溪流:为交互式仪表板提供实时更新
  • Plotly:创建交互式和响应式数据可视化

线程通信系统

仪表板实现了一个强大的基于文件的线程通信系统:

  • 财务和情绪分析的背景线索
  • 基于文件的信号完成状态标志
  • 用于分析结果的JSON存储
  • 分析完成时自动更新UI
  • 通过详细的日志记录和回溯进行错误处理

仪表板部分

  1. 库存标题:以视觉上吸引人的格式显示当前股票代码、价格和日期
  1. 财务分析选项卡:

- 信号方向表显示买入/卖出/保持建议 - 带颜色编码区域的信心评分表 - 风险回报图,比较潜在风险与回报 - 价格与移动平均线柱状图 - RSI指标显示当前RSI值,带有颜色编码区域 - 位置大小推荐显示 - 关键因素和风险评估部分

  1. 情绪分析选项卡:

- 带有颜色编码区域的市场情绪评分表 - 7天情绪趋势图(模拟) - Twitter、Reddit和StockTwits的社交媒体情绪雷达图 - 带有颜色编码条的新闻源情绪可视化 - 带有情绪分析的详细新闻源列表

运作原理

  1. 在侧栏中输入股票代码,然后单击“分析股票”
  2. 启动两个背景线程进行财务和情绪分析
  3. Strands代理SDK 处理代理循环:

- 管理代理的推理和决策过程 - 通过React框架简化工具选择和执行 - 自动处理观察-思考-行动循环 - 为一致的分析结果提供结构化的输出格式

  1. Strands Agent连接到Bright Data MCP并检索财务数据
  2. AI模型分析数据并生成结构化分析结果
  3. 结果保存到文件中,标志设置为完成信号
  4. UI会自动更新,以交互式可视化方式显示分析
  5. 用户可以通过选项卡式界面探索分析的不同方面

技术细节

  • 线程中具有适当事件循环处理的异步处理
  • 使用正则表达式模式从AI响应中解析结构化数据的信号提取
  • 由Plotly提供支持的交互式可视化,以获得引人入胜的用户体验
  • 基于文件的线程通信,实现可靠的UI更新
  • 全面的错误处理和优雅的降级
  • 具有正确转换和验证的类型安全数据处理
  • 响应式布局,适应不同的屏幕尺寸
  • 针对特定模型的最佳性能提示策略
  • 自动Ollama状态检查和模型可用性验证
  • Ollama模型的自定义XML样式工具调用格式,以绕过工具支持限制

投资免责声明

仪表板包括明确的免责声明:

  • 该信息仅供参考
  • 该分析不构成投资建议
  • 用户在做出投资决策之前应咨询财务顾问
  • 过去的表现并不预示未来的结果
  • 投资涉及损失风险

未来的增强功能

  • 实时价格更新
  • 投资组合管理功能
  • 历史信号跟踪
  • 多只股票的比较分析
  • 自定义警报设置
  • 报告的导出功能
  • 用于保存分析历史记录的用户帐户
  • 其他模型提供程序集成

工具与能力

工具数量

0

资源数量

0

提示词数量

0

能力标签

金融分析Python本地部署实时数据股票分析投资决策AI信号

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

行情与财报查询

拉取价格、财报和指标,让模型做对比解读。

持仓与流水

在授权范围内查询持仓、生成流水说明。

风险提示

结合数据给出波动和敞口提醒。

选择建议

值得选的地方

  • 只提供 0 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 需要自备访问 Token,没有凭据没法直接试。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在金融服务场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到访问 Token的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
Financial Signals Dashboard

MCP World · 本页

0stdio有1 个2026-05-17
MCP Server 273df76d

MCP World

0stdio有1 个2026-05-17
MCP 4a351ada

MCP World

0stdio有1 个2026-05-17
a share MCP is just I need

MCP World

0未说明未标注1 个2026-05-17
Financemcp 538284b7

MCP World

18stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

Financial Signals Dashboard 怎么安装?

公开资料给出的安装命令是 python -m venv .venv,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

Financial Signals Dashboard 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

Financial Signals Dashboard 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

Financial Signals Dashboard 需要 API Key 吗?

公开资料标注的认证方式是访问 Token,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

Financial Signals Dashboard 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP