Token导航 LogoToken导航

MCP Server · AI代理

Intelli Quant

IntelliTrade是一个模拟自主AI交易者的小型交易平台的教学和实验项目,通过Model Context Protocol (MCP)工具和服务实现市场研究、决策和交易执行。

stdio官方级别未说明来源级核验工具 0
PythonAI代理工作流自动化

快速开始

作者 / 组织
arushsinghal
提供方
arushsinghal
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

0

仓库热度

收录来源

1 个

MCP World

选型结论

Intelli Quant 属于AI代理类 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;接入前先确认权限范围。

分类

AI代理

传输方式

stdio

认证方式

无需认证

部署方式

公开资料未说明

安装与配置

安装命令

uv run intellitrade/reset.py

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

IntelliTrade:多代理交易大厅(MCP供电)

IntelliTrade是一个教学和实验项目,模拟了一个由自主AI交易者组成的小型交易大厅。每个交易者都是一个代理人,定期研究市场,做出决策,并根据磁盘上的账户分类账执行交易。代理通过模型上下文协议(MCP)工具和服务访问功能,包括:

  • 投资组合状态和交易执行的账户服务
  • 市场数据服务(基于多边形或本地回退)
  • 推送交易摘要通知
  • 研究服务(网络获取、搜索和每个交易者的记忆)

在幕后,代理通过stdio协调多个MCP服务器,记录跟踪和事件,并将持久状态存储在SQLite中。

--如果这对你有帮助,请⭐ 回购!

目录

  • 概述

- 主要特点 - 为什么这个架构 - 项目结构 - 深度架构文档

  • 入门指南

- 需求 - 环境变量 - 安装 - 快速入门矩阵 - 初始化交易者 - 经营交易大厅

  • 内部机制

- 定价如何运作 - 数据存储 - 架构图 - 日志和可观察性 - 运行单个服务器(可选) - 开发说明和扩展点 - 可靠性和故障模式 - 安全和隐私 - 性能注意事项

  • 故障排除
  • 许可证

主要特点

  • 具有不同策略的多个交易者角色
  • 研究员工具作为网络研究的委托代理
  • 用于账户、市场数据、通知和研究的MCP服务器
  • SQLite支持的帐户、日志和市场缓存
  • Polygon.io与实时或EOD回退集成
  • 具有环境配置的定期调度

为什么这个架构

  • 通过MCP进行隔离:提供可组合、过程隔离的MCP服务器功能,以实现清晰的接口和崩溃控制。
  • 具有可插拔边缘的确定性核心:在数据提供者和研究工具交换时,核心交易循环仍然是可测试的。
  • 回退弹性:如果Polygon不可用,当地市场MCP将保持EOD/随机定价的连续性。
  • 可追溯性:所有代理活动都会被跟踪并写入审计日志,以进行事后分析。

项目结构

  • intellitrade/trading_floor.py:以节奏运行所有交易者的调度器
  • intellitrade/traders.py:交易员代理编排和研究工具连接
  • intellitrade/accounts.py:账户模型、交易、报告和日志记录
  • intellitrade/accounts_server.py:暴露账户操作的MCP工具和资源
  • intellitrade/accounts_client.py:客户端垫片调用账户MCP服务器/工具
  • intellitrade/market.py:带缓存的Polygon API和回退定价实用程序
  • intellitrade/market_server.py:本地MCP市场服务器(不使用Polygon工具时的备用)
  • intellitrade/push_server.py:用于Pushover通知的MCP工具
  • intellitrade/mcp_params.py:面向交易员和研究人员的MCP服务器启动参数
  • intellitrade/templates.py:提示模板和任务消息
  • intellitrade/tracers.py:将跨度/跟踪记录到SQLite的跟踪处理器
  • intellitrade/database.py:用于帐户、日志和市场缓存的SQLite持久性
  • intellitrade/reset.py:初始化四个交易者角色及其策略
  • intellitrade/memory/*.db:研究人员MCP服务器的每个交易者内存数据库
  • intellitrade/accounts.db:用于帐户、日志、市场缓存的主SQLite数据库

深度架构文档

如需更深入地了解其他图表和内部结构,请参阅:

  • docs/ARCHITECTURE.md

需求

  • Python 3.12+
  • uv 用于运行Python应用程序和管理deps
  • \[node 和 npx\]对于某些MCP服务器(Brave搜索和内存服务器)

Python依赖关系在 pyproject.toml 并被固定住 uv.lock.

环境变量

  • 核心:

- POLYGON_API_KEY:Polygon.io API密钥(可选;启用Polygon-based定价) - POLYGON_PLAN:其中之一 paid 或 realtime 解锁更丰富的多边形工具 - PUSHOVER_USER, PUSHOVER_TOKEN:推送通知的凭据(可选) - RUN_EVERY_N_MINUTES:调度程序节奏(默认值: 60) - RUN_EVEN_WHEN_MARKET_IS_CLOSED: true 无论市场时间如何,都要跑步 - USE_MANY_MODELS: true 为每个交易者分配不同的LLM后端

  • LLM/OpenRouter样式密钥(可选;使用您打算测试的密钥):

- OPENROUTER_API_KEY, DEEPSEEK_API_KEY, GROK_API_KEY, GOOGLE_API_KEY

  • 研究/搜索:

- BRAVE_API_KEY:适用于Brave Search MCP服务器(可选;推荐)

创建一个 .env 在repo根目录中配置这些:

POLYGON_API_KEY=...
POLYGON_PLAN=paid
PUSHOVER_USER=...
PUSHOVER_TOKEN=...
RUN_EVERY_N_MINUTES=30
RUN_EVEN_WHEN_MARKET_IS_CLOSED=false
USE_MANY_MODELS=false
BRAVE_API_KEY=...
OPENROUTER_API_KEY=...

安装

# Ensure uv is installed, see uv docs if needed
uv sync

这将解决并准备基于以下内容的环境 pyproject.toml 和 uv.lock.

快速入门矩阵

  • 实时多边形:设置 POLYGON_API_KEY 和 POLYGON_PLAN=realtime → 使用多边形MCP工具
  • 付费多边形(延迟):设置 POLYGON_API_KEY 和 POLYGON_PLAN=paid → 使用延迟快照工具
  • 无多边形:省略 POLYGON_API_KEY → 使用本地 market_server.py 带EOD/随机回退的MCP

初始化交易者

uv run intellitrade/reset.py

这会创建或重置四个具有策略的交易者:

  • 沃伦(价值,长期)
  • 乔治(宏观,逆向)
  • Ray(系统性、风险平价)
  • Cathie(颠覆性创新,加密货币ETF重点)

经营交易大厅

uv run intellitrade/trading_floor.py

发生了什么:

  • 调度器循环每个 RUN_EVERY_N_MINUTES
  • 当市场开放时(或如果设置了覆盖),所有交易者同时运行
  • 每位交易员:

- 通过账户MCP服务器读取他们的账户和策略 - 将研究委托给连接到多个研究MCP服务器的研究员代理 - 通过Polygon MCP工具或本地市场服务器查询市场数据 - 使用账户MCP服务器执行交易 - 发送简短的推送通知(如果已配置) - 将跟踪和操作记录到SQLite

定价如何运作

  • 如果 POLYGON_API_KEY 已设置:

- 随着 POLYGON_PLAN=realtime:使用实时快照工具 - 随着 POLYGON_PLAN=paid:使用延迟快照工具

  • 否则:

- 本地MCP服务器(intellitrade/market_server.py)提供EOD或随机回退(带磁盘缓存)

数据存储

  • intellitrade/accounts.db (SQLite):

- accounts:按交易员姓名列出的JSON账户状态 - logs:按交易员姓名列出的跟踪和事件日志 - market:按日期键入的EOD市场缓存

  • intellitrade/memory/.db:每个交易者的研究工具内存

架构图

组件视图:

flowchart LR
  subgraph Agents
    T1[Trader: Warren]
    T2[Trader: George]
    T3[Trader: Ray]
    T4[Trader: Cathie]
    R[Researcher Agent]
  end

  subgraph MCP Servers
    A[Accounts MCP\n(accounts_server.py)]
    M{{Market MCP\n(Polygon or market_server.py)}}
    P[Push MCP\n(push_server.py)]
    F[Fetch MCP\n(mcp-server-fetch)]
    B[Brave Search MCP]
    MM[Memory MCP\n(mcp-memory-libsql)]
  end

  subgraph Persistence
    DB[(SQLite\naccounts.db)]
    MEM[(Per-Trader Memory\nmemory/*.db)]
  end

  T1 -- read/write --> A
  T2 -- read/write --> A
  T3 -- read/write --> A
  T4 -- read/write --> A

  T1 -- price/info --> M
  T2 -- price/info --> M
  T3 -- price/info --> M
  T4 -- price/info --> M

  T1 -- notify --> P
  T2 -- notify --> P
  T3 -- notify --> P
  T4 -- notify --> P

  T1  R
  T2  R
  T3  R
  T4  R

  R -- fetch --> F
  R -- search --> B
  R -- recall/store --> MM

  A  DB
  MM  MEM

交易回合的顺序:

sequenceDiagram
  participant Scheduler as trading_floor.py
  participant Trader as Trader Agent
  participant Researcher as Researcher Agent
  participant Accounts as Accounts MCP
  participant Market as Market MCP
  participant Push as Push MCP
  participant DB as SQLite (accounts.db)

  Scheduler->>Trader: run()
  Trader->>Accounts: read_account(name)
  Accounts->>DB: SELECT accounts, logs
  Accounts-->>Trader: account JSON + metadata

  Trader->>Researcher: research_tool(request)
  Researcher->>Market: query price/info (via MCP or Polygon)
  Researcher-->>Trader: findings summary

  Trader->>Accounts: buy_shares/sell_shares(name,symbol,qty,rationale)
  Accounts->>Market: get_share_price(symbol)
  Market-->>Accounts: price
  Accounts->>DB: UPDATE accounts; INSERT logs
  Accounts-->>Trader: trade confirmation + report JSON

  Trader->>Push: push("summary of trades and outlook")
  Push-->>Trader: ok
  Trader-->>Scheduler: completed

日志和可观察性

  • 痕迹和跨度通过以下方式持久化 tracers.LogTracer 到 logs 桌子
  • 你可以探索 intellitrade/accounts.db 使用任何SQLite工具进行检查:

- 每位交易者最近的行为(logs) - 账户状态(accounts) - 缓存EOD价格(market)

操作提示:

  • 跟踪ID是通过以下方式从交易者姓名中导出的 tracers.make_trace_id 为了便于关联。
  • 系统记录跟踪开始/结束和跨度级别的事件,并为事后分析提供可选的错误字符串。

运行单个服务器(可选)

通常,交易者会根据需要启动MCP服务器。您也可以手动运行它们:

# Accounts MCP server
uv run intellitrade/accounts_server.py

# Local Market MCP server (fallback when not using Polygon MCP tools)
uv run intellitrade/market_server.py

# Push MCP server
uv run intellitrade/push_server.py

开发说明和扩展点

  • MCP服务器参数集中在 intellitrade/mcp_params.py
  • 定价逻辑和回退路径在 intellitrade/market.py
  • 账户操作(买入/卖出/报告/策略) intellitrade/accounts.py
  • 交易员在每个周期的“交易”和“再平衡”运行之间切换
  • 研究人员代理作为单一工具暴露在交易者面前
  • 添加新的数据提供程序:扩展 mcp_params.py 使用新的MCP条目并将其工具集成到 traders.py 或研究人员代理人。
  • 添加新交易者:更新 intellitrade/trading_floor.py 种子战略 intellitrade/reset.py.
  • 添加新通知:实现类似于以下内容的MCP工具 push_server.py.

可靠性和故障模式

  • MCP过程隔离包含单个工具内的故障;即使某些工具失败,交易者的挤兑也可以继续进行。
  • 市场定价存在分层回落:实时→ 延迟→ EOD缓存→ 随机。
  • 在SQLite级别,帐户操作是事务性的;每个交易者的操作最大限度地减少了写争用。
  • 研究服务器可能会设置速率限制;提示指示回退到备用获取工具。

安全和隐私

  • 从读取API密钥 .env 并且不保存在数据库中。
  • SQLite存储帐户状态、日志和市场缓存。研究记忆数据库是每个交易者和本地的。
  • 这里的MCP传输是本地stdio;如果引入了远程执行,请使用安全通道和身份验证。

性能注意事项

  • 交易员在每个周期同时运行;重型IO被隔离在外部MCP进程中。
  • 市场EOD结果按日期缓存,以减少API调用(LRU+SQLite缓存)。
  • 调谐 RUN_EVERY_N_MINUTES 迭代速度与负载的关系;尽可能整合MCP启动,以实现长期会话。

故障排除

  • 缺少多边形密钥:系统退回EOD/随机定价;集 POLYGON_API_KEY 提高保真度
  • 缺少Brave密钥:研究仍然可以通过fetch进行,但搜索质量会随着 BRAVE_API_KEY
  • 无推送:确保 PUSHOVER_USER 和 PUSHOVER_TOKEN 设置或禁用流中的通知
  • MCP启动问题:确保 uv, node,以及 npx 已安装并位于PATH中

许可证

此存储库用于教育和实验用途。如果没有另行规定,请咨询项目所有者以了解许可条款。

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

AI交易Python本地部署金融市场模拟多代理系统MCP协议SQLite数据库

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

多步任务编排

把拆解、检索、执行串成一条链,模型按步骤调用工具。

长期上下文

把会话、笔记和知识放到外部存储,换个会话还能接着做。

接自有流程

把内部系统和模型连起来,让助手调用已有的工作流。

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。
  • 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AI代理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。
  • 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
Intelli Quant

MCP World · 本页

0stdio有1 个2026-05-17
Everything Claude Code

MCP World

0stdio有1 个2026-05-17
Filesystem 560c4363

MCP World

13未说明未标注2 个2026-05-17
Time 7365cb6d

MCP.so

2SSE有2 个2026-05-17
Server Everything (everything)

MCP World

11stdio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

Intelli Quant 怎么安装?

公开资料给出的安装命令是 uv run intellitrade/reset.py,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。

Intelli Quant 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。

Intelli Quant 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。

Intelli Quant 需要 API Key 吗?

公开资料标注为无需认证,装好就能连;如果实际调用时报鉴权错误,按官方文档补上凭据。

Intelli Quant 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