A股股票数据 MCP Server 接入 Claude、Cursor、OpenClaw、Hermes 实践

最近 MCP（Model Context Protocol）在 AI Agent 场景里越来越常见。Claude、Cursor、Codex、OpenClaw、Hermes 这类工具都在往“模型调用工具完成任务”的方向发展。

如果只是普通问答，模型直接回答就够了。

但如果要让 AI Agent 处理 A股数据，比如自动复盘、查询涨停梯队、分析资金流向、整理龙虎榜和研报，仅靠网页复制或搜索结果就不稳定了。

所以我做了一个面向 AI Agent 的 A股股票数据 MCP Server：悟道数据 Wudao Data。

相关入口：

• 项目页：https://data.quicktiny.cn/
• GitHub Pages：https://jcdreamjc.github.io/wudao-mcp/
• OpenClaw / Hermes 接入说明：https://data.quicktiny.cn/openclaw-hermes-stock-data-mcp.html
• 开发者控制台：https://stock.quicktiny.cn/developer

它的目标是让支持 MCP 的客户端可以通过 tools/list 动态发现股票数据工具，再通过 tools/call 查询结构化 A股数据。

一、为什么 A股数据适合做成 MCP Server？

传统股票数据接口一般是 REST API，例如：

GET /api/stock/kline?code=600519&period=daily
GET /api/market/overview
GET /api/limit-up/ladder?date=2026-05-12

这种方式对普通后端程序很友好，但对 AI Agent 不一定最合适。

原因是 Agent 通常不是执行固定代码，而是根据任务动态决定要调用哪些工具。

比如用户说：

帮我复盘今天 A股短线情绪，重点看涨停梯队、资金主线和明天观察方向。

Agent 可能需要连续调用：

1. 市场概览工具
2. 涨停梯队工具
3. 板块轮动工具
4. 资金流向工具
5. 龙虎榜或研报工具
6. 最后生成复盘总结

如果只提供 REST API，开发者还要额外告诉模型：

• 有哪些接口
• 每个接口怎么传参数
• 返回字段是什么意思
• 什么时候该调用哪个接口

MCP 的优势在于：工具列表、参数 schema、调用方式和返回结果都可以通过协议暴露给 Agent。

Agent 可以先调用：

tools/list

查看可用工具，再通过：

tools/call

调用具体工具。

这比把 API 文档塞进 prompt 里稳定很多。

二、MCP Server 配置示例

悟道数据 MCP 的入口是：

https://stock.quicktiny.cn/api/mcp

一个典型配置如下：

{
  "mcpServers": {
    "wudao-stock-data": {
      "url": "https://stock.quicktiny.cn/api/mcp",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

API Key 可以在开发者控制台创建：

https://stock.quicktiny.cn/developer

如果希望区分短线工具和基本面工具，也可以使用 profile：

{
  "mcpServers": {
    "wudao-short-term": {
      "url": "https://stock.quicktiny.cn/api/mcp?profile=short_term",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    },
    "wudao-fundamental": {
      "url": "https://stock.quicktiny.cn/api/mcp?profile=fundamental",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

这样可以避免 Agent 一次性读入太多无关工具。

短线复盘主要使用 short_term，基本面研究主要使用 fundamental。

三、当前支持哪些 A股数据工具？

悟道数据 MCP 当前主要覆盖以下几类能力。

1. 行情与市场基础数据

包括：

stock_search
kline
minute_data
stock_rank
market_overview
trading_calendar

适合用于：

• 股票搜索
• K线查询
• 分时数据查询
• 市场概览
• 交易日判断
• 排行榜分析

2. 涨停板与短线情绪

包括：

limit_up_ladder
limit_up_filter
limit_up_premium
broken_limit_up
limit_down
approaching_limit_up
limit_stats
hot_sectors
limit_events

适合用于：

• 查询涨停梯队
• 分析首板、二板、高位板
• 查看炸板和跌停情况
• 判断封板率和短线情绪
• 发现热门题材和板块

3. 资金与板块分析

包括：

capital_flow
sector_analysis
concept_ranking
concept_stocks
anomaly_detection

适合用于：

• 分析资金流向
• 查询板块轮动
• 查询概念排行
• 发现异动个股
• 生成市场主线分析

4. 市场情报

包括：

smart_hotlist
research_reports
auction_data
briefings
dragon_tiger

适合用于：

• 查询热榜
• 查询研报
• 查询集合竞价
• 生成市场简报
• 查询龙虎榜

5. 基本面研究

包括：

valuation_snapshot
financial_summary
shareholder_structure

适合用于：

• 估值快照
• 财务摘要
• 股东结构分析
• 中线研究
• 策略过滤

四、一个 AI Agent 自动复盘流程

以“每天收盘后自动做 A股复盘”为例，可以把工作流拆成几个步骤。

第一步：查询市场概览

先调用市场概览工具，获取指数、成交量、涨跌家数、市场热度等数据。

Agent 可以先判断：

今日市场整体偏强还是偏弱？
成交量是否放大？
上涨家数是否占优？
短线情绪是否回暖？

第二步：查询涨停梯队

调用涨停梯队工具，查看：

• 首板数量
• 二板数量
• 高位板数量
• 断板情况
• 炸板情况
• 封板率

这些数据可以帮助 Agent 判断短线赚钱效应。

第三步：分析板块和资金

调用板块轮动、概念排行和资金流向工具，判断资金主要攻击方向。

例如：

今日资金主要流入哪些板块？
热门概念是否和涨停梯队一致？
是否存在主线分歧？

第四步：补充个股上下文

对重点个股补充：

• K线
• 龙虎榜
• 研报
• 公告
• 估值
• 财务摘要
• 股东结构

这样 Agent 可以把短线情绪和个股基本信息结合起来。

第五步：生成复盘报告

最后让 Agent 按固定结构输出：

1. 市场情绪
2. 今日主线
3. 强势板块
4. 涨停梯队
5. 资金方向
6. 风险点
7. 明日观察

这种方式比直接让模型“总结今天市场”更稳定，因为每一步都有明确的数据来源和工具调用记录。

五、OpenClaw / Hermes 为什么适合接 MCP？

OpenClaw 和 Hermes 这类工具更偏长期运行的 Agent 工作流，而不是一次性聊天。

长期运行的 Agent 通常需要：

• 稳定的数据源
• 明确的工具 schema
• 可审计的调用记录
• 统一的 API Key 管理
• 只读工具边界
• 可组合的任务流程

MCP 正好适合这类场景。

悟道数据 MCP 可以作为 OpenClaw、Hermes、Claude、Cursor、Codex 和自建 Agent 的 A股数据工具层。

相关接入说明：

https://data.quicktiny.cn/openclaw-hermes-stock-data-mcp.html

六、MCP 和 REST API 的区别

两者不是互斥关系。

REST API 更适合传统程序：

人写代码 -> 代码调用接口 -> 程序处理结果

MCP 更适合 AI Agent：

Agent 发现工具 -> Agent 选择工具 -> Agent 调用工具 -> Agent 解释结果

如果是后端服务、定时任务、内部系统，REST API 仍然很好用。

如果是 Claude、Cursor、OpenClaw、Hermes、自建 Agent 这类场景，MCP 会更自然。

七、边界说明：只读数据，不做交易

金融数据场景一定要明确边界。

悟道数据 MCP 当前只提供只读数据查询，不做自动交易，不执行下单，也不提供投资建议。

它适合：

• 自动复盘
• 数据查询
• 市场观察
• 研究辅助
• Agent 工具链实验

不建议让任何 Agent 直接连接真实交易执行链路。

AI Agent 可以辅助分析，但最终决策和风险控制仍然应该由人负责。

八、总结

把 A股数据接入 AI Agent，不只是把接口开放出来。

更重要的是：

1. 把数据能力拆成 Agent 能理解的工具
2. 通过 MCP 暴露 tools/list 和 tools/call
3. 按任务拆分 profile，减少无关工具干扰
4. 返回结构化数据，而不是网页文本
5. 保持只读边界，不直接参与交易
6. 让 Agent 基于明确数据生成复盘和研究结果

对于 Claude、Cursor、OpenClaw、Hermes 和自建 Agent 来说，MCP 是一个比较自然的股票数据接入方式。

相关链接：

• 项目页：https://data.quicktiny.cn/
• GitHub Pages：https://jcdreamjc.github.io/wudao-mcp/
• OpenClaw / Hermes 接入说明：https://data.quicktiny.cn/openclaw-hermes-stock-data-mcp.html
• 开发者控制台：https://stock.quicktiny.cn/developer