tradingview-mcp 是什么?

tradingview-mcp 是一个把交易市场分析能力接入 Claude 等 MCP 客户端的开源 MCP 服务器。它集成了 30+ 技术分析工具,覆盖加密与股票的实时筛选、技术指标(RSI/MACD/布林带/K 线形态等)、回测引擎(6 种策略 + 夏普等机构级指标)、实时情绪(Reddit + RSS 新闻)与 Yahoo Finance 实时报价,并支持 Binance、KuCoin、Bybit、NASDAQ/NYSE、BIST、EGX 等多市场。它以 PyPI 包 tradingview-mcp-server 分发、用 uvx 一键接入 Claude Desktop / Codex,无需任何 API key。需要明确:它是给 AI 助手提供市场数据与分析的「研究/筛选基础设施」,本身不下单、不执行交易,输出也不构成投资建议;另有付费托管版(cryptosieve.com)面向不想自己折腾环境的用户。

⭐ 1,504 Stars 🍴 334 Forks Python MIT 作者: atilaahmettaner
来源:README 顶部简介、All 30+ MCP Tools 各表、Quick Start、GitHub meta(atilaahmettaner/tradingview-mcp,Python,MIT,homepage cryptosieve.com) 查看 GitHub 仓库 →

为什么值得关注

MCP(Model Context Protocol)让 AI 助手能调用外部工具,而「让 Claude 直接做市场技术分析」是很有吸引力的组合。tradingview-mcp 把过去需要东拼西凑(Docker/Conda、多个数据源、各自的指标脚本)的交易分析工作收进一个无需 API key、5 分钟接入的 MCP 服务器,还附了与 Bloomberg 终端的对比叙事,话题性强。它工具数量多(30+)、覆盖多交易所与多市场、支持回测与情绪分析,并能经 OpenClaw 从 Telegram/WhatsApp 使用,传播面广,累计约 2,800 星。需理性看待其营销表述(如对比 Bloomberg、示例收益数字)。

来源:README「Why tradingview-mcp?」对比表、Quick Start、OpenClaw 段、GitHub meta(stars 2805、created_at 2025-08-08)

核心功能

技术分析核心(30+ 指标与决策工具)

get_technical_analysis 给出含 RSI/MACD/布林带等 23 项指标的完整 TA 与 BUY/SELL/HOLD 倾向;另有批量分析、专有 ±3 布林带评级、3 层决策引擎、15 种 K 线形态识别、按信号扫描(超卖/趋势/突破)、多时间框架(周→日→4H→1H→15m)对齐分析。这些是「指标计算与信号汇总」,不等于交易建议。

来源:README「Technical Analysis Core」表
多交易所/多市场筛选

screen_stocks 提供 20+ 过滤条件的多交易所筛选;支持 Binance、KuCoin、Bybit 等加密交易所,NASDAQ/NYSE 美股,土耳其 BIST,以及埃及 EGX(含市场概览、筛选、交易计划、斐波那契回撤等专用工具)。仓库内置各交易所/市场的标的清单(coinlist/)。

来源:README「Multi-Exchange Support」表、src/tradingview_mcp/coinlist 目录
回测引擎(6 策略 + 机构级指标)

backtest_strategy 可回测 RSI、布林带、MACD、EMA 20/50 金叉死叉、Supertrend、Donchian 突破 6 种策略,输出胜率、总收益、夏普/Calmar、最大回撤、盈亏比、期望值、最优/最差交易及对比买入持有,并模拟手续费与滑点;compare_strategies 在同一标的上对比 6 策略排名。回测结果是历史模拟,不代表未来收益。

来源:README「Backtesting Engine」段(含策略列表与指标)
实时情绪与新闻

market_sentiment 汇总 Reddit 财经社区的看多/看空情绪与热门帖;financial_news 拉取 Reuters、CoinDesk、CoinTelegraph 等实时 RSS 头条;combined_analysis 把 TradingView 技术面 + Reddit 情绪 + 实时新闻汇成一个「合流」判断。情绪数据噪声大,仅供参考。

来源:README「AI Sentiment & Intelligence」表
Yahoo Finance 实时报价与多端接入

yahoo_price 给实时报价(价格、涨跌幅、52 周高低、市场状态),market_snapshot 给 S&P500/NASDAQ/VIX/BTC/ETH/EURUSD 等全局概览,覆盖股票/加密/ETF/指数/外汇。可经 uvx 接入 Claude Desktop 与 Codex 插件,也能通过 OpenClaw 从 Telegram/WhatsApp 等聊天工具使用。

来源:README「Yahoo Finance」表、Quick Start、OpenClaw 段

技术架构

项目是一个 Python(3.10+,推荐 3.13 以避开 pandas 在 3.14 无预编译 wheel 的源码构建超时问题)实现的 MCP 服务器,包名 tradingview_mcp,以 pyproject.toml + uv 管理。核心在 src/tradingview_mcp/ 下,内置各交易所/市场的标的清单(coinlist/,含 binance、kucoin、bybit、nasdaq、nyse、bist、egx、sse/szse 等几十个 .txt)。它通过 MCP 暴露 30+ 工具(技术分析、筛选、回测、情绪、Yahoo 报价等),数据来源于 TradingView 的技术分析、Yahoo Finance 报价、Reddit 与 RSS 新闻,宣称无需任何 API key。分发与运行有多条路径:PyPI 包经 uvx 拉起、Claude Desktop / Codex 插件配置(.codex-plugin、.codex-mcp.json)、Docker(Dockerfile + docker-compose)、源码 uv run,以及 OpenClaw 工具脚本接入聊天平台。还有一个独立的付费托管版(cryptosieve.com)提供同样的工具集。

来源:仓库目录树(src/tradingview_mcp、coinlist、pyproject.toml、uv.lock、Dockerfile、.codex-plugin、openclaw/)、README Quick Start/Troubleshooting/OpenClaw

项目知识图谱

知识图谱:项目核心节点(中心)+ 核心功能(内环六边形)+ 关键技术依赖(外环 chip) pandas(指标/回测计算)pandas(指标/回… TradingView 技术分析数据源TradingView 技… Yahoo Finance(实时报价)Yahoo Finance… Reddit + RSS(Reuters/CoinDesk/CoinTelegraph,情绪与新闻)Reddit + RSS(… uv / uvx(运行与分发)uv / uvx(运行… 技术分析核心(30+ 指标与决策工具)技术分析核心(30+ 指… 多交易所/多市场筛选 回测引擎(6 策略 + 机构级指标)回测引擎(6 策略 + 机… 实时情绪与新闻 Yahoo Finance 实时报价与多端接入Yahoo Finance 实时… tradingview-mcp 项目本体 核心功能 关键依赖

中心为项目本体,内环 = 核心功能模块,外环 = 关键技术依赖;按 deep.json 中的 core_features 与 tech_stack.key_deps 自动生成

技术栈

语言Python(3.10+,推荐 3.13)框架MCP(Model Context Protocol)服务器
pandas(指标/回测计算)TradingView 技术分析数据源Yahoo Finance(实时报价)Reddit + RSS(Reuters/CoinDesk/CoinTe…uv / uvx(运行与分发)
PyPI 包 tradingview-mcp-server;经 uvx 接入 Claude Desktop / Codex;支持 Docker 与 OpenClaw(Telegram/WhatsApp);无需 API key;另有付费托管版 cryptosieve.com
来源:README Quick Start/Troubleshooting(Python/pandas/uv)、All 30+ Tools 数据源、pyproject.toml

快速上手

最简单:`pip install tradingview-mcp-server`,然后在 Claude Desktop 的 claude_desktop_config.json 里加一个 MCP 服务器,command 指向 uvx(macOS 上 GUI 应用 PATH 可能不含 ~/.local/bin,需用 uvx 全路径),args 为 `["--from", "tradingview-mcp-server", "tradingview-mcp"]`。Windows 上若首次启动报 MCP -32001 超时,是因为 Python 3.14 下 pandas 需源码编译,超过 60s 初始化超时——在 args 里加 `--python 3.13` 用预编译 wheel,或先 `uv tool install --python 3.13 tradingview-mcp-server` 预装。Codex 用 .codex-plugin/.codex-mcp.json 同款入口。源码运行:`git clone ... && cd tradingview-mcp && uv run tradingview-mcp`。配好后即可在对话里直接让 AI 调用这些分析工具(例如让它对某标的做技术分析或回测某策略)。
来源:README Quick Start 与 Troubleshooting 段

使用场景

适合想让 Claude/Codex 等 AI 助手承担「市场技术分析与研究」工作的交易者、量化爱好者与开发者:在对话里对某只股票或币种做完整技术分析、跨交易所按条件筛选标的、对几种策略做历史回测并比较夏普/回撤、查看 Reddit 情绪与实时新闻做参考、用多时间框架对齐判断趋势。也适合作为 MCP 工具开发与「AI + 市场数据」集成的参考实现。务必把它当作辅助研究与信息聚合工具——它给的是指标、回测与情绪汇总,不下单、不构成投资建议,所有决策与风险由用户自负。

来源:README Example/Tools 各段、定位(分析而非执行)

优势与局限

优势

  • 把分散的市场分析能力(TA、筛选、回测、情绪、报价)收进一个无需 API key、5 分钟接入的 MCP 服务器,上手成本低。
  • 工具丰富、覆盖广:30+ 工具、6 种可回测策略(含手续费/滑点模拟)、多交易所与多市场(含 BIST/EGX 等小众市场)。
  • 接入方式多样:uvx/PyPI、Claude Desktop、Codex 插件、Docker、OpenClaw(聊天平台),MIT 开源、自托管免费。
  • 定位克制——只做分析与信息聚合、不碰下单执行,相对纯交易机器人风险面更小。

局限

  • 金融信息性质:输出为指标、回测与情绪汇总,不构成投资建议;回测的历史表现不代表未来收益,README 中的示例收益数字应只当演示。
  • 数据源依赖与质量:依赖 TradingView/Yahoo/Reddit/RSS 等外部数据,免费数据可能有延迟、缺口或噪声,情绪信号尤其需谨慎。
  • 营销色彩与商业化:README 用 Bloomberg 对比、赞助按钮与 $9/月托管版引流,宣称指标需自行核实。
  • 环境坑点:Windows/Python 3.14 下因 pandas 需源码编译会触发 MCP 初始化超时,需按文档 pin 到 3.13 或预装。
来源:README Why/Troubleshooting/Backtesting 段、定位说明、商业化与赞助内容

最新版本

最新版本为 v0.7.0。近几个版本持续加料:v0.6.0 引入回测引擎(6 策略 + 夏普/Calmar/期望值)与 Yahoo Finance 实时报价,v0.5.0 引入 AI 情绪与新闻(Reddit + RSS + combined_analysis)。以 PyPI 包 tradingview-mcp-server 发布,并提供 Claude Desktop / Codex / Docker / OpenClaw 多种接入。仓库最近更新在 2026-05-17。

来源:README 版本徽章(v0.7.0)、Tools 段的版本标注、GitHub meta pushed_at 2026-05-17

总结评价

tradingview-mcp 是「让 AI 助手做市场技术分析」这一需求下相当完整的开源 MCP 服务器:30+ 工具把技术分析、多交易所筛选、回测、情绪与实时报价收进一处,无需 API key、接入方式多、MIT 开源自托管免费,定位上又克制地只做分析不碰下单,对想在 Claude/Codex 里研究行情的交易者和开发者很实用。使用时要守住边界:它给的是数据与指标汇总、不是投资建议,回测的历史收益不预示未来,免费数据源也有延迟与噪声,README 的 Bloomberg 对比与示例数字带营销成分需自行核实。把它当作 AI 的「行情研究助手」、决策与风险自负,是最合适的用法。

来源:综合 README、Tools、定位与 GitHub meta 的事实判断
透明度声明
本页内容由 AI(大语言模型)基于以下公开材料自动生成:GitHub README、代码目录结构、依赖文件、Release 信息。 分析时间: 2026-05-23 18:12. 质量评分: 100/100.

数据来源:README、GitHub API、依赖文件