Xtquant AI

🚀 xtquantai

xtquantai 是一个基于模型上下文协议（MCP）的服务器，它将迅投（xtquant）量化交易平台的功能与人工智能助手相结合，让 AI 能够直接访问和操作量化交易数据与功能，为量化交易领域带来更智能、便捷的操作体验。

✨ 主要特性

XTQuantAI 提供以下核心功能（陆续更新中，欢迎提交新创意）：

基础数据查询

• 获取交易日期 (get_trading_dates) - 获取指定市场的交易日期
• 获取板块股票列表 (get_stock_list) - 获取特定板块的股票列表
• 获取股票详情 (get_instrument_detail) - 获取股票的详细信息

行情数据

• 获取历史行情数据 (get_history_market_data) - 获取股票的历史行情数据
• 获取实时行情数据 (get_realtime_market_data) - 获取股票的实时行情数据
• 订阅行情更新 (subscribe_market_updates) - 订阅并接收实时行情更新

图表与可视化

• 生成价格图表 (generate_price_chart) - 通过传入时间范围和参数，生成指定股票的价格图表
• 技术指标分析 (technical_indicator_analysis) - 计算并返回股票的技术指标（如移动平均线、相对强弱指数等）

📦 安装指南

前提条件

• Python 3.11 或更高版本
• 安装 QMT 或投研终端
• 安装 uv 包管理工具

下载与安装

git clone https://github.com/your-repository/xtquantai.git
cd xtquantai
pip install -r requirements.txt

💻 使用示例

在 Cursor 中集成 MCP 服务器（仅限 Windows 环境）

方法一：通过 main.py 启动

在项目根目录中运行以下命令：

python main.py

方法二：直接通过 Python 脚本运行

运行 server_direct.py 文件：

python server_direct.py

工具使用示例

基础用法

# 获取交易日期
from xtquantai import get_trading_dates

dates = get_trading_dates(start_date="2023-01-01", end_date="2023-12-31")
print(dates)

高级用法

# 获取板块股票列表
from xtquantai import get_stock_list_by_sector

sector_stocks = get_stock_list_by_sector(sector_id="Technology")
print(sector_stocks)

# 生成价格图表
from xtquantai import generate_price_chart

generate_price_chart(stock_code="AAPL", start_date="2023-01-01", end_date="2023-12-31", save_path="chart.png")

📚 详细文档

启动服务器

python src/xtquantai/server.py

使用 MCP Inspector 进行调试（仅用于开发）

安装 Node.js 环境后，运行以下命令：

npx @modelcontextprotocol/inspector uv run xtquantai

构建与发布

1. 同步依赖并更新锁文件：

   uv sync
   

2. 构建包分发：

   uv build
   

3. 发布到 PyPI：

   uv publish
   

调试

由于 MCP 服务器通过标准输入/输出运行，调试具有挑战性。我们强烈推荐使用 MCP Inspector 进行调试。

项目结构

xtquantai/
├── src/
│   └── xtquantai/
│       ├── __init__.py    # 包初始化文件
│       └── server.py      # MCP 服务器实现
├── main.py                # 启动脚本
├── server_direct.py       # 直接 HTTP 服务器实现
├── pyproject.toml         # 项目配置
└── README.md              # 项目文档

📄 许可证

本项目采用 MIT 许可证 - 详见 LICENSE 文件。

贡献

欢迎贡献！请随时提交问题或拉取请求。

致谢

• 迅投科技 提供的量化交易平台
• 模型上下文协议 提供的 AI 集成框架