tradingview-mcp：把 TradingView 行情、技术与回测能力接入任意 AI 助手的 37 工具 MCP 服务器

开篇引导段：今天在 GitHub Trending 上看到一个非常实用的项目：tradingview-mcp，它把 TradingView 的实时行情、技术分析与回测能力打包成一套 MCP 服务器，让你用一句自然语言就能让 Claude、ChatGPT、Cursor 或 Copilot 帮你做选股、看盘和策略回测。

一、项目概述

tradingview-mcp 由 Atila Ahmettaner 维护，是一个面向 AI 助手的行情与量化分析 MCP 服务器（Model Context Protocol）。它的核心价值在于：把原本要在 TradingView 网页/桌面端手动点的操作，变成 AI 助手可直接调用的 37 个工具。

项目解决的核心问题是：

AI 助手没有实时市场数据：LLM 本身没有行情，调用 MCP 工具后，AI 可以拿到实时价格、技术指标、新闻与情绪。
回测门槛高：写 Pine Script 或在 Jupyter 里手搓回测脚本动辄几小时，而本项目内置 9 套策略 + 前向验证（walk-forward），一句话即可跑完。
多客户端通用：只要支持 MCP 协议的客户端都能用，无需为每个 AI 单独开发适配器。

核心特性一览（部分）：

实时行情覆盖股票、加密、外汇、期货，横跨 Binance、KuCoin、NASDAQ/NYSE、EGX、BIST 等交易所；
30+ 技术指标 + 自研 ±3 布林带评级；
内置 9 套回测策略，支持 1d / 1h 周期、完整成交日志与资金曲线；
Reddit 情绪 + Yahoo/MarketWatch/CNBC 实时新闻；
结构化错误信封（error envelope），便于程序化分支处理；
自托管永久免费（MIT），也有托管版（pro.cryptosieve.com）免运维。

注意：项目与 TradingView Inc. 无任何关联，不登录、不爬取、不自动化 TradingView 会话，行情来自公开端点，因此不需要 TradingView 账号或 API Key。

二、技术原理

架构设计

整个服务是一个基于 FastMCP 的 Python 服务，对外暴露标准 MCP 协议（stdio / streamable-http）。从 README 的架构图与服务入口可以归纳出分层结构：

AI Client (Claude/ChatGPT/Cursor)
        │  MCP (stdio / http)
        ▼
tradingview-mcp server  (FastMCP)
   ├─ Technical Analysis  → tradingview-ta / tradingview-screener
   ├─ Yahoo Finance       → yahoo_price / market_snapshot (httpx async)
   ├─ Backtesting Engine  → pandas 计算 Sharpe/Calmar/Equity
   ├─ Sentiment & News     → Reddit + Marketaux / RSS
   └─ Resilience Layer     → retry + TTL cache + throttle
        │
        ▼
  公开市场数据端点 (Yahoo / TradingView / 交易所)

核心技术栈与选型理由

从 pyproject.toml 可以看到精确的依赖约束，作者的注释揭示了不少工程取舍：

dependencies = [
  "feedparser>=6.0.12",
  "httpx>=0.27",
  # 下限 1.14.0：server.py 用 from __future__ import annotations，
  # 注解以字符串形式传给 FastMCP。<=1.13.x 的 Tool.from_function
  # 会对字符串注解调用 issubclass 而崩溃，导致所有工具注册失败。
  "mcp[cli]>=1.14.0,<2",
  "requests>=2.32",
  # 锁定 ==3.0.0：3.2.0 会让空 Query() 默认走股票预设过滤，
  # 静默返回 0 行，破坏 crypto/futures 筛选。
  "tradingview-screener==3.0.0",
  "tradingview-ta>=3.3.0",
]

几个值得学习的点：

mcp[cli]>=1.14.0,<2：上限排除 2.x 是因为 2.x 移除了 mcp.server.fastmcp 模块；下限 1.14.0 是因为 from __future__ import annotations 让注解变成字符串，旧版 Tool.from_function 会 issubclass() 崩溃。这是典型的「依赖边界由运行时行为而非语义化版本决定」。
tradingview-screener==3.0.0 锁版本：上游 3.2.0 的默认预设会静默吞掉加密/期货扫描结果，因此必须 pin。注释还特意说明 Docker 构建用 uv pip install --system . 会忽略 uv.lock，所以开放区间会让重建漂移出 bug。
Python 范围 >=3.10,<3.14：因为 3.14 缺少预编译 pandas wheel，Windows 上 uvx 首次安装会回退源码构建导致超时（见 FAQ）。

关键设计：异步热路径与并发限流

在 May 2026 的更新中，作者对 7 个高流量工具（yahoo_price、top_gainers、multi_timeframe_analysis、combined_analysis 等）做了异步化。FastMCP 对同步工具是串行跑在事件循环上的，改成 async def 后能真正实现服务端内并发：

yahoo_price / stock_extended_hours 用 httpx.AsyncClient 做真·非阻塞 I/O；
对仍依赖同步库（tradingview_ta、tradingview-screener、feedparser）的工具，用 asyncio.to_thread 卸载到线程池；
combined_analysis 把 3 个子调用用 asyncio.gather 扇出，墙钟时间约提升 3×。

同时引入 TA 限流层：默认并发上限 4、启动间隔 ≥0.8s，防止 combined_analysis / multi_timeframe_analysis 的并行突发撞上 TradingView 的空响应限流悬崖，可通过环境变量调参。

数据流的韧性：重试 + TTL 缓存 + 错误信封

screener 提供方加了「自动重试 + 60 秒 TTL 缓存」，消除了 combined_analysis 上的瞬时 Expecting value JSON 解析错误。更重要的是结构化错误信封：

{"error": {"code": "ALL_BATCHES_FAILED",
           "message": "All 5 batches failed; first error: JSONDecodeError(...)",
           "batches_attempted": 5, "batches_failed": 5,
           "first_error": "...", "retryable": true}}

这让调用方（人或程序）能区分「今天没信号」与「上游限流」，并据 retryable 决定是否等待重试。覆盖的工具包括 top_gainers、bollinger_scan、volume_breakout_scanner 等。

三、安装与快速开始

项目提供两种运行方式，37 个工具完全相同：自托管（免费）与托管版（按月付费、免运维）。

方式一：pip 安装（最简）

pip install tradingview-mcp-server

方式二：从源码运行（uv）

git clone https://github.com/atilaahmettaner/tradingview-mcp
cd tradingview-mcp
uv run tradingview-mcp

接入 Claude Desktop（claude_desktop_config.json）：

{
  "mcpServers": {
    "tradingview": {
      "command": "/Users/YOUR_USERNAME/.local/bin/uvx",
      "args": ["--from", "tradingview-mcp-server", "tradingview-mcp"]
    }
  }
}

macOS 的 GUI 应用（如 Claude Desktop）可能找不到 ~/.local/bin，务必用 uvx 的完整路径。

可选：情绪/新闻所需的免费 Marketaux Key

export MARKETAUX_API_TOKEN=your_token_here   # 可选，免费 100 次/天

不填则 financial_news / market_sentiment 返回友好的「未配置」提示，其余工具照常工作。

四、使用方法与实战

配置好之后，直接对 AI 说自然语言即可：

Show today's top crypto gainers on Binance
Run a full technical analysis of NVDA
What's the multi-timeframe read on gold?
Backtest an RSI strategy on BTC on the daily timeframe

回测引擎示例 —— 一句话对比 9 套策略：

Compare all 9 strategies on MSFT for 2 years
→ #1 triple_ema:        +15.1% | Sharpe:  0.0 | WR: 100%
→ #2 keltner_breakout:  +14.3% | Sharpe:  4.7 | WR:  40%
→ #3 bollinger:         +12.2% | Sharpe:  4.1 | WR:  64%
→ Buy & Hold:            -2.1%

9 套策略包括：rsi、bollinger、macd、ema_cross、supertrend、donchian，以及新增的 rsi_pullback（上升趋势中低吸）、keltner_breakout（ATR 归一化突破）、triple_ema（EMA 交叉 + SMA200 趋势过滤）。指标含胜率、总收益、Sharpe、Calmar、最大回撤、盈利因子、期望收益，并模拟真实手续费与滑点。

前向验证（防过拟合）：

Run walk-forward backtest on supertrend for SPY
→ Verdict: ROBUST (avg robustness 0.92) | OOS return +8.5%

walk_forward_backtest_strategy 做 train/test 切分并给出 ROBUST / MODERATE / WEAK / OVERFITTED 判定，比单纯回测更可信。

OpenClaw 集成：项目还提供 SKILL.md + trading.py 包，可经 OpenClaw 网关把服务接到 Telegram / WhatsApp / Discord 等 20+ 聊天平台，无需 MCP 协议，直接 Python import 调用。

五、常见问题与解决方案

Q1：Windows 首次启动报 MCP error -32001: Request timed out？ 原因：Python 3.14 尚未被支持，uvx 首次创建虚拟环境安装依赖时，MCP 栈的某些原生依赖没有 3.14 预编译 wheel，回退源码构建导致超时。修复：在配置里把 uvx 固定到 3.13：

{"mcpServers": {"tradingview": {
  "command": "uvx",
  "args": ["--python", "3.13", "--from", "tradingview-mcp-server", "tradingview-mcp"]
}}}

或先 uv tool install --python 3.13 tradingview-mcp-server 预热缓存。

Q2：macOS 上 Claude Desktop 报 command not found？ GUI 应用的 PATH 不含 ~/.local/bin，需用 uvx 完整路径（见上文配置）。

Q3：回测/筛选偶发 Expecting value 或空结果？ 这是上游 screener 的瞬时抖动。Resilience 层已加重试 + 60s TTL 缓存兜底；若为限流，错误信封 retryable:true，等待后重试即可。

Q4：新闻/情绪工具返回 count: 0？ 旧版 Reuters RSS 已 deprecated，现已切换到 Yahoo/MarketWatch/CNBC，并需配置免费的 MARKETAUX_API_TOKEN 才启用 financial_news / market_sentiment。

六、总结

tradingview-mcp 把一个原本分散、高门槛的「行情 + 技术面 + 回测」工作流，用 MCP 协议封装成了 AI 助手开箱即用的 37 个工具，对量化爱好者、独立开发者和想用自然语言做市场研究的用户都非常有价值。其依赖约束的精细注释、异步热路径改造、结构化错误信封与防过拟合的前向验证，也体现出相当成熟的工程素养。自托管 MIT 永久免费，值得一试。

⚠️ 免责声明：本项目仅用于教育与研究，不构成任何投资建议。交易有风险，决策需自行负责。

一、项目概述#

二、技术原理#

架构设计#

核心技术栈与选型理由#

关键设计：异步热路径与并发限流#

数据流的韧性：重试 + TTL 缓存 + 错误信封#

三、安装与快速开始#

四、使用方法与实战#

五、常见问题与解决方案#

六、总结#