加密货币市场数据和技术指标计算 MCP 服务

这是一个从 Go 项目抽取的加密货币技术指标计算服务，封装为标准的 MCP 服务，提供：

高效的指标计算：使用序列增量计算（O(n)时间复杂度）
清晰的数据结构：参考 Go 项目的 market.Data 结构
多时间框架支持：支持从1分钟到1周的完整周期（1m/3m/5m/15m/30m/1h/2h/4h/6h/12h/1d/1w）
Aster DEX 集成：直接从 Aster DEX 获取实时加密货币数据
MCP 协议：标准的 MCP 服务，可被任何 MCP 客户端调用

特点

1. 完全来自 Go 项目

本服务是对 Go 项目 pkg/market/data.go 的 Python 重写，保持了：

相同的数据结构：MarketData, IntradaySeriesData, OIData
相同的计算逻辑：EMA、MACD、RSI、ATR、布林带
相同的优化策略：序列增量计算，O(n) 时间复杂度
相同的MACD规则：MACD柱乘以2，与交易所显示一致

2. 技术优势

Aster API：获取真实的加密货币数据（BTC, ETH, SOL等）
TA-Lib：成熟的技术指标库
无需配置：直接使用公开API，无需API密钥
易于扩展：Python 生态丰富

安装

1. 安装依赖

# 进入 crypto_mcp 目录
cd crypto_mcp

# 安装 Python 依赖
pip install -r requirements.txt

注意: TA-Lib 需要先安装 C 库：

macOS: brew install ta-lib
Ubuntu/Debian: sudo apt-get install ta-lib
Windows: 下载预编译的 whl 文件

2. 无需配置

本服务直接使用 Aster DEX 的公开API，无需配置环境变量或API密钥。

使用方法

方法 1: 独立测试（不使用 MCP）

# 运行测试脚本
python test_crypto_indicators.py

这会测试：

单个交易对的指标计算（BTC, ETH, SOL）
多时间框架分析（1d, 4h, 1h, 15m）
山寨币指标获取（SOL, AVAX, MATIC, ARB）
不同时间框架的价格变化

方法 2: 作为 MCP 服务运行

# 启动 MCP 服务器
python crypto_indicators_mcp.py

方法 3: 使用 MCP 客户端

# 运行客户端示例
python crypto_indicators_client_example.py

方法 4: 在 Claude Desktop 中使用

在 Claude Desktop 配置文件中添加：

macOS: ~/Library/Application Support/Claude/claude_desktop_config.json Windows: %APPDATA%\Claude\claude_desktop_config.json Linux: ~/.config/Claude/claude_desktop_config.json

{
  "mcpServers": {
    "crypto-indicators": {
      "command": "python3",
      "args": ["/path/to/nofx/backend/crypto_mcp/crypto_indicators_mcp.py"]
    }
  }
}

然后在 Claude Desktop 中使用：

请使用 get_crypto_indicators 工具获取 BTC 的 1小时 技术指标

方法 5: 使用 MCP Inspector 测试

# 安装 MCP Inspector
npx @modelcontextprotocol/inspector python3 crypto_indicators_mcp.py

这会打开一个 Web 界面，可以可视化地测试 MCP 工具。

API 文档

工具 1: `get_crypto_indicators`

获取指定加密货币和周期的技术指标数据。

参数:

symbol (必需): 交易对代码（例如：BTC, ETH, BTCUSDT, ETHUSDT）
timeframe (可选): 时间周期
- 分钟级: 1m, 3m, 5m, 15m, 30m
- 小时级: 1h, 2h, 4h, 6h, 12h
- 日周: 1d, 1w
- 默认: 1h
limit (可选): 获取K线数量
- 短周期（分钟）: 建议 500-1000
- 中周期（小时）: 建议 500-1000
- 长周期（日/周）: 建议 200-500
- 默认: 1000

{
  "symbol": "BTCUSDT",
  "timeframe": "1h",
  "current_price": 43250.50,
  "price_change_1h": 0.85,
  "price_change_4h": 2.15,
  "current_ema20": 43100.20,
  "current_ema60": 42900.10,
  "current_macd_hist": 45.23,
  "current_rsi7": 65.2,
  "current_rsi14": 58.3,
  "current_atr14": 250.85,
  "open_interest": {
    "latest": 1234567.89,
    "average": 1234567.89
  },
  "funding_rate": 0.0001,
  "intraday_series": {
    "mid_prices": [43100, 43150, 43200, ...],
    "ema20_values": [43050, 43080, 43100, ...],
    "macd_hist": [40.5, 42.0, 45.2, ...],
    "rsi7_values": [62.5, 64.0, 65.2, ...],
    ...
  },
  "timestamp": "2025-01-17T10:30:00Z"
}

工具 2: `get_multi_timeframe_analysis`

获取指定加密货币的多时间框架分析。

参数:

symbol (必需): 交易对代码
timeframes (可选): 时间周期列表，默认 ["1d", "4h", "1h", "15m"]
- 支持任意组合：从 1m 到 1w 的所有周期

返回: 多个时间框架的数据汇总（Markdown 格式）。

数据结构

`MarketData`

@dataclass
class MarketData:
    symbol: str                    # 交易对代码
    timeframe: str                 # 时间周期
    current_price: float           # 当前价格
    price_change_1h: float         # 1小时价格变化百分比
    price_change_4h: float         # 4小时价格变化百分比
    current_ema20: float           # 当前EMA20
    current_ema60: float           # 当前EMA60
    current_macd_hist: float       # 当前MACD柱（HIST = DIF - DEA）
    current_rsi7: float            # 当前RSI(7)
    current_rsi14: float           # 当前RSI(14)
    current_atr14: float           # 当前ATR(14)
    open_interest: Optional[OIData]  # 持仓量数据
    funding_rate: float            # 资金费率
    intraday_series: IntradaySeriesData  # 日内序列数据
    timestamp: str                 # 时间戳

`IntradaySeriesData`

@dataclass
class IntradaySeriesData:
    mid_prices: List[float]        # 收盘价序列（最近10个）
    volume_values: List[float]     # 成交量序列
    ema20_values: List[float]      # EMA20序列
    ema60_values: List[float]      # EMA60序列
    macd_dif: List[float]          # MACD DIF序列
    macd_dea: List[float]          # MACD DEA序列
    macd_hist: List[float]         # MACD HIST序列
    rsi7_values: List[float]       # RSI7序列
    rsi14_values: List[float]      # RSI14序列
    atr14_values: List[float]      # ATR14序列
    bb_upper: List[float]          # 布林带上轨
    bb_middle: List[float]         # 布林带中轨
    bb_lower: List[float]          # 布林带下轨

`OIData`

@dataclass
class OIData:
    latest: float    # 最新持仓量
    average: float   # 平均持仓量

支持的技术指标

趋势指标:
- EMA20: 20周期指数移动平均线
- EMA60: 60周期指数移动平均线
动量指标:
- MACD: 包括 DIF、DEA、HIST（柱状图 = (DIF-DEA)×2，与交易所显示一致）
- RSI7: 7周期相对强弱指标
- RSI14: 14周期相对强弱指标
波动性指标:
- ATR14: 14周期平均真实波动幅度
- 布林带: 上轨、中轨、下轨
市场数据:
- 当前价格、价格变化百分比
- 持仓量（Open Interest）
- 资金费率（Funding Rate）
- 历史价格序列

示例

示例 1: 获取 BTC 的1小时指标

from crypto_indicators_mcp import CryptoDataProvider

provider = CryptoDataProvider()
data = provider.get_market_data("BTC", "1h", 500)

print(f"当前价格: ${data.current_price}")
print(f"EMA20: ${data.current_ema20}")
print(f"RSI7: {data.current_rsi7}")
print(f"资金费率: {data.funding_rate}")

示例 2: 多时间框架分析

symbols = ["BTC", "ETH", "SOL"]
timeframes = ["1d", "4h", "1h", "15m"]

for symbol in symbols:
    for tf in timeframes:
        data = provider.get_market_data(symbol, tf)
        print(f"{symbol} ({tf}): 价格=${data.current_price}, RSI7={data.current_rsi7}")

示例 3: 监控山寨币

altcoins = ["SOL", "AVAX", "MATIC", "ARB", "OP"]

for coin in altcoins:
    data = provider.get_market_data(coin, "15m", limit=200)
    if data:
        print(f"{coin}: ${data.current_price:.4f}")
        print(f"  RSI(7): {data.current_rsi7:.2f}")
        print(f"  MACD柱: {data.current_macd_hist:.3f}")
        print(f"  1h变化: {data.price_change_1h:.2f}%")

性能特点

序列增量计算: 所有指标使用 TA-Lib 的优化算法，O(n) 时间复杂度
并发支持: 多时间框架分析可并发获取数据
实时数据: 直接从 Aster DEX 获取最新数据

与 Go 项目的对比

特性	Go 项目	Python crypto_mcp
数据源	Aster API (加密货币)	Aster API (加密货币)
指标计算	手动实现	TA-Lib
时间复杂度	O(n)	O(n)
数据结构	market.Data	MarketData
MACD规则	HIST × 2	HIST × 2
多时间框架	✅	✅
MCP 支持	❌	✅
API 密钥	不需要	不需要

支持的交易对

理论上支持 Aster DEX 所有的 USDT 交易对，包括但不限于：

主流币: BTC, ETH, BNB DeFi: AVAX, MATIC, ARB, OP, UNI, AAVE Layer1: SOL, ADA, DOT, ATOM 其他: DOGE, SHIB, LINK, etc.

使用时可以省略 "USDT" 后缀，服务会自动添加。

常见问题

1. TA-Lib 安装失败？

确保先安装了 TA-Lib 的 C 库：

# macOS
brew install ta-lib

# Ubuntu/Debian
sudo apt-get install ta-lib

# 然后安装 Python 包
pip install TA-Lib

2. 如何获取更多历史数据？

调整 limit 参数：

# 获取更多K线数据
data = provider.get_market_data("BTC", "1h", limit=2000)

3. 支持哪些时间周期？

支持: 1m, 3m, 5m, 15m, 30m, 1h, 2h, 4h, 6h, 12h, 1d, 1w

Crypto Indicators MCP Server

加密货币市场数据和技术指标计算 MCP 服务

特点

1. 完全来自 Go 项目

2. 技术优势

安装

1. 安装依赖

2. 无需配置

使用方法

方法 1: 独立测试（不使用 MCP）

方法 2: 作为 MCP 服务运行

方法 3: 使用 MCP 客户端

方法 4: 在 Claude Desktop 中使用

方法 5: 使用 MCP Inspector 测试

API 文档

工具 1: `get_crypto_indicators`

工具 2: `get_multi_timeframe_analysis`

数据结构

`MarketData`

`IntradaySeriesData`

`OIData`

支持的技术指标

示例

示例 1: 获取 BTC 的1小时指标

示例 2: 多时间框架分析

示例 3: 监控山寨币

性能特点

与 Go 项目的对比

支持的交易对

常见问题

1. TA-Lib 安装失败？

2. 如何获取更多历史数据？

3. 支持哪些时间周期？

4. 数据从哪里来？

开发计划

许可证

相关文档

Reviews

Crypto Indicators MCP Server

加密货币市场数据和技术指标计算 MCP 服务

特点

1. 完全来自 Go 项目

2. 技术优势

安装

1. 安装依赖

2. 无需配置

使用方法

方法 1: 独立测试（不使用 MCP）

方法 2: 作为 MCP 服务运行

方法 3: 使用 MCP 客户端

方法 4: 在 Claude Desktop 中使用

方法 5: 使用 MCP Inspector 测试

API 文档

工具 1: get_crypto_indicators

工具 2: get_multi_timeframe_analysis

数据结构

MarketData

IntradaySeriesData

OIData

支持的技术指标

示例

示例 1: 获取 BTC 的1小时指标

示例 2: 多时间框架分析

示例 3: 监控山寨币

性能特点

与 Go 项目的对比

支持的交易对

常见问题

1. TA-Lib 安装失败？

2. 如何获取更多历史数据？

3. 支持哪些时间周期？

4. 数据从哪里来？

开发计划

许可证

相关文档

Reviews

工具 1: `get_crypto_indicators`

工具 2: `get_multi_timeframe_analysis`

`MarketData`

`IntradaySeriesData`

`OIData`