这个系列面向懂炒股、有一点量化和 AI 基础的朋友：不写"什么是大模型"的科普，只讲怎么用一套开源工具，把自己的研究流水线接到 AI Agent 上。系列涉及的每个项目都在 GitHub 开源，文中所有命令输出都是真实跑出来的（运行日期 2026-09-29，盘后），不是文档示例。

为什么要 MCP，而不是脚本或 Python 包？

做量化的同学大多有这样的文件夹：fetch_data.py、backtest.py、factor_test.py……每换一个策略就要重写一遍胶水代码。AI Agent 时代这个问题被放大了：Agent 不会用你写的函数，但它会用工具（Tool）。

MCP（Model Context Protocol）就是"工具的标准插座"。把一个量化数据服务做成 MCP 之后：

• Claude Code / Kimi / 任何 MCP 客户端都能直接调用，不用写接入代码
• 工具自带参数 schema，Agent 知道每个参数该传什么类型（symbol 是字符串、count 是整数）
• 45 个工具一次全挂上，Agent 自己决定查行情还是查龙虎榜

你的提问                    MCP 客户端                  MCP 服务（astock-data-mcp）
"茅台现在多少               ── tools/list ──▶           ┌─ market    行情/K线/资金流
 钱，放量了吗？"            ◀─ 45 个工具描述 ──          ├─ sentiment 涨停池/龙虎榜/热榜
                            ── tools/call ──▶           ├─ research  研报/公告/F10
                            ◀─ 结构化 JSON ──           └─ options   期权/希腊字母

10 分钟跑起来

git clone https://github.com/JingxuanC/astock-data-mcp.git
cd astock-data-mcp
pip install requests           # 唯一的第三方依赖
python3 server.py --port 50052

服务起在 50052，同时暴露三个入口：

• GET /tools —— 45 个工具的清单和参数 schema
• POST /call-tool —— HTTP 直连
• /mcp —— MCP 协议端点（Claude Code 等客户端挂这里）

挂上 Claude Code 的配置（~/.claude.json 或项目 .mcp.json）：

{
  "mcpServers": {
    "astock": {
      "url": "http://127.0.0.1:50052/mcp"
    }
  }
}

然后就可以用自然语言问了。下面是直接调用 handler 的真实输出：

> get_a_realtime(symbol="600519,000001,300750")

600519 贵州茅台  price=1235.58  pct=-0.67  turnover=0.21  pe=18.97
000001 平安银行  price=11.35    pct=+0.44  turnover=0.36  pe=5.07
300750 宁德时代  price=286.8    pct=-1.78  turnover=0.7   pe=15.61

注意几个细节，这是这个服务和"随手写的爬虫"的差别：

• 代码写法全兼容：600519 / sh600519 / SH600519 / 600519.SH 都能收，北交所 43/83/87/92 号段也能识别——因为调用方是 LLM，代码格式随机，必须宽容
• 批量查询：symbol 支持逗号分隔一次查多只，腾讯接口一次往返
• 错误可操作：传错代码返回 {"error": "...", "code": "invalid_symbol", "hint": "支持 600519 / sh600519 ..."}，Agent 看到 hint 能自己纠正，而不是对着 IndexError 发呆

这个系列的路线图

整套东西的设计哲学贯穿全系列：数据源直连零 akshare、LLM 友好的错误信息、宁报错不返回脏数据。下一篇先把数据层玩透。

项目地址：github.com/JingxuanC/astock-data-mcp