什么是 tradingview-mcp

tradingview-mcp 是一个基于 Model Context Protocol (MCP) 的服务器，专为 AI 助手（如 Claude Desktop、OpenClaw、Codex）提供金融市场数据访问能力。该项目充当 AI 与 TradingView、Yahoo Finance 等数据源之间的桥梁，使 AI 能够执行技术分析、选股扫描、情绪分析、回测策略等任务。 资料来源：README.md:1-15

该项目完全开源，采用 MIT 许可证，支持 Windows、macOS 和 Linux 多平台运行。开发者可以自由修改代码、集成新功能，或将其部署在个人服务器上。 资料来源：README.md:LICENSE

核心架构

tradingview-mcp 采用模块化服务架构，核心组件包括以下几个部分：

graph TD
    A[AI 助手<br>Claude/Codex/OpenClaw] --> B[MCP Server<br>server.py]
    B --> C[服务层]
    C --> D[screener_service<br>选股服务]
    C --> E[technical_service<br>技术分析服务]
    C --> F[sentiment_service<br>情绪分析服务]
    C --> G[news_service<br>新闻服务]
    C --> H[backtest_service<br>回测服务]
    C --> I[egx_service<br>埃及交易所服务]
    D --> J[TradingView API<br>tradingview_ta]
    E --> J
    G --> K[Reddit API]
    H --> J
    J --> L[Yahoo Finance]

目录结构

src/tradingview_mcp/
├── server.py              # MCP 主服务器入口
├── core/
│   ├── services/         # 核心业务逻辑服务
│   │   ├── screener_service.py  # 选股扫描服务
│   │   ├── technical_service.py # 技术分析服务
│   │   ├── sentiment_service.py # 情绪分析服务
│   │   ├── news_service.py      # 新闻服务
│   │   ├── backtest_service.py  # 回测服务
│   │   └── egx_service.py       # EGX 埃及交易所服务
│   ├── utils/            # 工具函数
│   │   └── validators.py        # 验证器和常量定义
│   └── indicators/       # 技术指标计算
├── coinlist/             # 各交易所交易对列表
└── __init__.py

资料来源：CONTRIBUTING.md:代码组织

核心功能

技术分析引擎

tradingview-mcp 提供超过 30 种技术指标 的实时计算能力，包括 RSI、MACD、布林带、EMA、SMA、ATR 等。每项指标都会生成对应的交易信号（BUY/SELL/HOLD）并附带评分。 资料来源：README.md:技术分析核心

选股扫描器

支持多交易所的股票/加密货币筛选，可按涨幅、跌幅、技术信号等多种条件过滤：

• top_gainers — 涨幅榜
• top_losers — 跌幅榜
• scan_by_signal — 按信号类型筛选（超买、超卖、趋势、突破）
• screen_stocks — 多条件组合筛选（支持 20+ 过滤条件） 资料来源：README.md:筛选器

回测引擎

内置 6 种交易策略 的回测功能，支持机构级指标分析：

回测提供以下核心指标：

• 胜率 (Win Rate)
• 总收益率 (Total Return)
• 夏普比率 (Sharpe Ratio)
• 卡玛比率 (Calmar Ratio)
• 最大回撤 (Max Drawdown)
• 利润因子 (Profit Factor)
• 期望值 (Expectancy) 资料来源：README.md:回测引擎

情绪与新闻分析

资料来源：README.md:情绪与新闻

支持的交易所

tradingview-mcp 支持全球多个主要交易所，涵盖加密货币和传统股票市场： 资料来源：README.md:多交易所支持

加密货币交易所

传统股票市场

资料来源：PR_BODY.md:TWSE和TPEX支持

可用工具列表

市场数据工具

技术分析工具

回测工具

情绪新闻工具

EGX 专用工具

资料来源：README.md:完整工具列表

安装方式

方式一：Claude Desktop（推荐）

在 claude_desktop_config.json 中添加配置：

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

Windows 用户需使用完整路径：

{
  "mcpServers": {
    "tradingview": {
      "command": "%USERPROFILE%\\.local\\bin\\uvx.exe",
      "args": ["--from", "tradingview-mcp-server", "tradingview-mcp"]
    }
  }
}

资料来源：INSTALLATION.md:Claude Desktop配置

方式二：从源码安装

git clone https://github.com/atilaahmettaner/tradingview-mcp.git
cd tradingview-mcp
uv sync
uv run python src/tradingview_mcp/server.py

资料来源：INSTALLATION.md:本地开发设置

方式三：通过 OpenClaw 连接 Telegram

tradingview-mcp 可与 OpenClaw 集成，通过 Telegram、WhatsApp、Discord 等 20+ 平台访问：

Telegram → OpenClaw agent (AI model) → trading.py → tradingview-mcp → Yahoo Finance

资料来源：OPENCLAW.md:工作原理

开发指南

开发环境搭建

# 安装依赖
uv sync

# 安装开发依赖
uv sync --dev

# 运行测试
uv run pytest

# 代码检查
uv run ruff check

# 类型检查
uv run mypy src/

资料来源：CONTRIBUTING.md:开发环境

代码规范

资料来源：CONTRIBUTING.md:代码规范

添加新交易所

``python # src/tradingview_mcp/core/utils/validators.py EXCHANGE_SCREENER = { "NEW_EXCHANGE": "screener_code", } ``

1. 更新验证器中的交易所映射：

``bash echo "BTCUSDT\nETHUSDT\n..." > coinlist/new_exchange.txt ``

1. 添加交易对列表文件：

``python result = top_gainers(exchange="NEW_EXCHANGE") ``

1. 测试集成：

资料来源：CONTRIBUTING.md:添加新交易所

测试覆盖

项目要求测试覆盖率 >80%，需同时测试成功路径和错误路径。 资料来源：CONTRIBUTING.md:测试覆盖

版本管理

项目遵循语义化版本规范 (Semantic Versioning)：

路线图

资料来源：README.md:路线图

项目统计

• 开源协议: MIT License
• 平台支持: Windows、macOS、Linux
• Python 版本: 3.13（推荐）
• 包管理: UV
• 主要依赖: tradingview_ta、requests、beautifulsoup4

相关链接

概述

tradingview-mcp 是一个连接 TradingView 金融数据与 AI 代理的 MCP（Model Context Protocol）服务器项目。该项目支持实时市场数据、技术指标分析、加密货币筛选、股票筛选、回测等功能。

安装指南涵盖了三种主要的安装方式：快速启动（Claude Desktop）、本地开发环境配置、以及传统的 Python 虚拟环境安装。同时支持 Windows、macOS 和 Linux 三大平台。

系统架构

graph TD
    A[用户 AI 客户端] --> B[MCP Server]
    B --> C[tradingview-mcp 核心]
    C --> D[TradingView API]
    C --> E[Yahoo Finance API]
    C --> F[Reddit API]
    C --> G[RSS 新闻源]
    
    H[Claude Desktop] --> B
    I[Codex] --> B
    J[OpenClaw] --> B

前置条件

必要软件

UV 包管理器安装

UV 是一个高性能的 Python 包管理器，建议优先使用。

Windows PowerShell：

powershell -ExecutionPolicy ByPass -c "irm https://astral.sh/uv/install.ps1 | iex"

资料来源：INSTALLATION.md:2

macOS/Linux：

curl -LsSf https://astral.sh/uv/install.sh | sh
source ~/.bashrc

资料来源：OPENCLAW.md:7

安装方法一：快速启动（Claude Desktop）

这是最简便的安装方式，适合不想修改代码只想直接使用工具的用户。

步骤 1：克隆仓库

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

资料来源：INSTALLATION.md:6-7

步骤 2：安装依赖

uv sync

资料来源：INSTALLATION.md:9

步骤 3：配置 Claude Desktop

定位配置文件路径：

Windows 用户可按 Win + R，输入 %APPDATA%\Claude 并回车快速访问。

步骤 4：编辑配置文件

在 claude_desktop_config.json 中添加以下配置（将 YOUR_USERNAME 替换为实际用户名）：

{
  "mcpServers": {
    "tradingview-mcp-local": {
      "command": "C:\\Users\\YOUR_USERNAME\\tradingview-mcp\\.venv\\Scripts\\python.exe",
      "args": ["C:\\Users\\YOUR_USERNAME\\tradingview-mcp\\src\\tradingview_mcp\\server.py"],
      "cwd": "C:\\Users\\YOUR_USERNAME\\tradingview-mcp"
    }
  }
}

资料来源：INSTALLATION.md:15-20

步骤 5：验证安装

1. 完全退出 Claude Desktop
2. 重新启动应用程序
3. 等待初始化完成（首次启动可能需要 30-60 秒）
4. 询问 Claude："Can you show me the available TradingView tools?"

预期应看到以下工具：

• top_gainers
• top_losers
• bollinger_scan
• coin_analysis
• consecutive_candles_scan

安装方法二：本地开发环境

适用于需要修改代码或进行二次开发的用户。

标准开发流程

# 克隆仓库
git clone https://github.com/atilaahmettaner/tradingview-mcp.git
cd tradingview-mcp

# 安装依赖
uv sync

# 安装开发依赖
uv sync --dev

资料来源：CONTRIBUTING.md:6-12

测试服务器

# 直接运行服务器
uv run python src/tradingview_mcp/server.py

# 使用 MCP Inspector 测试
uv run mcp dev src/tradingview_mcp/server.py

# 运行集成测试
uv run python test_api.py

资料来源：CONTRIBUTING.md:14-20

Claude Desktop 配置（本地开发）

Windows：

{
  "mcpServers": {
    "tradingview-mcp-local": {
      "command": "C:\\Users\\YourUsername\\tradingview-mcp\\.venv\\Scripts\\python.exe",
      "args": ["C:\\Users\\YourUsername\\tradingview-mcp\\src\\tradingview_mcp\\server.py"],
      "cwd": "C:\\Users\\YourUsername\\tradingview-mcp"
    }
  }
}

macOS/Linux：

{
  "mcpServers": {
    "tradingview-mcp-local": {
      "command": "uv",
      "args": ["run", "python", "src/tradingview_mcp/server.py"],
      "cwd": "/path/to/your/tradingview-mcp"
    }
  }
}

资料来源：INSTALLATION.md:53-73

安装方法三：Python 虚拟环境

适用于偏好传统 Python 环境的用户。

Windows

# 克隆仓库
git clone https://github.com/atilaahmettaner/tradingview-mcp.git
cd tradingview-mcp

# 创建虚拟环境
python -m venv .venv
.\.venv\Scripts\activate

# 安装依赖
pip install -e .

# 运行服务器
python src/tradingview_mcp/server.py

资料来源：INSTALLATION.md:91-100

macOS/Linux

# 克隆仓库
git clone https://github.com/atilaahmettaner/tradingview-mcp.git
cd tradingview-mcp

# 创建虚拟环境
python -m venv .venv
source .venv/bin/activate

# 安装依赖
pip install -e .

# 运行服务器
python src/tradingview_mcp/server.py

Codex 插件安装

该项目包含专门的 Codex 插件元数据配置：

• .codex-plugin/plugin.json
• .codex-mcp.json

Codex 配置

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

资料来源：README.md:90-99

启用插件后需重启 Codex 以加载 MCP 服务器。

OpenClaw 集成安装

OpenClaw 允许通过 Telegram、WhatsApp、Discord 等 20+ 消息平台连接本服务。

工作原理

graph LR
    A[Telegram/WhatsApp] --> B[OpenClaw Agent]
    B --> C[AI 模型]
    C --> D[trading.py wrapper]
    D --> E[tradingview-mcp]
    E --> F[Yahoo Finance]

安装步骤

# 安装 uv
curl -LsSf https://astral.sh/uv/install.sh | sh
source ~/.bashrc

# 安装 tradingview-mcp-server
uv tool install tradingview-mcp-server

资料来源：OPENCLAW.md:4-10

Telegram 配置

创建或编辑 ~/.openclaw/openclaw.json：

{
  channels: {
    telegram: {
      botToken: "YOUR_BOT_TOKEN_HERE",
    },
  },
}

下载交易工具

mkdir -p ~/.agents/skills/tradingview-mcp ~/.openclaw/tools

# 下载 TradingView skill
curl -fsSL https://raw.githubusercontent.com/atilaahmettaner/tradingview-mcp/main/openclaw/SKILL.md \
  -o ~/.agents/skills/tradingview-mcp/SKILL.md

# 下载交易执行包装器
curl -fsSL https://raw.githubusercontent.com/atilaahmettaner/tradingview-mcp/main/openclaw/trading.py \
  -o ~/.openclaw/tools/trading.py
chmod +x ~/.openclaw/tools/trading.py

资料来源：OPENCLAW.md:18-28

启动 OpenClaw

openclaw gateway install
systemctl --user start openclaw-gateway.service
openclaw doctor

平台特定说明

Windows 注意事项

Windows 用户请注意： 将 YourUsername 替换为实际的 Windows 用户名，并根据实际情况调整路径。

macOS 注意事项

使用 uvx 时需指定完整路径：

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

资料来源：README.md:66-72

Linux 注意事项

路径格式为 /home/YOUR_USERNAME：

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

故障排除

Windows 首次启动超时错误

症状： 在 Claude Desktop 日志中看到 MCP error -32001: Request timed out

解决方案：

1. 使用直接 Python 路径替代 uvx
2. 首次启动等待 30-60 秒
3. 检查防火墙和网络设置

uvx 找不到

Windows： 使用 %USERPROFILE%\.local\bin\uvx.exe

macOS： 使用 /Users/YOUR_USERNAME/.local/bin/uvx

Linux： 使用 /home/YOUR_USERNAME/.local/bin/uvx

预热缓存（可选优化）

在启动 Claude Desktop 前预先安装可加快首次响应速度：

uv tool install --python 3.13 tradingview-mcp-server

资料来源：README.md:56-62

验证清单

开发环境测试

# 运行测试套件
uv run pytest

# 运行代码检查
uv run ruff check

# 运行类型检查
uv run mypy src/

资料来源：CONTRIBUTING.md:14-16

目录结构

tradingview-mcp/
├── src/tradingview_mcp/
│   ├── server.py              # 主 MCP 服务器
│   ├── core/                  # 核心业务逻辑
│   │   ├── services/         # 市场数据服务
│   │   ├── utils/           # 工具函数
│   │   └── indicators/      # 技术指标
│   └── coinlist/            # 交易所符号列表
├── tests/                    # 测试文件
├── openclaw/                 # OpenClaw 集成
├── .codex-plugin/            # Codex 插件元数据
└── pyproject.toml            # 项目配置

资料来源：CONTRIBUTING.md:26-34

后续步骤

安装完成后，可尝试以下操作：

1. 获取市场快照： 询问 "Give me a full market snapshot right now"
2. 技术分析： 使用 get_technical_analysis 分析具体股票或加密货币
3. 回测策略： 使用 backtest_strategy 测试交易策略表现
4. 市场筛选： 使用 top_gainers 或 screen_stocks 筛选标的

概述

tradingview-mcp 是一个基于 Model Context Protocol (MCP) 的服务器项目，旨在为 AI 助手提供 TradingView 金融市场的数据访问能力。该项目通过 MCP 协议将 TradingView 的技术分析、市场筛选、价格查询等功能封装为可调用的工具，使 AI 代理能够获取实时市场数据并进行技术分析决策。

项目采用模块化架构设计，核心业务逻辑集中在 src/tradingview_mcp/core/ 目录下，分为服务层（services）、工具层（utils）和指标层（indicators）。资料来源：CONTRIBUTING.md

架构分层

系统采用经典的三层架构模式，各层职责明确、边界清晰：

graph TD
    A[MCP 客户端<br/>Claude Desktop / Codex] --> B[MCP 服务器层<br/>server.py]
    B --> C[业务逻辑层<br/>core/services]
    B --> D[工具层<br/>core/utils]
    C --> E[数据源<br/>tradingview_ta<br/>Yahoo Finance]
    C --> F[指标计算层<br/>core/indicators]

MCP 服务器层

MCP 服务器层是整个系统的入口点，负责处理 MCP 协议通信并将客户端请求路由到相应的业务逻辑。

核心职责：

• 初始化 MCP 服务器并注册所有工具
• 处理请求参数验证和错误处理
• 返回格式化的 JSON 响应

主要组件：

资料来源：src/tradingview_mcp/server.py

业务逻辑层

业务逻辑层位于 src/tradingview_mcp/core/services/ 目录下，包含核心的数据处理和业务规则。

服务模块：

核心数据结构：

# 多时间框架数据结构
MultiRow(symbol=str, changes=dict, base_indicators=IndicatorMap)

# 指标映射结构
IndicatorMap(open, close, SMA20, BB_upper, BB_lower, volume)

资料来源：src/tradingview_mcp/core/services/screener_service.py:1-50

工具层

工具层位于 src/tradingview_mcp/core/utils/ 目录下，提供数据验证、格式化和辅助功能。

核心工具：

资料来源：src/tradingview_mcp/core/utils/validators.py

核心组件设计

交易所验证器

交易所验证器是系统的关键组件，负责将用户输入的交易所名称映射到 TradingView 可识别的格式。

交易所映射表：

关键函数实现：

def get_tv_exchange_prefix(exchange: str) -> str:
    """将交易所名称转换为 TradingView 格式前缀"""
    return _EXCHANGE_TV_PREFIX.get(exchange.strip().lower(), exchange.upper())

资料来源：src/tradingview_mcp/core/utils/validators.py

技术指标计算器

技术指标计算器集成在 screener_service.py 中，支持 30+ 技术指标的计算。

支持的指标类型：

K线形态识别：

系统内置 15 种 K 线形态识别模式，通过 calculate_candle_pattern_score() 函数进行评分计算。

资料来源：src/tradingview_mcp/core/services/screener_service.py:40-80

数据流架构

请求处理流程

graph LR
    A[用户请求] --> B[参数验证<br/>sanitize_exchange]
    B --> C[交易所映射<br/>get_tv_exchange_prefix]
    C --> D[TradingView API<br/>tradingview_ta]
    D --> E[数据解析<br/>IndicatorMap]
    E --> F[指标计算<br/>technical_analysis]
    F --> G[结果格式化<br/>JSON Response]

数据源集成

系统支持多个数据源，以满足不同市场的数据需求：

资料来源：README.md

工具生态

MCP 工具分类

资料来源：README.md

交易所支持矩阵

资料来源：src/tradingview_mcp/core/utils/validators.py

项目结构

tradingview-mcp/
├── src/tradingview_mcp/
│   ├── __init__.py              # 包初始化
│   ├── server.py                # MCP 服务器入口
│   ├── core/
│   │   ├── services/            # 业务服务层
│   │   │   └── screener_service.py
│   │   ├── utils/              # 工具函数
│   │   │   └── validators.py
│   │   └── indicators/         # 技术指标
│   ├── coinlist/               # 交易所符号列表
│   └── ...                     # 其他模块
├── tests/
│   └── unit/                   # 单元测试
├── assets/
│   └── architecture.png        # 架构图
└── pyproject.toml              # 项目配置

资料来源：CONTRIBUTING.md

安装与部署架构

部署模式

系统支持多种部署方式，以适应不同的使用场景：

Claude Desktop 配置

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

资料来源：INSTALLATION.md

扩展机制

添加新交易所

1. 在 validators.py 的 EXCHANGE_SCREENER 中添加交易所代码
2. 在 _EXCHANGE_TV_PREFIX 中添加前缀映射
3. 如需符号列表，在 coinlist/ 目录添加对应文件

添加新指标

1. 在 core/indicators/ 目录创建指标计算函数
2. 在 screener_service.py 中集成新指标
3. 更新工具返回值结构

资料来源：CONTRIBUTING.md

测试架构

系统采用多层次测试策略确保代码质量：

测试命令：

uv run pytest              # 运行测试套件
uv run ruff check          # 代码风格检查
uv run mypy src/           # 类型检查

资料来源：CONTRIBUTING.md

安全考量

敏感数据处理

• API 密钥不存储在代码仓库中
• 通过环境变量或配置文件注入
• Claude Desktop 配置中的凭证需妥善保管

输入验证

所有用户输入均通过验证器进行清理：

exchange = sanitize_exchange(user_input)  # 防止注入攻击
timeframe = sanitize_timeframe(user_input)  # 防止恶意时间周期

资料来源：src/tradingview_mcp/core/utils/validators.py

版本管理

项目遵循语义化版本控制 (Semantic Versioning)：

资料来源：CONTRIBUTING.md

相关资源

• 官方文档：GitHub Repository
• 问题反馈：Issue Tracker
• 赞助项目：GitHub Sponsors

概述

tradingview-mcp 是一个基于 Model Context Protocol (MCP) 的交易分析工具，通过 MCP 协议与 Claude Desktop、Codex 等 AI 助手集成，为用户提供实时市场数据、技术分析和交易策略回测功能。

核心组件架构遵循模块化设计原则，将业务逻辑、数据服务、工具函数分离，便于维护和扩展。

资料来源：CONTRIBUTING.md

系统架构

graph TD
    A[MCP Client<br/>Claude Desktop/Codex] --> B[MCP Server<br/>server.py]
    B --> C[核心业务逻辑层]
    C --> D[Services<br/>数据服务层]
    C --> E[Indicators<br/>指标计算层]
    C --> F[Utils<br/>工具函数层]
    D --> G[TradingView API]
    D --> H[Yahoo Finance API]
    D --> I[Reddit/News RSS]

目录结构

src/tradingview_mcp/
├── server.py              # MCP 主服务器入口
├── core/                   # 核心业务逻辑
│   ├── services/          # 市场数据服务
│   │   ├── screener_service.py    # 筛选器服务
│   │   └── egx_service.py         # 埃及交易所服务
│   ├── utils/             # 工具函数
│   │   └── validators.py          # 验证器
│   └── indicators/        # 技术指标
├── coinlist/              # 交易所符号列表
└── __init__.py

资料来源：CONTRIBUTING.md

MCP 服务器 (server.py)

server.py 是整个项目的入口点，负责：

1. 注册 MCP 工具 - 将所有分析功能暴露为 AI 可调用的工具
2. 处理请求路由 - 将客户端请求分发到对应的服务层
3. 返回格式化结果 - 将数据分析结果转换为可读格式

主要工具类别

资料来源：README.md:1-50

验证器模块 (validators.py)

validators.py 负责交易所标识符的规范化处理，是多交易所支持的核心基础设施。

核心功能

#### 1. 交易所名称规范化

sanitize_exchange(exchange: str) -> str

将用户输入的交易所别名转换为标准名称：

#### 2. TradingView 前缀映射

get_tv_exchange_prefix(exchange: str, symbol: str) -> str

为符号生成正确的 TradingView 交易所前缀格式：

• 股票符号：AMEX:GDX → AMEX:GDX
• 加密货币：KUCOIN:SOLUSDT → KUCOIN:SOLUSDT

#### 3. 支持的交易所配置

STOCK_EXCHANGES = {"NYSE", "NASDAQ", "AMEX", "TWSE", "TPEX"}
EXCHANGE_SCREENER = {
    "NYSE": "NYSE",
    "NASDAQ": "NASDAQ", 
    "AMEX": "AMEX",
    "KUCOIN": "Crypto",
    "BINANCE": "Crypto",
    "TWSE": "Taiwan",
    "TPEX": "Taiwan"
}

资料来源：PR_BODY.md

筛选器服务 (screener_service.py)

screener_service.py 实现市场数据筛选和技术分析功能。

核心数据结构

class IndicatorMap:
    """技术指标数据映射"""
    open: float
    close: float
    SMA20: float
    BB_upper: float
    BB_lower: float
    volume: float

class MultiRow:
    """多周期行数据"""
    symbol: str
    changes: dict  # 各周期涨跌幅
    base_indicators: IndicatorMap

主要分析函数

#### 1. 蜡烛图形态评分

def calculate_candle_pattern_score(
    indicators: dict,
    pattern_length: int,
    min_increase: float,
) -> dict

评估蜡烛图形态强度，考虑因素：

• 实体比例 - 开盘价与收盘价的差异
• 动量 - 价格变化幅度
• 成交量 - 交易量确认
• RSI - 相对强弱指标

返回结构：

{
    "detected": bool,      # 是否检测到形态
    "score": int,          # 形态强度评分
    "details": list,       # 详细分析
    "rsi": float           # RSI 值
}

#### 2. 多周期分析

支持的时间周期：

资料来源：screener_service.py:1-80

埃及交易所服务 (egx_service.py)

egx_service.py 专门处理埃及证券交易所 (EGX) 的数据和分析需求。

主要功能

#### 1. EGX 股票筛选器

基于动量和质量评分的股票筛选：

#### 2. 推荐等级

#### 3. 斐波那契回撤分析

def analyze_egx_fibonacci(
    symbol: str,
    lookback: str = "52W",
    timeframe: str = "1D",
) -> dict

支持回溯周期：

• 1M - 1个月
• 3M - 3个月
• 6M - 6个月
• 52W - 52周（默认）
• ALL - 全时段

资料来源：egx_service.py:1-100

命名规范

项目遵循统一的命名约定，确保代码可读性：

资料来源：CONTRIBUTING.md

工具注册与调用流程

sequenceDiagram
    participant User as 用户
    participant MCP as MCP Server
    participant Service as Service Layer
    participant API as External API
    
    User->>MCP: "分析 BTC-USDT 的技术指标"
    MCP->>MCP: 路由到 get_technical_analysis
    MCP->>Service: 调用 screener_service
    Service->>API: TradingView Screener API
    API-->>Service: 原始指标数据
    Service-->>MCP: 计算后的分析结果
    MCP-->>User: 格式化响应

依赖关系

项目依赖以下核心包：

资料来源：CONTRIBUTING.md

扩展指南

添加新的技术指标

1. 在 core/indicators/ 目录下创建指标函数
2. 在 server.py 中注册为 MCP 工具
3. 添加单元测试

添加新交易所支持

1. 更新 validators.py 中的交易所映射
2. 在 EXCHANGE_SCREENER 添加对应条目
3. 测试符号构造：get_tv_exchange_prefix("NEW_EX", "SYMBOL")

资料来源：CONTRIBUTING.md

概述

回测引擎（Backtesting Engine）是 tradingview-mcp 项目中负责历史数据验证交易策略的核心模块。该引擎通过加载历史价格数据，模拟策略在实际市场中的表现，帮助交易者和开发者评估策略的有效性、风险特征和潜在收益。

回测引擎的主要职责包括：

• 策略回测：对单个交易策略进行历史数据回测
• 多策略比较：并排运行多个策略并按性能排名
• Walk-Forward 分析：使用样本外数据验证策略稳定性
• 指标计算：提供机构级别的评估指标（Sharpe、Calmar、胜率等）

架构设计

┌─────────────────────────────────────────────────────────────────┐
│                         MCP Server                               │
│  ┌──────────────┐  ┌──────────────┐  ┌──────────────────────┐  │
│  │ backtest_    │  │ compare_     │  │ walk_forward_        │  │
│  │ strategy     │  │ strategies   │  │ backtest_strategy    │  │
│  └──────┬───────┘  └──────┬───────┘  └──────────┬───────────┘  │
└─────────┼─────────────────┼────────────────────┼───────────────┘
          │                 │                    │
          ▼                 ▼                    ▼
┌─────────────────────────────────────────────────────────────────┐
│                    backtest_service.py                          │
│  ┌─────────────────────────────────────────────────────────────┐│
│  │                   Strategy Engine                            ││
│  │  ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌─────────┐ ┌────────┐ ││
│  │  │  RSI    │ │Bollinger│ │  MACD   │ │EMA Cross│ │Super.. │ ││
│  │  └─────────┘ └─────────┘ └─────────┘ └─────────┘ └────────┘ ││
│  └─────────────────────────────────────────────────────────────┘│
│  ┌─────────────────────────────────────────────────────────────┐│
│  │                   Metrics Calculator                         ││
│  │  Sharpe | Calmar | Win Rate | Max DD | Profit Factor        ││
│  └─────────────────────────────────────────────────────────────┘│
└─────────────────────────────────────────────────────────────────┘

支持的交易策略

回测引擎内置 6 种交易策略，涵盖均值回归、趋势跟踪和突破策略三大类别。

策略类型一览

策略详情

#### RSI 均值回归策略

# 核心逻辑伪代码
if rsi < 30:      # 超卖区域 → 买入信号
    signal = "BUY"
elif rsi > 70:    # 超买区域 → 卖出信号
    signal = "SELL"

#### 布林带策略

# 核心逻辑伪代码
if price < lower_band:     # 触及下轨 → 买入信号
    signal = "BUY"
elif price > upper_band:   # 触及上轨 → 卖出信号
    signal = "SELL"

#### Supertrend 策略（最受欢迎）

# 核心逻辑伪代码
atr_value = calculate_atr(high, low, close, period=10)
upper_band = (high + low) / 2 + multiplier * atr_value
lower_band = (high + low) / 2 - multiplier * atr_value

if close > upper_band:    # 上穿通道 → 买入信号
    signal = "BUY"
elif close < lower_band:   # 下穿通道 → 卖出信号
    signal = "SELL"

资料来源：README.md

MCP 工具接口

1. backtest_strategy — 单策略回测

对单个策略进行完整的回测分析，返回详细的绩效指标和交易记录。

参数列表

返回值结构

{
  "strategy": "supertrend",
  "symbol": "BTC-USD",
  "period": "2y",
  "interval": "1d",
  "metrics": {
    "total_return": 31.5,
    "win_rate": 62.0,
    "sharpe_ratio": 2.1,
    "calmar_ratio": 1.8,
    "max_drawdown": -12.3,
    "profit_factor": 2.4,
    "expectancy": 1.25,
    "total_trades": 45,
    "best_trade": 8.5,
    "worst_trade": -3.2,
    "vs_buy_hold": 15.2
  },
  "recent_trades": [...],
  "trade_log": [...],
  "equity_curve": [...]
}

资料来源：CHANGELOG.md

2. compare_strategies — 多策略比较

在相同标的上同时运行全部 6 种策略，按性能指标综合排名。

参数列表

返回值示例

#1 Supertrend: +31.5% | Sharpe: 2.1 | WR: 62%
#2 Bollinger:  +18.3% | Sharpe: 3.4 | WR: 75%
#3 EMA Cross:   +12.1% | Sharpe: 1.9 | WR: 58%
#4 MACD:        +8.7%  | Sharpe: 1.5 | WR: 52%
#5 RSI:         +5.2%  | Sharpe: 1.2 | WR: 48%
#6 Donchian:    -2.1%  | Sharpe: 0.8 | WR: 42%

Buy & Hold:    -5.0%

资料来源：README.md

3. walk_forward_backtest_strategy — Walk-Forward 分析

将数据分为训练集和测试集，在样本外数据上验证策略的泛化能力。

参数列表

输出内容

• 样本内指标：训练集上的平均 Sharpe、胜率、最大回撤、总收益
• 样本外指标：测试集上的平均表现
• 稳定性评估：样本内外指标的差异程度

绩效指标说明

机构级指标定义

Sharpe 比率年化因子

引擎会根据不同的时间周期自动调整 Sharpe 比率的年化计算：

# Sharpe 计算逻辑示例
if interval == "1h":
    annualization_factor = 252 * 6  # 修正小时线年化
else:
    annualization_factor = 252

资料来源：CHANGELOG.md

交易记录与权益曲线

交易明细（Trade Log）

启用 include_trade_log=True 后，返回完整的每笔交易记录：

{
  "trade_log": [
    {
      "entry_date": "2024-01-15",
      "exit_date": "2024-01-28",
      "entry_price": 41250.00,
      "exit_price": 43580.00,
      "holding_days": 13,
      "gross_return": 5.65,
      "net_return": 5.42,
      "commission_cost": 0.23,
      "running_capital": 10542.00,
      "cumulative_return": 5.42
    }
  ]
}

权益曲线（Equity Curve）

启用 include_equity_curve=True 后，返回每个交易退出时点的权益变化：

{
  "equity_curve": [
    {
      "date": "2024-01-28",
      "capital_value": 10542.00,
      "drawdown_pct": -2.1
    },
    {
      "date": "2024-02-15",
      "capital_value": 11280.00,
      "drawdown_pct": 0
    }
  ]
}

快速预览机制

即使未启用完整交易日志，引擎始终返回最近 5 笔交易（recent_trades）供快速检查：

{
  "recent_trades": [
    {"symbol": "BTC-USD", "entry": 42100, "exit": 43500, "pnl": 3.3},
    {"symbol": "BTC-USD", "entry": 43500, "exit": 42800, "pnl": -1.6},
    {"symbol": "BTC-USD", "entry": 42800, "exit": 44200, "pnl": 3.3}
  ]
}

资料来源：CHANGELOG.md

使用示例

基础回测

# 回测 BTC 的 Supertrend 策略
result = backtest_strategy(
    symbol="BTC-USD",
    strategy="supertrend",
    period="1y",
    interval="1d"
)

完整交易分析

# 包含交易明细和权益曲线
result = backtest_strategy(
    symbol="AAPL",
    strategy="bollinger",
    period="2y",
    interval="1d",
    include_trade_log=True,
    include_equity_curve=True
)

策略比较

# 比较所有策略
result = compare_strategies(
    symbol="ETH-USD",
    period="1y"
)

Walk-Forward 验证

# 使用 5 折交叉验证
result = walk_forward_backtest_strategy(
    symbol="BTC-USD",
    strategy="rsi",
    n_splits=5,
    train_ratio=0.7,
    interval="1d"
)

与多代理系统的集成

回测引擎可与 multi_agent_service.py 中的技术分析代理协同工作：

graph LR
    A[用户请求] --> B{分析类型}
    B -->|技术分析| C[Technical Analyst]
    B -->|回测请求| D[Backtest Engine]
    B -->|综合决策| E[Multi-Agent Hub]
    
    C --> F[技术指标]
    D --> G[绩效指标]
    
    E --> H[情绪分析]
    E --> I[风险评估]
    
    F --> J[综合评分]
    G --> J
    H --> J
    I --> J
    
    J --> K[最终建议]

多代理系统包含三个专业代理：

最终输出：STRONG BUY / BUY / HOLD / SELL / STRONG SELL 附置信度评分

资料来源：server.py、README.md

模拟参数说明

佣金与滑点

回测引擎包含现实的佣金和滑点模拟：

初始资金

默认使用模拟资金进行计算，盈亏以百分比形式呈现，便于不同规模账户的对比。

注意事项与限制

⚠️ 重要声明

⚠️ 过去表现不保证未来结果

所有回测结果仅供历史参考，实际交易中可能出现与回测显著不同的结果。市场条件、流动性、执行质量等因素均会影响策略表现。

技术限制

1. 数据延迟：依赖历史数据，非实时价格
2. 流动性假设：未考虑大额订单对市场的影响
3. 执行假设：按收盘价成交，实际可能存在滑点
4. 过拟合风险：过度优化可能导致样本内表现优异、样本外失效

Walk-Forward 分析的价值

为降低过拟合风险，建议：

• 使用 Walk-Forward 分析验证策略稳定性
• 样本外 Sharpe 比率应接近样本内水平
• 避免过度追求单一指标的最优值

文件结构

src/tradingview_mcp/
├── server.py                    # MCP 工具入口
└── core/services/
    ├── backtest_service.py      # 回测引擎核心实现
    └── multi_agent_service.py   # 多代理分析服务

资料来源：server.py

版本历史

资料来源：CHANGELOG.md

概述

技术分析服务是 tradingview-mcp 项目的核心模块，负责从 TradingView 获取市场数据并计算各种技术指标。该服务集成了 30+ 技术指标，包括 RSI、MACD、布林带等主流分析工具，为 AI 交易代理提供实时市场分析能力。

架构概览

graph TD
    subgraph "技术分析服务架构"
        A[server.py<br>MCP接口层] --> B[技术分析服务层]
        B --> C[screener_service.py<br>筛选服务]
        B --> D[scanner_service.py<br>扫描服务]
        B --> E[indicators.py<br>指标定义]
        B --> F[indicators_calc.py<br>指标计算]
        B --> G[egx_service.py<br>埃及交易所服务]
        
        C --> H[tradingview_ta<br>数据源]
        D --> H
        F --> H
    end
    
    subgraph "输出层"
        B --> I[技术分析结果]
        B --> J[筛选/扫描结果]
        B --> K[斐波那契分析]
    end

核心服务组件

1. 筛选服务 (screener_service.py)

筛选服务负责从 TradingView 获取市场筛选数据，支持多交易所、多时间周期的市场扫描。

#### 关键数据结构

资料来源：src/tradingview_mcp/core/services/screener_service.py:1-30

#### 烛台模式分析

screener_service.py 中的 calculate_candle_pattern_score 函数提供了烛台形态评分功能：

def calculate_candle_pattern_score(
    indicators: dict,
    pattern_length: int,
    min_increase: float,
) -> dict

功能说明：

• 根据价格形态、身体比率、动量、成交量和 RSI 进行综合评分
• 返回检测结果、得分、明细列表及计算字段

参数说明：

返回值结构：

资料来源：src/tradingview_mcp/core/services/screener_service.py:56-85

2. 扫描服务 (scanner_service.py)

扫描服务提供市场扫描功能，支持按信号类型、连续烛台、技术指标等维度进行市场筛选。

graph LR
    A[扫描请求] --> B[信号类型过滤]
    B --> C[连续烛台检测]
    C --> D[技术指标筛选]
    D --> E[扫描结果输出]

支持的扫描类型：

3. 指标计算服务 (indicators_calc.py)

指标计算服务封装了所有技术指标的计算逻辑，提供标准化的事件分析接口。

#### 支持的指标类型

4. 埃及交易所专用服务 (egx_service.py)

EGX 服务为埃及证券交易所提供专业分析工具，包括斐波那契回撤分析和股票评分系统。

#### 斐波那契回撤分析

def analyze_egx_fibonacci(
    symbol: str,
    lookback: str = "52W",
    timeframe: str = "1D",
) -> dict

参数说明：

返回字段：

资料来源：src/tradingview_mcp/core/services/egx_service.py:100-150

#### 股票评分系统

EGX 服务包含多维度股票评分引擎：

graph TD
    A[股票评分输入] --> B[技术强度 SS]
    A --> C[交易质量 TQ]
    A --> D[趋势确认 RR2]
    
    B --> E{评分规则引擎}
    C --> E
    D --> E
    
    E --> F{综合判断}
    F -->|SS>=70, TQ>=65, RR2>=2.0| G[QUALIFIED<br/>强信号]
    F -->|SS>=70, TQ>=50| H[CONDITIONAL<br/>条件信号]
    F -->|SS>=55| I[WATCHLIST<br/>观察名单]
    F -->|SS<55| J[AVOID<br/>回避]

评分维度：

推荐等级：

资料来源：src/tradingview_mcp/core/services/egx_service.py:1-100

多交易所支持

技术分析服务支持多个交易所的行情数据获取：

graph TD
    A[分析请求] --> B{交易所识别}
    
    B -->|加密货币| C[BINANCE/KUCOIN/BYBIT]
    B -->|美国股票| D[NYSE/NASDAQ/AMEX]
    B -->|埃及股票| E[EGX]
    B -->|台湾股票| F[TWSE/TPEX]
    B -->|土耳其股票| G[BIST]
    
    C --> H[统一数据格式]
    D --> H
    E --> H
    F --> H
    G --> H

支持的交易所映射：

数据流向

sequenceDiagram
    participant U as 用户请求
    participant S as Server层
    participant SC as Screener服务
    participant TV as TradingView API
    participant IC as 指标计算
    participant R as 结果返回
    
    U->>S: 调用分析工具
    S->>SC: 请求市场数据
    SC->>TV: 获取原始数据
    TV-->>SC: 原始OHLCV数据
    SC->>IC: 计算技术指标
    IC-->>SC: 指标结果
    SC-->>S: 格式化结果
    S-->>U: 返回分析报告

与 MCP Server 的集成

技术分析服务通过 server.py 暴露为 MCP 工具：

货币与部门数据

EGX 服务提供股票货币和部门分类：

货币类型判断：

资料来源：src/tradingview_mcp/core/data/egx_sectors.py:1-50

部门分类： 涵盖银行业、保险业、电信业、制造业等 20+ 行业部门。

错误处理

扩展指南

添加新指标

1. 在 indicators_calc.py 中实现计算函数
2. 注册到指标映射表
3. 在 server.py 中暴露为 MCP 工具

添加新交易所

1. 更新 EXCHANGE_SCREENER 映射表
2. 添加交易所符号列表到 coinlist/ 目录
3. 测试数据获取和格式化

参考链接

• 项目主页：tradingview-mcp
• 技术分析文档：README.md
• 贡献指南：CONTRIBUTING.md

概述

情感分析与新闻服务是 tradingview-mcp 框架的核心模块之一，旨在为交易决策提供多维度的市场情绪和资讯数据支持。该服务通过整合 Reddit 社区情感分析和实时金融新闻（RSS），帮助用户从社交媒体情绪和新闻事件两个维度评估资产走势。

核心功能定位：

资料来源：server.py:1-50

架构设计

服务组件结构

┌─────────────────────────────────────────────────────────────┐
│                    MCP Server (server.py)                     │
├─────────────────────────────────────────────────────────────┤
│  ┌─────────────────┐          ┌─────────────────┐          │
│  │  Sentiment       │          │    News          │          │
│  │  Service         │          │    Service       │          │
│  └────────┬────────┘          └────────┬────────┘          │
│           │                            │                    │
│           ▼                            ▼                    │
│  ┌─────────────────┐          ┌─────────────────┐          │
│  │ Reddit API      │          │ RSS Feeds       │          │
│  │ (情感抓取)       │          │ (新闻聚合)       │          │
│  └─────────────────┘          └─────────────────┘          │
└─────────────────────────────────────────────────────────────┘

情感分析流程

graph TD
    A[请求分析: symbol + category] --> B[Reddit 搜索]
    B --> C{找到相关帖子?}
    C -->|是| D[解析帖子内容]
    C -->|否| E[返回空结果]
    D --> F[计算情感得分]
    F --> G[生成情感标签]
    G --> H[输出完整情感报告]

资料来源：server.py:token-analysis-call

情感分析服务

功能说明

analyze_sentiment 函数是情感分析的核心入口，负责从 Reddit 社区抓取与指定标的相关的讨论帖子，并计算情感得分。

函数签名：

analyze_sentiment(symbol: str, category: str = "crypto") -> dict

参数说明：

资料来源：server.py:analyze_sentiment-def

情感分析输出结构

{
    "sentiment_score": float,      # 情感得分（-1 到 1）
    "sentiment_label": str,        # 情感标签（Bullish/Bearish/Neutral）
    "posts_analyzed": int,         # 分析的帖子数量
    "mentions": int,               # 提及次数
    "key_themes": List[str],       # 关键主题
    "confidence": str              # 置信度（High/Medium/Low）
}

情感标签映射

资料来源：server.py:sentiment_label-conditional

新闻服务

功能说明

fetch_news_summary 函数从多个 RSS 订阅源聚合与指定标的相关的最新财经新闻。

函数签名：

fetch_news_summary(symbol: str, category: str = "crypto", limit: int = 5) -> dict

参数说明：

资料来源：server.py:fetch_news_summary-def

新闻输出结构

{
    "count": int,                  # 获取的新闻总数
    "items": [                     # 新闻条目列表
        {
            "title": str,          # 新闻标题
            "link": str,           # 新闻链接
            "pub_date": str,       # 发布日期
            "source": str          # 新闻来源
        }
    ]
}

情绪共振分析

合流决策引擎

sentiment_news_confluence 函数将技术分析、情感分析和新闻数据三者结合，生成综合交易建议。

函数签名：

sentiment_news_confluence(symbol: str, exchange: str, timeframe: str = "1h") -> dict

分析流程：

graph TD
    A[输入: symbol + exchange + timeframe] --> B[技术分析]
    A --> C[情感分析]
    A --> D[新闻汇总]
    B --> E{技术信号}
    C --> F{情感得分 > 0.1?}
    E -->|Bullish/Bearish| G[信号对齐检查]
    F -->|True| G
    G --> H{信号一致?}
    H -->|是| I[confidence: HIGH]
    H -->|否| J[confidence: MIXED]
    I --> K[recommendation: 技术信号 confirmed by 情感]
    J --> L[recommendation: 技术信号 conflicts with 情感]

资料来源：server.py:confluence-analysis

合流输出字段

合流置信度判定：

资料来源：server.py:confidence-calculation

EGX 交易所特殊处理

埃及股市情绪分析

EGX（埃及证券交易所）服务提供专门的市场情绪和板块轮动分析功能。

指数分析函数：

analyze_egx_index(index: str = "EGX30", timeframe: str = "1D", limit: int = 30) -> dict

支持的指数：

资料来源：egx_service.py:analyze_egx_index-def

市场情绪生成

_generate_rotation_signals 函数分析板块轮动信号，判断资金流向。

情绪类型映射：

rotation_signals = {
    "strong_sectors": List[str],      # 强势板块
    "weak_sectors": List[str],        # 弱势板块
    "rotation_direction": str,        # 轮动方向
    "momentum_score": float           # 动量得分
}

资料来源：egx_service.py:_generate_rotation_signals

板块热度图

generate_sector_heatmap 函数计算各板块的相对强弱，生成权重分析。

输出结构：

{
    "exchange": "EGX",
    "timeframe": str,
    "total_sectors": int,
    "total_stocks_scanned": int,
    "weighted_market_view": {
        "weighted_change_pct": float,
        "weighted_rsi": float,
        "weighted_momentum": float,
        "market_sentiment": str
    },
    "sector_heatmap": dict,
    "sector_top_picks": dict,
    "rotation_signals": dict
}

资料来源：egx_service.py:generate_sector_heatmap-return

使用示例

基础情感分析

# 加密货币情感分析
result = analyze_sentiment(symbol="BTC-USD", category="crypto")

# 美股情感分析
result = analyze_sentiment(symbol="AAPL", category="stocks")

综合新闻获取

# 获取币安相关最新新闻
news = fetch_news_summary(symbol="BNB", category="crypto", limit=10)

合流决策分析

# 完整分析示例
confluence = sentiment_news_confluence(
    symbol="BTC-USD",
    exchange="BINANCE",
    timeframe="1h"
)

# 输出示例
# {
#     "confidence": "HIGH",
#     "signals_agree": True,
#     "recommendation": "Technical STRONG BUY confirmed by Bullish Reddit sentiment (142 posts analyzed)"
# }

资料来源：server.py:confluence-example

技术指标与情感关联

多指标协同分析

系统支持将情感数据与其他技术指标结合使用：

资料来源：README.md:tools-table

信号对齐矩阵

                    技术分析信号
                BUY         SELL         HOLD
情感     ┌─────────────┬─────────────┬─────────────┐
  Bullish  │   HIGH ✅   │   MIXED ⚠️  │   MIXED ⚠️  │
         ├─────────────┼─────────────┼─────────────┤
情感     │   MIXED ⚠️  │   HIGH ✅   │   MIXED ⚠️  │
  Bearish  │             │             │             │
         ├─────────────┼─────────────┼─────────────┤
情感     │   MIXED ⚠️  │   MIXED ⚠️  │   MEDIUM 🔄  │
  Neutral  │             │             │             │
         └─────────────┴─────────────┴─────────────┘

配置与扩展

情感分析数据源配置

Reddit 数据源目前使用公开 API 接口，支持的主题分类：

新闻服务 RSS 配置

新闻服务支持多源 RSS 订阅，可扩展的订阅源：

注意事项

1. 免责声明：所有情感和新闻分析仅供教育和参考用途，不构成投资建议
2. 数据延迟：RSS 新闻源可能存在几分钟到几小时的延迟
3. 情感局限性：Reddit 情感分析可能受到炒作和操控影响
4. API 限制：外部 API 调用频率受限于服务提供商的策略

资料来源：egx_service.py:disclaimer

相关资源

• 项目主页
• 安装指南
• OpenClaw 集成指南
• 示例对话

概述

Yahoo Finance 集成是 tradingview-mcp 项目在 v0.6.0 版本中新增的核心功能模块，为用户提供实时金融市场数据查询能力。该模块通过封装 Yahoo Finance API，实现了股票、加密货币、ETF、指数、外汇等多资产类别的实时行情获取。

主要功能包括：

• yahoo_price：获取任意标的的实时报价
• market_snapshot：生成全球市场概览快照

资料来源：CHANGELOG.md

概述

tradingview-mcp 是一个基于 Model Context Protocol (MCP) 的 TradingView 技术分析服务器。该项目的数据源与货币列表系统负责管理交易所交易对信息、货币符号映射以及市场类型识别，为整个系统提供标准化的数据输入源。

项目采用文本文件存储货币列表，并通过专门的 Python 服务模块进行读取和管理，支持多种加密货币交易所和股票市场。

概述

tradingview-mcp 项目提供了一套完整的多交易所支持架构，允许用户通过统一的接口访问全球多个金融市场的实时数据和技术分析。该系统支持加密货币交易所、传统股票交易所以及区域性市场，通过模块化的服务层实现交易所无关的数据获取和处理逻辑。

多交易所支持的核心价值在于：

• 统一 API 接口：无论底层交易所类型如何，用户通过相同的函数调用获取数据
• 交易所特定适配：每种交易所类型都有专属的筛选器配置和数据格式处理
• 符号标准化：实现了 sanitize_exchange 和 get_tv_exchange_prefix 等函数确保符号在 TradingView 格式下正确路由
• 市场类型识别：通过 is_stock_exchange 和 get_market_type 等函数区分股票市场和加密货币市场

资料来源：src/tradingview_mcp/core/utils/validators.py:1-100

Pitfall Log / 踩坑日志

项目：atilaahmettaner/tradingview-mcp

摘要：发现 9 个潜在踩坑项，其中 1 个为 high/blocking；最高优先级：安全/权限坑 - 涉及密钥、隐私或敏感领域。

1. 安全/权限坑 · 涉及密钥、隐私或敏感领域

• 严重度：high
• 证据强度：source_linked
• 发现：项目文本出现 secret/private key/privacy/trading/finance 等敏感关键词。
• 对用户的影响：金融、交易、隐私和密钥场景必须比普通工具更保守。
• 建议检查：补敏感数据流、密钥存储和权限边界审查。
• 防护动作：敏感领域或密钥场景必须保守推荐并要求人工复核。
• 证据：packet_text.keyword_scan | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | matched secret / private key / privacy / trading / finance keyword

2. 配置坑 · 可能修改宿主 AI 配置

• 严重度：medium
• 证据强度：source_linked
• 发现：项目面向 Claude/Cursor/Codex/Gemini/OpenCode 等宿主，或安装命令涉及用户配置目录。
• 对用户的影响：安装可能改变本机 AI 工具行为，用户需要知道写入位置和回滚方法。
• 建议检查：列出会写入的配置文件、目录和卸载/回滚步骤。
• 防护动作：涉及宿主配置目录时必须给回滚路径，不能只给安装命令。
• 证据：capability.host_targets | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | host_targets=mcp_host, claude, cursor, chatgpt

3. 能力坑 · 能力判断依赖假设

• 严重度：medium
• 证据强度：source_linked
• 发现：README/documentation is current enough for a first validation pass.
• 对用户的影响：假设不成立时，用户拿不到承诺的能力。
• 建议检查：将假设转成下游验证清单。
• 防护动作：假设必须转成验证项；没有验证结果前不能写成事实。
• 证据：capability.assumptions | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | README/documentation is current enough for a first validation pass.

4. 维护坑 · 维护活跃度未知

• 严重度：medium
• 证据强度：source_linked
• 发现：未记录 last_activity_observed。
• 对用户的影响：新项目、停更项目和活跃项目会被混在一起，推荐信任度下降。
• 建议检查：补 GitHub 最近 commit、release、issue/PR 响应信号。
• 防护动作：维护活跃度未知时，推荐强度不能标为高信任。
• 证据：evidence.maintainer_signals | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | last_activity_observed missing

5. 安全/权限坑 · 下游验证发现风险项

• 严重度：medium
• 证据强度：source_linked
• 发现：no_demo
• 对用户的影响：下游已经要求复核，不能在页面中弱化。
• 建议检查：进入安全/权限治理复核队列。
• 防护动作：下游风险存在时必须保持 review/recommendation 降级。
• 证据：downstream_validation.risk_items | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | no_demo; severity=medium

6. 安全/权限坑 · 存在安全注意事项

• 严重度：medium
• 证据强度：source_linked
• 发现：No sandbox install has been executed yet; downstream must verify before user use.
• 对用户的影响：用户安装前需要知道权限边界和敏感操作。
• 建议检查：转成明确权限清单和安全审查提示。
• 防护动作：安全注意事项必须面向用户前置展示。
• 证据：risks.safety_notes | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | No sandbox install has been executed yet; downstream must verify before user use.

7. 安全/权限坑 · 存在评分风险

• 严重度：medium
• 证据强度：source_linked
• 发现：no_demo
• 对用户的影响：风险会影响是否适合普通用户安装。
• 建议检查：把风险写入边界卡，并确认是否需要人工复核。
• 防护动作：评分风险必须进入边界卡，不能只作为内部分数。
• 证据：risks.scoring_risks | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | no_demo; severity=medium

8. 维护坑 · issue/PR 响应质量未知

• 严重度：low
• 证据强度：source_linked
• 发现：issue_or_pr_quality=unknown。
• 对用户的影响：用户无法判断遇到问题后是否有人维护。
• 建议检查：抽样最近 issue/PR，判断是否长期无人处理。
• 防护动作：issue/PR 响应未知时，必须提示维护风险。
• 证据：evidence.maintainer_signals | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | issue_or_pr_quality=unknown

9. 维护坑 · 发布节奏不明确

• 严重度：low
• 证据强度：source_linked
• 发现：release_recency=unknown。
• 对用户的影响：安装命令和文档可能落后于代码，用户踩坑概率升高。
• 建议检查：确认最近 release/tag 和 README 安装命令是否一致。
• 防护动作：发布节奏未知或过期时，安装说明必须标注可能漂移。
• 证据：evidence.maintainer_signals | art_0685d97fbc1a4f92849cb69a812ccd46 | https://github.com/atilaahmettaner/tradingview-mcp#readme | release_recency=unknown