QuantContext MCP 服务器

使用说明（Markdown 格式）

• 项目简介
  • QuantContext MCP 服务器是一套基于 MCP（Model Context Protocol）的后端服务，向 MCP 客户端提供可重复性且可扩展的量化研究工具集，核心功能包括股票筛选、历史回测以及因子分析等。
• 主要功能点
  • screen_stocks：对指定股票池进行多种筛选/排序，输出满足条件的股票候选集。
  • backtest_strategy：对选定的筛选结果进行历史回测，输出区域收益、指标与日常权益曲线等。
  • factor_analysis：对回测得到的权益曲线进行 Fama–French 因子分解，给出 alpha、因子加载、R² 等统计信息。
  • 数据加载与缓存：自带数据获取与缓存逻辑，支持本地缓存以加速冷启动。
  • 与 MCP 客户端通信：通过 MCP 协议提供统一的工具调用、资源读取与提示渲染能力。
• 安装步骤
  • 安装依赖并获取服务器：
    • 使用 Python 包管理器安装 QuantContext MCP 服务器（示例：pip install quantcontext-mcp）。
  • 启动服务器
    • 服务器入口通常通过 MCP 客户端约定的入口启动，例如以标准输入/输出形式作为传输通道启动服务器，具体命令可参考客户端文档或 README 提供的入口描述。
• 服务器配置（MCP 客户端配置 MCP 服务器时需要的关键信息）
  • 配置的 JSON 需要包含以下字段：
    • server_name: quantcontext_mcp_server
    • command: quantcontext
    • args: []
  • 说明：server_name 为服务器在 MCP 客户端中的唯一标识，command 指定启动服务器的可执行命令，args 为启动参数列表。MCP 客户端并不需要额外的实现细节，但该信息用于对接端的初始连接与可观测性。
• 基本使用方法
  • 启动后，MCP 客户端即可通过标准 MCP 请求调用 screen_stocks、backtest_strategy、factor_analysis 等工具，获得结构化的 JSON 响应。
  • 典型工作流示例：先执行 screen_stocks 以筛选股票，再将筛选结果用于 backtest_strategy 进行回测，最后对回测结果执行 factor_analysis 以解析因子暴露与 alpha。
  • 如需离线评测工具，请参考随附的测试用例和评估脚本，确保数据缓存已热启动。