Airbnb-StockScreener-Agent-with-MCP
by ambideXtrous9·★ 0·综合分 27
使用 LangChain、Ollama Qwen3 和 BeautifulSoup 进行本地股票分析的 MCP 服务器。
概述
该项目创建了一个完全本地的 AI 助手，使用 MCP 协议执行详细的股票分析。它使用 Ollama 和 Qwen3 作为本地语言模型，LangChain 作为 MCP 客户端实现框架，BeautifulSoup 用于从 Screener.in 网页抓取金融数据。服务器提供工具来检索公司详细信息、利润分析数据和持股模式。该实现展示了如何将 MCP 与本地 LLM 集成以用于金融分析应用程序。
试试问 AI
装完之后，这里有 5 个你可以让 AI 做的事：
什么时候选它
选择这个用于本地股票分析而不需要外部 API 调用，特别是当处理印度股票时。
什么时候不要选它
如果您需要实时股票数据或 Screener.in 未涵盖的国际市场分析，请避免使用。
此 server 暴露的工具
从 README 抽取出 3 个工具get_company_detailsRetrieve company name, current price, market cap, PE ratio, ROE, ROCE, and more
get_profit_analysisExtract quarterly and yearly net profit data
get_shareholding_patternAnalyze holdings by promoters, DIIs, FIIs, and the public
说明：Tool names inferred from feature descriptions in the README. The exact tool signatures are not documented.
可对比工具
安装
- 安装先决条件：
``bash pip install langchain langchain-community langchain-core beautifulsoup4 ollama ollama pull qwen3 ``
- 克隆存储库并安装依赖项：
``bash git clone <repository_url> pip install -r requirements.txt ``
- 在 Claude Desktop（或兼容客户端）中配置 MCP 服务器：
``json { "mcpServers": { "stock": { "command": "python", "args": ["StockMcp.py"], "transport": "stdio" } } } ``
FAQ
- 这个 MCP 服务器使用哪些金融数据源？
- 服务器主要使用 Screener.in 作为数据源，使用 BeautifulSoup 进行网页抓取来提取财务信息。
- 除了 Qwen3，我是否可以使用其他本地语言模型？
- 该设计适用于 Ollama，它支持多种模型。您可以修改代码以使用通过 Ollama 可用的其他模型。
Airbnb-StockScreener-Agent-with-MCP 对比
最后更新于 · 由 README + GitHub 公开数据自动生成。