明仓
AI Skill Hub 强烈推荐：明仓 是一款优质的MCP工具。AI 综合评分 8.0 分，在同类工具中表现稳健。如果你正在寻找可靠的MCP工具解决方案，这是一个值得深入了解的选择。
📚 深度解析
通过安装 明仓，你的 AI 助手将获得额外的工具调用能力，可以用自然语言直接操控该工具的功能，无需学习复杂的命令行语法。MCP 工具的核心价值在于"一次配置，永久增强"——配置完成后，每次与 AI 对话时都可以无缝调用这些工具。
在技术实现上，MCP 工具通过标准的 JSON-RPC 协议与 AI 客户端通信，工具的功能以"工具列表"的形式暴露给 AI 模型，AI 可以按需调用。明仓 提供了结构化的工具调用接口，使 AI 模型能够精确地理解和使用每个功能点，显著降低 AI 在工具使用上的错误率。
与传统的 API 集成相比，MCP 工具的优势在于无需编写代码——用户只需在配置文件中添加几行 JSON，即可让 AI 获得全新能力。AI Skill Hub 将 明仓 评为 AI 评分 8.0 分，属于同类工具中的优质选择。
📋 工具概览
明仓 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
📖 中文文档
明仓 是一款遵循 MCP（Model Context Protocol）标准协议的 AI 工具扩展。通过 MCP 协议，它可以让 Claude、Cursor 等主流 AI 客户端直接访问和操作外部工具、数据源和服务，实现 AI 能力的无缝扩展。无论是文件操作、数据库查询还是 API 调用，都可以通过自然语言在 AI 对话中直接触发，极大提升生产效率。
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/Zeeechenn/MingCang
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"--": {
"command": "npx",
"args": ["-y", "mingcang"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
- 确认已安装 Node.js（v18 或以上版本）
- 打开 Claude Desktop 或 Claude Code 的 MCP 配置文件
- 按「交给 Agent 安装 → Claude Desktop」标签中的 JSON 配置填入 mcpServers 字段
- 保存配置文件并重启 Claude 客户端
- 重启后，在对话中即可使用本工具
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 明仓 执行以下任务... Claude: [自动调用 明仓 MCP 工具处理请求] # 查看可用工具列表 # 在 Claude 中输入："列出所有可用的 MCP 工具"
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"__": {
"command": "npx",
"args": ["-y", "mingcang"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
明仓 · MingCang
本地优先的 A 股研究 Agent：把研究、信号、持仓纪律、复盘和记忆串成一套可对话的个人研究工作台。
明仓不是量化交易系统，也不是 AI 选股器。它不承诺收益、不替你下单、不替你拍板；它做的是把你关心的股票、赛道、观点、风险和复盘结果组织起来，让 AI 帮你扩大扫描半径、反驳假设、补齐证据。被结果验证过的经验会继续沉淀和回测，但当前默认保持影子模式，不进入 AI 判断或官方动作。
当前推荐用法：打开明仓 Agent，直接用自然语言和它对话。 由于明仓近期做了大规模重构，前端版本还在体验优化中，更适合作为本地可视化查看入口；日常研究、复盘、关注列表维护和风险检查，优先推荐走 agent 方式。
在线文档：<https://zeeechenn.github.io/MingCang/> ｜ 语言：简体中文 · English
---
核心能力
| 能力 | 说明 |
|---|---|
| Agent 对话入口 | 把股票研究、关注列表、日常扫描、复盘和记忆查询统一成自然语言交互。 |
| 每日信号与风险线 | 技术因子、新闻情感、质量旗标和 ATR 移动止损共同构成每日纪律参考。 |
| 研究框架分析师团 | 财务质量、景气变化、供应链核查等成熟框架用于长期研究，不直接替代每日信号。 |
| 案卷式闭环 | 研究、信号、持仓、复盘和记忆互相链接，方便回溯“当时为什么这么判断”。 |
| 本地数据底座 | SQLite、缓存契约、数据质量门和防未来函数机制，减少脏数据和回看偏差。 |
| 记忆系统 | 继续记录、验证和回测历史经验；默认仅供显式查询和影子评估，不影响 AI 判断、信号、仓位或止损。 |
| 前端工作台 | 可视化查看案卷、信号、复盘和来源健康；当前仍在产品体验优化中。 |
---
当前能力状态
| 能力 | 当前状态 |
|---|---|
| 盘后风险面板 | 已能把风险警示、再评估触发、ATR 距离、财务质量和数据质量放进同一个复盘视图。 |
| 观察哨与触发器 | 已能记录关注标的的价格、资金、新闻和主题联动变化，触发后进入待复核队列。 |
| 日常报告 | 已覆盖盘前、盘中、盘后和周末体检，报告层会尽量把内部术语翻成可执行的研究问题。 |
| LLM 裁量层 | 有候选比较、持仓去留、时机解释和复盘提炼能力；默认灰度关闭，开启后也只输出参考卡。 |
| 盲裁验收 | 判断类功能可以做跨模型盲裁和前向验证，避免“换个更强模型就直接改生产信号”。 |
| Web 前端 | 已覆盖研究、标的检索、案卷、持仓、日常报告、记忆与治理；真实/降级/demo 状态持续可见，写操作有确认边界，桌面和移动端流程均纳入浏览器回归。 |
---
环境要求
- Python 3.11 或更高版本；主 CI 使用 3.11，并对 3.12 / 3.13 跑兼容性契约。
- Web 工作台开发与构建需要 Node.js 20；只使用 Agent / API 时不需要 Node.js。
- 推荐使用
uv按uv.lock安装可复现依赖；也可使用 Docker Compose（需 Docker Compose v2）。
用 python --version、node --version 和 docker compose version 可确认本机环境。真实数据库升级由 init_db() 的幂等运行时迁移完成，升级前仍建议备份本地 SQLite 文件。
---
快速开始
推荐：安装 Agent 入口
curl -fsSL https://raw.githubusercontent.com/Zeeechenn/MingCang/main/scripts/install.sh | sh
mingcang启动后直接和它说人话即可，例如：
帮我看一下 300308，结合信号、新闻和长期标签，给我一个研究结论。默认本地模式优先使用你本机已登录的本地 AI 工具。只有启用特定云端模型、搜索或数据源能力时，才需要配置对应 key。
信号卡示例
600584 长电科技 2026-06-02
────────────────────────────────────────────────────────────
综合分 25.8 建议 🟡 可小仓试错
技术 28.6 · 量化 25.8 · 新闻情感 +18.0
止损 64.66 止盈 98.17 (ATR 2.5 移动止损)
────────────────────────────────────────────────────────────
rule: aggregate_v1 · 数据不出本机当日批量信号：
| 代码 | 名称 | 综合分 | 建议 | 技术 | 量化 | 新闻情感 | 止损 | 止盈 |
|---|---|---|---|---|---|---|---|---|
| 600584 | 长电科技 | **25.8** | 🟡 可小仓试错 | 28.6 | 25.8 | +18.0 | 64.66 | 98.17 |
| 603986 | 兆易创新 | 4.3 | 🔵 可关注 | 26.4 | 4.5 | −55.2 | 414.86 | 603.09 |
| 300750 | 宁德时代 | −1.7 | ⚪ 观望 | −12.5 | 1.3 | +18.0 | 397.42 | 488.68 |
信号只给分档建议和 ATR 风险线，不预测涨跌，不喊必涨。新闻情感是研究辅助输入，不能单独作为买卖依据。
---
案例：一笔亏损如何沉淀成规则
明仓把研究做成一条闭环：判断 → 信号 → 持仓 → 复盘归因 → 记忆更新。下面是一笔纸上交易记录。
宁德时代（300750）· 2026-05 · 纸上交易
| 步骤 | 记录 |
|---|---|
| 入场 | 05-14 @ 449.38，止损 395.57 |
| 持仓 | 信号持续转弱；当时无“信号反转退出”规则，继续持有 |
| 平仓 | 05-25 @ 411.28，亏损 −8.48% |
| 复盘归因 | 根因：缺少信号反转退出规则 |
| 沉淀改进 | 据此新增“信号反转退出”规则，并等待后续结果验证 |
完整链路见 宁德活样本。
这个案例体现了明仓的核心哲学：亏一笔不可怕，可怕的是没有可复核的归因。 复盘结论会进入影子记忆继续验证；在前向评估证明有效前，不自动改变下一次判断。
---
配置
<details> <summary><b>本地与远程配置</b></summary>
真实 key 只放本机 .env 或部署平台的 secret manager，不要提交到 Git。可以从 .env.example 复制一份开始：
AI_PROVIDER=local_cli
DATABASE_URL=sqlite:////absolute/path/to/mingcang.db
MINGCANG_AGENT_MODE=local默认本地模式使用 AI_PROVIDER=local_cli，优先走本机已登录的本地 AI 运行时，不需要云端 LLM key；行情/新闻默认走东财等免 key 源。零 key 也能跑通基础流程，但有一个前置条件：本机已登录可用的 AI CLI（claude 或 codex）。没有的话，ANTHROPIC_API_KEY / OPENAI_API_KEY 必须二选一。
必要性分三档：必须（不配跑不起来对应模式）、⭐推荐（想顺利用全明仓的研究/新闻能力就该配）、可选（按需）。
| 变量 | 必要性 | 何时填写 | 获取地址 | 费用 |
|---|---|---|---|---|
ANTHROPIC_API_KEY | 二选一必须（无本机 AI CLI 时） | AI_PROVIDER=anthropic | [console.anthropic.com](https://console.anthropic.com/) | 付费按量 |
OPENAI_API_KEY | 二选一必须（无本机 AI CLI 时） | AI_PROVIDER=openai | [platform.openai.com](https://platform.openai.com/api-keys) | 付费按量 |
OPENAI_BASE_URL | 可选 | 使用 OpenAI 兼容网关时 | 留空表示 OpenAI 官方地址 | — |
IFIND_MCP_TOKEN | ⭐推荐 | IFIND_MCP_ENABLED=true；**新闻/公告的生产主源**，不配则新闻层退化到东财兜底、公告与历史新闻回填不可用 | [mcp.51ifind.com](https://mcp.51ifind.com/)（同花顺 iFinD MCP） | 有免费档（日/月双层限额），个人付费档更宽 |
TAVILY_API_KEY | ⭐推荐 | 实时新闻/搜索兜底与 deep research 检索 | [tavily.com](https://www.tavily.com/) | 有免费月度额度 |
TUSHARE_TOKEN | 可选 | 需要 Tushare Pro A 股数据补充时 | [tushare.pro](https://tushare.pro/register) | 免费注册，积分制解锁接口 |
TICKFLOW_API_KEY | 可选 | TICKFLOW_ENABLED=true | [tickflow.org](https://tickflow.org/) | 有免费额度 |
ANSPIRE_API_KEY | 可选 | deep research 或严格事件新闻抓取 | [anspire.cn](https://www.anspire.cn/) | 付费充值按量 |
BARK_KEY | 可选 | 需要 iOS Bark 推送时 | [Bark iOS App](https://github.com/Finb/Bark)（App 内自动生成设备 key） | 免费 |
MINGCANG_AGENT_API_KEY | 远程模式必须 | MINGCANG_AGENT_MODE=remote；本地模式不需要 | 自行生成任意强随机串，非第三方申请 | — |
远程暴露是 opt-in，默认只读：
MINGCANG_AGENT_MODE=remote
MINGCANG_AGENT_API_KEY=your_secret_key
MINGCANG_AGENT_REMOTE_WRITE_ENABLED=false
MINGCANG_AGENT_REMOTE_WRITE_ACTIONS=.env、数据库、个人交易记录、真实 key 不进 Git。
</details>
---
一个有趣的开源MCP工具，结合AI和人工决策
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
- CLI：直接 npm install -g / pip install，命令行调用
- 云端托管：可放在 Vercel / Railway / Fly.io 等 PaaS 平台
⚡ 核心功能
- 通过标准 MCP 协议与 Claude、Cursor 等主流 AI 客户端深度集成
- 提供结构化工具调用接口，显著降低 AI 集成复杂度
- 支持 Claude Desktop 和 Claude Code 无缝接入，开箱即用
- 可与其他 MCP 工具组合叠加，构建完整 AI 工作站
- 轻量无侵入设计，不影响现有系统架构
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
- 构建多智能体协作系统的 Agent 开发者
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
- Agent 任务先做 dry-run 验证工具调用链，再开启自主执行
- API key 直接提交到 git 仓库（请用 .env 并加入 .gitignore）
- MCP 配置路径拼错或权限不足，重启 Claude Desktop 才生效
- Python 依赖冲突：建议用 venv / uv 隔离环境
👥 适合人群
🎯 使用场景
- 在 Claude Desktop 对话中直接调用本地工具，实现 AI 与系统的深度联动
- 通过自然语言驱动复杂的多步骤自动化任务，代替繁琐手动操作
- 将多个 MCP 工具组合使用，构建个人专属 AI 工作站
⚖️ 优点与不足
- +标准化 MCP 协议，生态互联性强
- +与 Claude 官方生态无缝对接
- +即插即用，配置简单快捷
- −依赖 Claude 客户端，非 Claude 用户无法使用
- −MCP 协议仍在持续演进，接口可能变更
- −需要一定的配置步骤
该工具使用 NOASSERTION 协议，商用场景请仔细阅读协议条款，必要时咨询法律意见。
AI Skill Hub 为第三方内容聚合平台，本页面信息基于公开数据整理，不对工具功能和质量作任何法律背书。
建议在沙箱或测试环境中充分验证后，再部署至生产环境，并做好必要的安全评估。
📄 NOASSERTION — 请查阅原始协议条款了解具体使用限制。
❓ 常见问题 FAQ
总体来看，明仓 是一款质量优秀的MCP工具，在同类工具中具备一定竞争力。AI Skill Hub 将持续追踪其更新动态，建议收藏备用，结合自身场景选择合适时机引入使用。
| 原始名称 | MingCang |
| 原始描述 | 开源MCP工具：本地优先的个人 A 股研究决策工作台 · 案卷式研究闭环：进口判断→证伪→复盘→记忆。人做决策，AI 做广度/证伪/风险。A local-first perso。⭐9 · Python |
| Topics | mcpa-sharesai-agentschinese-stocksfastapiinvestment-researchpython |
| GitHub | https://github.com/Zeeechenn/MingCang |
| License | NOASSERTION |
| 语言 | Python |
收录时间：2026-07-05 · 更新时间：2026-07-11 · License：NOASSERTION · AI Skill Hub 不对第三方内容的准确性作法律背书。