🔌
MCP工具
投资研究框架
基于 Python · 让 AI 助手直接操作你的系统与工具
英文名：fadacai-portfolio
7.5AI 综合评分
mcppython投资研究
✦ AI Skill Hub 推荐
投资研究框架 是 AI Skill Hub 本期精选MCP工具之一。综合评分 7.5 分，整体质量较高。我们推荐使用将其纳入你的 AI 工具库，帮助提升工作效率。
📚 深度解析
投资研究框架 是一款基于 MCP（Model Context Protocol）标准协议的 AI 工具扩展。MCP 协议由 Anthropic 开发并开源，旨在建立 AI 模型与外部工具之间的标准化通信接口，目前已被 Claude Desktop、Claude Code、Cursor 等主流 AI 工具采纳。
通过安装 投资研究框架，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。投资研究框架 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 投资研究框架 评为 AI 评分 7.5 分，属于同类工具中的优质选择。
通过安装 投资研究框架，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。投资研究框架 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 投资研究框架 评为 AI 评分 7.5 分，属于同类工具中的优质选择。
📋 工具概览
投资研究框架 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。
GitHub Stars
⭐ 22
开发语言
Python
支持平台
Windows / macOS / Linux
维护状态
轻量级项目，按需更新
开源协议
MIT
AI 综合评分
7.5 分
工具类型
MCP工具
Forks
1
📖 中文文档
以下内容由 AI Skill Hub 根据项目信息自动整理，如需查看完整原始文档请访问底部「原始来源」。
投资研究框架 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。
📌 核心特色
- 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
🎯 主要使用场景
- 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
以下安装命令基于项目开发语言和类型自动生成，实际以官方 README 为准。
安装命令
# 方式一：通过 Claude Code CLI 一键安装
claude skill install https://github.com/PatrickSUDO/fadacai-portfolio
# 方式二：手动配置 claude_desktop_config.json
{
"mcpServers": {
"------": {
"command": "npx",
"args": ["-y", "fadacai-portfolio"]
}
}
}
# 配置文件位置
# macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
# Windows: %APPDATA%/Claude/claude_desktop_config.json
📋 安装步骤说明
- 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
以下用法示例由 AI Skill Hub 整理，涵盖最常见的使用场景。
常用命令 / 代码示例
# 安装后在 Claude 对话中直接使用 # 示例： 用户: 请帮我用 投资研究框架 执行以下任务... Claude: [自动调用 投资研究框架 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"
以下配置示例基于典型使用场景生成，具体参数请参照官方文档调整。
配置示例
// claude_desktop_config.json 配置示例
{
"mcpServers": {
"______": {
"command": "npx",
"args": ["-y", "fadacai-portfolio"],
"env": {
// "API_KEY": "your-api-key-here"
}
}
}
}
// 保存后重启 Claude Desktop 生效
以下内容由系统直接从 GitHub README 解析整理，保留代码块、表格与列表结构。
Portfolio — Claude Code 投資研究與組合管理框架
一套建構在 Claude Code skills + MCP servers 之上的美股投資研究與組合管理工作區。把日報、組合檢視、個股深度分析、選擇權策略、交易日誌等流程，全部封裝成可重複執行的 slash command，並用一套第一性原理紀律（可驗證 thesis → 證偽條件 → 機率分布 + EV）約束每一個投資結論，避免淪為 narrative。
- 使用對象：自行操作美股/選擇權、想用 LLM 輔助但要求紀律與可驗證性的個人投資人 / quant
- 輸出語言：全繁體中文
- 券商整合：透過
firstrade-serverMCP 取即時持倉（以 Firstrade 為參考整合，可替換成你自己的券商 MCP） - 資料來源：7 個 MCP server（即時報價、SEC、技術指標、情緒/基本面、預測市場等）+ FRED 總經 + EODHD 基本面 REST 快取
- 可選自動化：launchd 每個 NYSE 交易日定時產生並推送日報到 Telegram + Email
⚠️ 非投資建議。 本專案是分析與紀律工具，所有輸出僅供研究參考；你需自行承擔所有交易決策與風險，並自備所有 API key / 券商憑證。詳見文末免責聲明。
📦 自寫的兩個 MCP server（technical技術指標、eodhd情緒）已獨立開源於 fadacai-mcp-servers。
---
fmp-mcp（需 clone 到獨立資料夾，npm install && npm run build 後）
claude mcp add fmp-mcp --env FMP_API_KEY=xxxx -- node /path/to/fmp-mcp/dist/index.js ```
缺任一 server 不會讓整個框架失效——/mcp-health 會標出不可用者，skills 內建 retry → 健康檢查 → WebSearch fallback。
使用範例
環境變數（`.env`）
| 變數 | 用途 | 取得 |
|---|---|---|
FRED_API_KEY | 總經快照（Fed Funds / CPI / 殖利率曲線 / HY OAS / VIX） | [FRED 免費申請](https://fred.stlouisfed.org/docs/api/api_key.html) |
EODHD_API_TOKEN | 基本面快取（fetch_fundamentals.py）：PE/PEG/分析師PT/盈餘 beat rate/季度成長 | [EODHD 申請](https://eodhd.com/financial-apis/)（All-In-One 含 Fundamentals） |
TELEGRAM_BOT_TOKEN / TELEGRAM_CHAT_ID | 日報推送到 Telegram | @BotFather / getUpdates |
SMTP_* / EMAIL_* | 日報 email 副本 | Gmail App Password |
BRIEFING_* / FRIDAY_CODEX / RETRY_MAX 等 | launchd 自動推送行為 | 見 .env.example 註解 |
以上全部選用——不設也能用所有互動式 slash command，只是少了自動推送、總經快照與三錨點估值快取。
---
方法論亮點
這套框架的核心不是「叫 LLM 給意見」，而是用多層紀律強迫每個結論落在可驗證的 ground truth 上：
- 第一性原理紀律（Step 0e） — 任何 Verdict 前強制回答三題：① 核心 thesis（1 句可驗證命題，非 narrative）② 證偽條件（2-3 個 falsifiable 觀察點）③ 機率分布 + EV（由
probability-honesty-checkeragent 強制計算，禁用 default bell shape 與「略偏正」這類質性語言）。 - 三錨點 Fair PE 估值（Section 8.5 / G3.5） — 不手寫 PE 倍數猜想；用三個獨立錨點做三角定位：A1 市場隱含 PE（EODHD）/ A2 PEG 成長合理倍數 / A3 分析師 PT 隱含 PE。Base = median；Bull = max × 1.25；Bear = min × 0.70。
pe_ratio == 0.0/peg_ratio == 0.0→ 自動丟棄該錨，標(anchor unavailable)。 - Thesis Ledger（
tools/thesis_ledger.py） — 把帶觸發點的 thesis 登錄進帳本，到期（如財報日）自動回頭抓實際數字驗收 passed/failed，累積命中率。詳見docs/thesis-ledger.md。 - Thesis 驗證 → 股價影響（D2 三桶分解） — thesis verdict 不只是分類；
resolve時帶結構化旗標：fair_value_before/after（三錨點重算）+price_impact_pct+impact_decomp（thesis 成分 vs 倍數重估成分分解）。實例：AVBO partial →thesis +6%(FY27 AI guide 確認)/multiple −16%(GM 壓縮 re-rate)=net −9.8%。 - 全持倉基本面快取（
briefing-out/cache/fundamentals-snapshot.json） —fetch_fundamentals.py每交易日 launchd 預載，TTL 24h。Quick/Telegram tier 直接讀快取（zero-latency，不等 MCP）；Deep tier 強制刷新。 - A4 自建估值錨（sanity / divergence flag） —
fetch_fundamentals.py同次 API call 計算：own_fwdEPS = 歷史 CAGR (幾何，40% cap → fade 向 8% terminal) × 淨利率 ÷ 股數（完全不看分析師 estimate）。own_target_price = own_fwdEPS × base_FairPE(median A1,A2,A3)。A4vsA3% = (own_target − wall_street_target) / wall_street_target乾淨隔離「我的盈利觀 vs Street 盈利觀」（倍數固定）。A4 不進 EV，僅做分歧 flag：confidence=unavailable（虧損股 / <3年資料）→(self-val N/A)；low（營收 stdev>30%）→⚠️低信心；ok→ 正常顯示。34 單元測試（test_self_valuation.py）覆蓋 CAGR、cap、decel、macro clamp、guardrails。 - 新聞全文快取 + P3 訊號擷取（
briefing-out/cache/news-articles.json） —fetch_news.pyTTL 6h，top 8 篇/ticker，600-char body excerpt。mcp__eodhd-mcp__get_news工具提供即時全文（1500 char）。Deep tier §9.5 / stock-analysis Step 4b 從 news body + SEC 8-K + 財報逐字稿抽已量化陳述（wafer starts / capex / ASP 等），強制附 raw_quote（≤120 字逐字引用），signal → thesis 轉換後以--source signal-inference登錄 thesis_ledger，閉環追蹤 P3 命中率。反幻覺鎖：無 raw_quote = 無 signal = 不登錄。
🎯 aiskill88 AI 点评
A 级
2026-06-06
高质量的开源MCP工具，具有较强的实用价值
📚 实用指南（长尾问题）
适合谁
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
最佳实践
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
常见错误
- 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
部署方案
- 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
👥 适合谁
- 需要让 Claude / Cursor 操作本地工具的 AI 工程师
⭐ 最佳实践
- 配置 MCP 服务器时建议使用 stdio 传输 + JSON-RPC，避免暴露公网
⚠️ 常见错误
- 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
✅ 优点
- +MIT 协议，可免费商用
- +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
⚠️ 不足
- −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
⚠️ 使用须知
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。
📄 License 说明
✅ MIT 协议 — 最宽松的开源协议之一，可自由商用、修改、分发，仅需保留版权声明。
📰 相关 AI 新闻
🍿 AI 圈相关吃瓜
🧩 你可能还需要
基于当前 Skill 的能力图谱，自动补全的工具组合
❓ 常见问题 FAQ
参考README文档和示例代码
💡 AI Skill Hub 点评
经综合评估，投资研究框架 在MCP工具赛道中表现稳健，质量良好。如果你已有明确的使用需求，可以直接上手体验；如果还在评估阶段，建议对比同类工具后再做决策。
🌐 原始信息
| 原始名称 | fadacai-portfolio |
| 原始描述 | 开源MCP工具：Claude Code 投資研究與組合管理框架：skills + MCP + 第一性原理紀律 + thesis ledger。⭐22 · Python |
| Topics | mcppython投资研究 |
| GitHub | https://github.com/PatrickSUDO/fadacai-portfolio |
| License | MIT |
| 语言 | Python |
🔗 原始来源
🐙 GitHub 仓库 https://github.com/PatrickSUDO/fadacai-portfolio
收录时间：2026-06-06 · 更新时间：2026-06-06 · License：MIT · AI Skill Hub 不对第三方内容的准确性作法律背书。