Intégration du serveur Alpaca MCP

Que fait le serveur “Alpaca” MCP ?

Le serveur Alpaca MCP (Model Context Protocol) est une couche d’intégration spécialisée permettant aux assistants IA et aux grands modèles de langage (LLM) d’interagir avec la plateforme de trading d’Alpaca à l’aide de commandes en langage naturel. En se connectant via MCP, les développeurs et utilisateurs peuvent trader des actions et des options, analyser des données financières, gérer des portefeuilles, manipuler des listes de suivi et accéder à des informations de marché en temps réel directement depuis leurs outils LLM et IDE favoris comme Claude Desktop, Cursor ou VSCode. Ce serveur fait le lien entre agents IA et infrastructures de trading, rendant des tâches telles que le passage d’ordres, la récupération de données historiques ou la surveillance d’actifs fluides et accessibles par interface conversationnelle, simplifiant ainsi les workflows de trading algorithmique, d’analyse financière et de gestion de portefeuille.

Liste des prompts

Aucun modèle de prompt n’est explicitement mentionné dans le dépôt ou la documentation fournie.

Liste des ressources

Aucune ressource MCP explicite n’est décrite dans les fichiers ou la documentation fournis.

Liste des outils

Aucune liste explicite d’outils n’est incluse dans les fichiers ou documentation disponibles.

Cas d’usage de ce serveur MCP

• Trading d’actions et d’options
  Utilisez le langage naturel pour passer, modifier et annuler des ordres sur actions et options directement depuis une interface pilotée par un LLM, permettant des workflows de trading algorithmique ou discrétionnaire sans navigation manuelle sur la plateforme.

• Gestion de portefeuille
  Consultez les soldes de compte, inspectez les positions ouvertes et fermées, et gérez vos avoirs à l’aide de commandes conversationnelles pour simplifier la supervision et le rééquilibrage du portefeuille.

• Récupération de données de marché
  Demandez des données de marché en temps réel ou historiques, incluant cotations, transactions, chandeliers de prix et grecs d’options, pour soutenir la recherche et le développement de stratégies.

• Gestion des listes de suivi
  Créez et gérez des listes de suivi personnalisées pour suivre des actifs et aider les utilisateurs à surveiller plusieurs titres et réagir efficacement aux évolutions du marché.

• Historique des ordres et statut du marché
  Récupérez l’historique complet des ordres, vérifiez les horaires d’ouverture/fermeture du marché et accédez aux données sur les actions d’entreprise (résultats, splits, dividendes) pour une vision complète du compte et du marché.

Comment le configurer

Windsurf

Aucune instruction spécifique à Windsurf n’est fournie dans la documentation ou le code disponible.

Claude

1. Prérequis :

   • Installer Python 3.10+
   • Cloner le dépôt et installer les dépendances
   • Obtenir les clés API Alpaca

2. Créer/éditer le fichier .env :
   Ajoutez ce qui suit à votre .env dans le répertoire du projet :

   ALPACA_API_KEY = "your_alpaca_api_key"
   ALPACA_SECRET_KEY = "your_alpaca_secret_key"
   PAPER = True
   

3. Démarrer le serveur MCP :

   python alpaca_mcp_server.py
   

4. Configurer Claude Desktop :

   • Ouvrir Claude Desktop
   • Aller dans : Settings → Developer → Edit Config
   • Mettez à jour votre claude_desktop_config.json :

     {
       "mcpServers": {
         "alpaca": {
           "command": "<project_root>/venv/bin/python",
           "args": [
             "/path/to/alpaca-mcp-server/alpaca_mcp_server.py"
           ],
           "env": {
             "ALPACA_API_KEY": "your_alpaca_api_key",
             "ALPACA_SECRET_KEY": "your_alpaca_secret_key"
           }
         }
       }
     }
     

5. Enregistrez la configuration et redémarrez Claude Desktop

Cursor

Aucune instruction spécifique à Cursor n’est fournie dans la documentation ou le code disponible.

Cline

Aucune instruction spécifique à Cline n’est fournie dans la documentation ou le code disponible.

Sécurisation des clés API

Les clés API sont spécifiées à l’aide de variables d’environnement, comme indiqué dans la section env de la configuration JSON :

"env": {
  "ALPACA_API_KEY": "your_alpaca_api_key",
  "ALPACA_SECRET_KEY": "your_alpaca_secret_key"
}

Comment utiliser ce MCP dans les flux

Utilisation de MCP dans FlowHunt

Pour intégrer des serveurs MCP dans votre workflow FlowHunt, commencez par ajouter le composant MCP à votre flux et connectez-le à votre agent IA :

Cliquez sur le composant MCP pour ouvrir le panneau de configuration. Dans la section de configuration du système MCP, insérez les détails de votre serveur MCP au format JSON suivant :

{
  "MCP-name": {
    "transport": "streamable_http",
    "url": "https://yourmcpserver.example/pathtothemcp/url"
  }
}

Une fois configuré, l’agent IA peut alors utiliser ce MCP comme un outil avec accès à toutes ses fonctions et capacités. N’oubliez pas de remplacer “MCP-name” par le nom réel de votre serveur MCP (par exemple “alpaca”, “github-mcp”, etc.) et l’URL par celle de votre propre serveur MCP.

Aperçu

Entre ces deux tableaux, le serveur Alpaca MCP offre une bonne documentation pour l’installation et les cas d’usage principaux, mais manque de détails explicites sur les modèles de prompts MCP, les outils exposés et les définitions de ressources. Il est bien adapté aux workflows de trading et de données de marché, mais bénéficierait d’une documentation MCP plus détaillée. Note : 6/10.

Score MCP