Trade Agent MCP 服务器

“Trade Agent” MCP 服务器能做什么？

Trade Agent MCP（模型上下文协议）服务器是一个远程服务，使 AI 智能体能够通过自然语言指令无缝与股票和加密货币券商交互。连接该服务器后，助手可以执行交易、查看投资组合表现、访问实时市场数据，无需本地环境配置。支持 Charles Schwab、Robinhood、E*TRADE、Webull、Coinbase、Kraken 等主流平台，Trade Agent MCP 通过安全的 OAuth 认证，简化了交易与投资管理流程。此服务器让开发者和用户通过 MCP 兼容端点，将交易能力集成到 AI 界面，实现金融自动化和洞见获取。

指令模板列表

仓库或文档中未明确提及指令模板。

资源列表

仓库或文档中未明确描述资源。

工具列表

• 创建交易
  草拟交易指令，供提交前审核。例如：“买入 500 美元苹果”或“卖出 10 股 SPY”。
• 执行交易
  在选定券商执行已草拟的交易指令。
• 显示账户详情
  列出已绑定券商账户及当前市值与现金余额。例如：“显示我的账户”。
• 资产搜索
  查询任意股票或加密币的当前价格及元数据。例如：“苹果现在怎么样？”或“TSLA 价格是多少？”。
• 投资组合查询 (即将上线)
  将支持投资组合表现与敞口查询（如“我的投资组合怎么样？”）。
• 市场查询 (即将上线)
  将支持市场对比分析（如“伯克希尔与标普相比表现如何？”）。
• 跟单交易 (即将上线)
  将支持复制知名投资组合的交易（如“用 1000 美元投资 Nancy Pelosi 的组合。”）。

适用场景

• 股票与加密货币自动化交易
  让开发者可用自然语言接口直接通过支持券商执行交易，简化交易流程。
• 投资组合管理与分析
  支持获取账户详情和表现指标，帮助用户跨多家券商监控投资及现金。
• 市场数据获取
  提供股票和加密币的实时价格和元数据，助力 AI 智能体和用户做出明智决策。
• 券商聚合管理
  将多个券商账户整合到单一界面，便于管理多元投资组合与资产。
• 规划中的高级分析
  即将上线的投资组合、市场查询及跟单工具，将深化投资策略洞察和自动化。

如何配置

Windsurf

1. 确保您的设备已安装 Node.js。
2. 找到 Windsurf 配置文件。
3. 在 mcpServers 对象中添加 Trade Agent MCP 服务器。
4. 保存配置并重启 Windsurf。
5. 验证 MCP 服务器是否可用。

示例 JSON：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"]
    }
  }
}

API 密钥安全配置：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"],
      "env": {
        "TRADE_AGENT_API_KEY": "${TRADE_AGENT_API_KEY}"
      },
      "inputs": {
        "apiKey": "${TRADE_AGENT_API_KEY}"
      }
    }
  }
}

Claude

1. 确认已安装 Node.js。
2. 打开 Claude 配置文件。
3. 插入 Trade Agent MCP 服务器信息。
4. 保存并重启 Claude。
5. 检查连接情况。

示例 JSON：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"]
    }
  }
}

API 密钥安全配置：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"],
      "env": {
        "TRADE_AGENT_API_KEY": "${TRADE_AGENT_API_KEY}"
      },
      "inputs": {
        "apiKey": "${TRADE_AGENT_API_KEY}"
      }
    }
  }
}

Cursor

1. 如未安装 Node.js，请先安装。
2. 找到 Cursor 配置设置。
3. 添加 Trade Agent MCP 服务器配置。
4. 保存并重启 Cursor。
5. 测试 MCP 连接。

示例 JSON：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"]
    }
  }
}

API 密钥安全配置：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"],
      "env": {
        "TRADE_AGENT_API_KEY": "${TRADE_AGENT_API_KEY}"
      },
      "inputs": {
        "apiKey": "${TRADE_AGENT_API_KEY}"
      }
    }
  }
}

Cline

1. 确认系统已安装 Node.js。
2. 打开 Cline 配置文件。
3. 在 mcpServers 下添加 Trade Agent MCP 服务器。
4. 保存并重启 Cline。
5. 检查设置是否生效。

示例 JSON：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"]
    }
  }
}

API 密钥安全配置：

{
  "mcpServers": {
    "trade-agent": {
      "command": "npx",
      "args": ["@Trade-Agent/trade-agent-mcp@latest"],
      "env": {
        "TRADE_AGENT_API_KEY": "${TRADE_AGENT_API_KEY}"
      },
      "inputs": {
        "apiKey": "${TRADE_AGENT_API_KEY}"
      }
    }
  }
}

如何在 FlowHunt 流程中使用 MCP

在 FlowHunt 中使用 MCP

要将 MCP 服务器集成到 FlowHunt 工作流中，首先在流程中添加 MCP 组件，并与您的 AI 智能体连接：

点击 MCP 组件，打开配置面板。在系统 MCP 配置区域，使用如下 JSON 格式填写服务器信息：

{
  "trade-agent": {
    "transport": "streamable_http",
    "url": "https://mcp.thetradeagent.ai/sse"
  }
}

配置完成后，AI 智能体即可作为工具访问该 MCP 的全部功能。如有需要，可将 “trade-agent” 替换为实际 MCP 服务器名称，并将 URL 替换为您自部署的 MCP 服务器地址。

概览

总体来看，Trade Agent MCP 服务器为交易与账户管理提供了完善的工具集，但缺少明确的指令模板与资源定义。文档内容清晰实用，但缺乏高级 MCP 特性（如 roots、采样、资源），更适合直接交易类场景。

MCP 评分

评分：
基于上述表格，我为 Trade Agent MCP 服务器在整体 MCP 成熟度和完整性方面打分为 5/10。它在主要用途上功能完备、文档清晰，但缺少标准 MCP 元素如指令模板和资源暴露，也未提及如 roots 或采样等高级特性。