/ 目录 / 演练场 / mcp_massive
● 社区 massive-com ⚡ 即开即用

mcp_massive

作者 massive-com · massive-com/mcp_massive

查询 Massive.com 金融市场数据——股票、期权、加密货币、基本面信息——使用自然语言端点发现和内置的 DataFrame 分析。

mcp_massive 包含 4 个可组合的工具:按描述搜索端点、获取端点文档、调用任意 API 并可选存储为 DataFrame、对存储的 DataFrame 运行 SQL。还内置了期权定价(Black-Scholes)、收益计算和技术指标函数。

为什么要用

核心特性

实时演示

实际使用效果

massive.replay ▶ 就绪
0/0

安装

选择你的客户端

~/Library/Application Support/Claude/claude_desktop_config.json  · Windows: %APPDATA%\Claude\claude_desktop_config.json
{
  "mcpServers": {
    "massive": {
      "command": "uvx",
      "args": [
        "mcp_massive"
      ],
      "_inferred": true
    }
  }
}

打开 Claude Desktop → Settings → Developer → Edit Config。保存后重启应用。

~/.cursor/mcp.json · .cursor/mcp.json
{
  "mcpServers": {
    "massive": {
      "command": "uvx",
      "args": [
        "mcp_massive"
      ],
      "_inferred": true
    }
  }
}

Cursor 使用与 Claude Desktop 相同的 mcpServers 格式。项目级配置优先于全局。

VS Code → Cline → MCP Servers → Edit
{
  "mcpServers": {
    "massive": {
      "command": "uvx",
      "args": [
        "mcp_massive"
      ],
      "_inferred": true
    }
  }
}

点击 Cline 侧栏中的 MCP Servers 图标,然后选 "Edit Configuration"。

~/.codeium/windsurf/mcp_config.json
{
  "mcpServers": {
    "massive": {
      "command": "uvx",
      "args": [
        "mcp_massive"
      ],
      "_inferred": true
    }
  }
}

格式与 Claude Desktop 相同。重启 Windsurf 生效。

~/.continue/config.json
{
  "mcpServers": [
    {
      "name": "massive",
      "command": "uvx",
      "args": [
        "mcp_massive"
      ]
    }
  ]
}

Continue 使用服务器对象数组,而非映射。

~/.config/zed/settings.json
{
  "context_servers": {
    "massive": {
      "command": {
        "path": "uvx",
        "args": [
          "mcp_massive"
        ]
      }
    }
  }
}

加入 context_servers。Zed 保存后热重载。

claude mcp add massive -- uvx mcp_massive

一行命令搞定。用 claude mcp list 验证,claude mcp remove 卸载。

使用场景

实战用法: mcp_massive

分析期权链和理论价值定价

👤 期权交易者、量化爱好者 ⏱ ~20 min advanced

何时使用: 你想查看 AAPL 期权,比较 IV 和历史波动率,并验证 Black-Scholes 值。

前置条件
  • Massive.com API key — 注册 massive.com——免费层级
步骤
  1. 查找正确的端点
    搜索端点:'给定代码和到期日的期权链'。✓ 已复制
    → 最匹配的端点 + 参数
  2. 拉取链
    调用 AAPL 下一个月度到期的端点。存储为 DataFrame 'aapl_chain'。✓ 已复制
    → DataFrame 已存储;头部预览
  3. 分析
    运行 SQL:SELECT strike, iv, bid, ask FROM aapl_chain WHERE expiry=... ORDER BY strike。为每个计算 Black-Scholes 价格并显示与市场中点的差异。✓ 已复制
    → 执行价与 BS-vs-市场的表格

结果: 无需自己编写 Python 的实时期权筛选。

注意事项
  • 免费层级的数据延迟 — 检查数据时间戳;实时数据使用付费层级

计算投资组合在某个时期的总收益

👤 追踪业绩的投资者 ⏱ ~15 min intermediate

何时使用: 年末——我的 10 头寸投资组合相比 SPY 表现如何?

步骤
  1. 获取价格
    对于 [list] 中的每个代码,获取从 1 月 1 日至今的每日收盘价。每个存储为一个 DataFrame。✓ 已复制
    → 每个代码的价格序列
  2. 计算加权收益
    使用我的权重 [paste],计算加权投资组合收益。与同期 SPY 收益进行比较。✓ 已复制
    → 投资组合年初至今 vs SPY 年初至今

结果: 无需电子表格的快速投资组合报告。

注意事项
  • 默认不计算股息再投资 — 使用经调整收盘价序列;要求 Claude 记下假设
搭配使用: filesystem

根据基本面标准筛选股票

👤 价值投资者 ⏱ ~20 min intermediate

何时使用: 你想找 P/E < 15、股息收益率 > 3%、5 年收益增长为正的美国大盘股。

步骤
  1. 查找端点
    搜索 'fundamentals' 和 'screener' 端点。选择合适的。✓ 已复制
    → 端点选择
  2. 筛选
    获取标普 500 成分股的基本面数据。存储为 DataFrame。运行 SQL 按我的标准筛选。✓ 已复制
    → 匹配的代码及关键比率

结果: 进一步研究的候选名单。

注意事项
  • 基本面数据相比季度财报滞后数周 — 检查 as_of 日期

组合

与其他 MCP 搭配,撬动十倍杠杆

massive + filesystem

将分析持久化为 CSV 以供 Excel 后续使用

筛选后,将最终 DataFrame 导出为 /reports/screen-YYYY-MM-DD.csv。✓ 已复制

工具

此 MCP 暴露的能力

工具输入参数何时调用成本
search_endpoints query: str 第一步——发现可用的内容 free
get_endpoint_docs endpoint_id 在调用不熟悉的端点前 free
call_api endpoint, params, store_as?: str 真正获取数据;存储以便重新查询 1 API call
query_data sql: str 分析已存储的 DataFrame 无需重新获取 free

成本与限制

运行它的成本

API 配额
按 Massive.com 计划
每次调用 Token 数
原始序列可能很大——使用 DataFrame + SQL 进行切片
费用
存在免费层级;实时/更高流量使用付费
提示
store_as + query_data 比每次重新获取和重新解析便宜得多。

安全

权限、密钥、影响范围

凭据存储: MASSIVE_API_KEY 环境变量
数据出站: 向 massive.com 的查询

故障排查

常见错误与修复

来自 Massive 的 401

检查 API key。验证它在仪表板中仍然活跃。

超过 DataFrame 限制(默认 50 / 50k 行)

通过环境配置提高或通过 SQL 限制分块。

query_data 中的 SQL 语法错误

查询引擎是一个子集——检查文档了解支持的函数。

替代方案

mcp_massive 对比其他方案

替代方案何时用它替代权衡
Alpaca MCP你也想要交易,不仅仅是数据不同的经纪人;数据范围更窄
Polygon.io / Alpha Vantage direct + fetch MCP你想要完全的 API 控制你需要自己编写获取和解析代码

更多

资源

📖 阅读 GitHub 上的官方 README

🐙 查看未解决的 issue

🔍 浏览全部 400+ MCP 服务器和 Skills