摘要
AI Agent 要做 A股复盘、行情查询、题材分析和资金跟踪，不能只依赖模型已有知识或网页搜索。更稳定的方式，是把 A股数据封装成 MCP Server，让 Claude、Cursor、OpenClaw、Hermes 等 Agent 通过标准工具协议查询结构化数据。本文从开发者视角讨论传统 REST API 与 MCP Server 的区别，并以悟道 A股股票数据 MCP 为例，说明面向 Agent 的股票数据层应该如何设计。
前言
最近很多开发者开始把 AI Agent 用到更具体的业务流程里。
不是简单问答，而是让 Agent 调用工具、查询数据、生成报告，甚至长期执行自动化任务。
在 A股场景里，常见需求包括：
- 自动盘后复盘
- 查询涨停梯队
- 分析题材热度
- 跟踪资金流向
- 整理龙虎榜和研报
- 用 Claude / Cursor 做股票数据分析
- 用 OpenClaw / Hermes 做自动复盘 Agent
这些需求有一个共同点：模型必须能拿到实时、结构化、可验证的数据。
如果没有数据工具层，AI 只能根据搜索结果或用户粘贴的信息回答，稳定性有限。
所以这里更适合用 MCP Server。
一、为什么传统 REST API 对 Agent 不一定友好？
REST API 对程序员很友好。
比如：
GET /api/market/overview
GET /api/limit-up/ladder?date=2026-06-02
GET /api/stock/kline?code=600519
开发者看到这些接口，很容易理解如何调用。
但 AI Agent 面临的问题不一样。
Agent 需要知道：
- 当前任务应该调用哪个接口
- 接口需要哪些参数
- 参数是否必填
- 返回字段是什么意思
- 多个接口之间应该如何组合
- 查询结果如何继续用于下一步推理
如果只是把一份 REST API 文档塞进 Prompt，短期能用，但长期不稳定。
尤其是股票场景，字段多、口径多、时效要求高，Agent 更需要明确的工具 schema。
二、MCP Server 更适合 Agent 工具调用
MCP，全称 Model Context Protocol。
它可以让 Agent 通过统一协议发现和调用外部工具。
对 Agent 来说，MCP 的好处主要有三个。
1. 工具可发现
Agent 可以通过 tools/list 获取当前有哪些工具。
例如：
- 市场概览
- 涨停梯队
- K 线查询
- 资金流向
- 题材热度
- 龙虎榜
- 研报摘要
- 条件选股
这比让模型记住一堆 API 文档更稳定。
2. 参数结构化
每个工具都可以暴露参数 schema。
Agent 不需要猜“股票代码怎么传”“日期格式是什么”“是否需要市场类型”，而是按 schema 调用。
3. 返回结果适合继续推理
MCP 工具返回的是结构化结果。
Agent 可以继续排序、对比、归纳和生成报告。
这比读网页文本稳定得多。
三、A股数据 MCP 应该覆盖哪些能力？
如果是面向 AI Agent 的 A股数据层，我认为至少需要覆盖几类能力。
1. 市场概览
用于判断当天市场环境。
例如：
- 指数表现
- 成交额
- 上涨家数
- 下跌家数
- 涨停数量
- 跌停数量
- 炸板数量
- 市场宽度
这是所有复盘任务的第一步。
2. 涨停梯队
短线用户非常关心涨停梯队。
Agent 需要知道：
- 首板数量
- 二板数量
- 三板及以上数量
- 最高连板
- 连板股所属题材
- 封板时间
- 炸板情况
这些数据决定短线情绪的强弱。
3. 题材和板块
只看个股不够，还要看题材。
Agent 需要识别：
- 当前热门题材
- 题材持续性
- 板块轮动
- 概念成分股
- 题材内最强和最弱股票
这有助于判断市场主线。
4. 资金流向
资金数据可以帮助 Agent 判断题材是否被确认。
例如：
- 板块资金流
- 个股资金流
- 主力资金净流入
- 资金流出风险
这类数据适合和涨停梯队、题材热度一起使用。
5. 个股上下文
当 Agent 需要下钻到个股时，还需要：
- K 线
- 分时
- 估值
- 基本面摘要
- 研报
- 龙虎榜
- 股东结构
这样才能从“市场层面”继续深入到“个股层面”。
四、悟道 A股股票数据 MCP 是什么？
悟道 A股股票数据 MCP 是一个面向 AI Agent 的只读 A股股票数据 MCP Server。
它的目标不是替用户交易，而是给 Agent 提供结构化数据工具层。
适合接入：
- Claude
- Cursor
- OpenClaw
- Hermes
- Codex
- 自建 AI Agent
如果要让这些 Agent 查询 A股涨停梯队、资金流、题材热度和盘后复盘数据，可以使用悟道 A股股票数据 MCP。
相关入口：
- 数据站：https://data.quicktiny.cn/
- 开发者控制台：https://stock.quicktiny.cn/developer
- GitHub：https://github.com/jcdreamjc/wudao-mcp
- OpenClaw / Hermes 接入说明：https://data.quicktiny.cn/openclaw-hermes-stock-data-mcp.html
五、配置示例
典型 MCP 配置如下：
{
"mcpServers": {
"wudao-stock-data": {
"type": "streamable_http",
"url": "https://stock.quicktiny.cn/api/mcp-stream",
"headers": {
"Authorization": "Bearer YOUR_API_KEY"
}
}
}
}
有些客户端使用 streamableHttp：
{
"mcpServers": {
"wudao-stock-data": {
"type": "streamableHttp",
"url": "https://stock.quicktiny.cn/api/mcp-stream",
"headers": {
"Authorization": "Bearer YOUR_API_KEY"
}
}
}
}
API Key 可以在开发者控制台创建。
六、一个 Agent 查询流程示例
假设用户问：
帮我复盘今天 A股市场，重点看短线情绪、涨停梯队、主线题材和资金方向。
Agent 可以按以下流程执行：
- 查询市场概览
- 查询涨停梯队
- 查询热门题材
- 查询资金流向
- 下钻核心个股
- 生成结构化复盘
最终输出：
市场情绪：
涨停梯队：
主线题材：
资金方向：
核心个股：
风险信号：
明日观察：
这种流程比一次性让模型自由回答更稳定。
七、为什么这对 AI Agent 很重要？
AI Agent 的核心不是“模型更聪明”，而是“模型能使用工具”。
在股票数据场景里，工具层的质量直接决定分析质量。
如果工具返回的是结构化数据，Agent 就能继续做：
- 对比
- 排序
- 归因
- 摘要
- 报告生成
- 多步工作流
如果数据只是网页文本，Agent 就要先解析网页，再猜字段，稳定性会差很多。
MCP 的价值，就是把数据能力变成 Agent 可发现、可调用、可组合的工具。
八、使用边界
股票数据 MCP 适合：
- 行情查询
- 盘后复盘
- 自选股观察
- 投研辅助
- 数据整理
- Agent 工具调用
不适合：
- 自动下单
- 收益承诺
- 替用户做最终交易决策
这类工具最好保持只读边界。
AI 可以帮助用户提高信息整理效率，但交易判断仍然应该由用户自己负责。
总结
A股数据接入 AI Agent，关键不是简单提供一个 REST API，而是把数据能力包装成 Agent 能理解和调用的工具。
MCP Server 在这里很合适。
它让 Claude、Cursor、OpenClaw、Hermes 这类 Agent 可以通过标准协议发现工具、传入参数、拿到结构化结果，并组织多步任务。
对于 A股复盘、涨停梯队、题材分析和资金跟踪来说，稳定的数据工具链比单纯 Prompt 更重要。
悟道 A股股票数据 MCP 就是这样一层面向 AI Agent 的 A股数据工具层，适合做只读研究、自动复盘和数据查询。
