熔岩 MCP 三分钟接入:在 AI 办公软件里查 A股消息面热度

简介: 熔岩 MCP 三分钟接入:拿 Key、填 Streamable HTTP 地址与 Authorization,在 AI 办公软件里查 A 股消息面热度。

Quick Summary

想在豆包办公、WorkBuddy 或千问办公里直接问「某只股票最近消息面热不热」,不必先写爬虫。熔岩把 A 股个股与概念板块的消息面热度做成只读 MCP,填地址和 API Key 就能提问。

为什么用 MCP 接热度数据

消息面热度回答的是「最近被提到多少、有多少机构/大V提到、要点是什么」,不是行情价,也不是荐股结论。量化与研究 Agent 常把这类结构化注意力数据当辅助输入:先筛「谁在变热」,再决定要不要深入看研报或公告。

MCP 的价值很直接:AI 办公软件自己调工具,你用自然语言提问即可。熔岩官方 MCP 地址是 Streamable HTTP:(见熔岩订阅页与文档)

开始前需要准备什么

  1. 能登录熔岩账号(手机号或 Google)。
  2. 一把以 lvk_ 开头的 API Key(控制台「AI数据服务」→「API Key」;首次创建 Key 时账号会自动获赠代金券,之后按成功请求次数计费)。
  3. 一台已安装豆包办公 / WorkBuddy / 千问办公电脑版的电脑。

Key 不要塞进网页前端,也不要发到公开群。请求头写法是 Authorization: Bearer lvk_你的Key(Bearer 后有一个空格);部分客户端也支持 X-API-Key。

三分钟接入步骤

1. 拿到 Key

打开 熔岩订阅页,登录后进入「AI数据服务」→「API Key」。复制默认 Key,或新建一把并限定 scope(如 opinions / agencies / concepts)与可选 IP 白名单。

2. 新建自定义连接器

在对应软件里找「连接器 / MCP / 自定义」入口,新建远程 MCP:

  • 传输:Streamable HTTP(豆包里常显示为「HTTP」)
  • URL:(见熔岩订阅页与文档)
  • Header:Authorization = Bearer lvk_你的Key

若支持粘贴 JSON,可用:

(配置示例见熔岩订阅页与文档中的 MCP 字段说明。)

部分支持 OAuth 的连接器可不填 Key,连接时走熔岩授权页;细节见 订阅文档。

3. 新建对话再提问

保存后确认连接器开关打开,新建一个对话(旧对话通常不会自动挂上新连接器)。可试:

  • 「宁德时代最近一周消息面热不热?」
  • 「固态电池概念里哪些股票被提到最多?」
  • 「最近 24 小时全市场个股热榜前几名是谁?」

连不上时按顺序查:Key 是否完整、Bearer 后是否有空格、开关是否打开、是否新建对话、余额是否充足(get_account 查余额不计费)。

接入后你能问到什么

工具均为只读。常见能力包括:个股消息面热度、概念内个股热度、全市场个股/概念热榜、高分机构/大V加权热榜、首提流、热度多时间窗与加速榜、日频面板、新闻命中个股、机构/大V PIT 评分等。字段含提及次数、参与机构/大V数、agency_id、摘要与要点;热榜附带的 heat_chg_1d / heat_chg_3d / heat_z20 是统计量,文档明确标注为非交易信号。

更完整的工具表与参数见 文档;也可把 Skill 模板 导入支持技能的软件,让模型按固定流程查热度。

FAQ

Q:MCP 和直接调 HTTP API 有什么区别?
A:数据同源。MCP 适合对话式 Agent;写脚本、定时任务更常走 REST(前缀 (见熔岩订阅页与文档)

Q:失败请求会扣费吗?
A:文档说明:参数错误、查不到、Key 无效、服务出错等失败请求不计费;查余额也不计费。成功调用按次从余额扣费。

Q:返回里会有多空结论或原文吗?
A:公开定位是结构化只读热度与匿名 agency_id,不把多空、荐股或长文原文当产品输出。

Conclusion

熔岩 MCP 三分钟接入的核心就是:拿 Key → 填 Streamable HTTP 地址与 Authorization → 新建对话提问。先跑通一条个股热度查询,再按文档扩展到概念热榜、首提流或加权热榜。

接入入口

示例仓库:lava-mcp

目录
相关文章
|
19天前
|
文字识别 前端开发 API
从零搭一个企业知识库问答系统:RAG 完整流程拆解
本文详解RAG知识库构建全流程:从企业多格式文档解析、语义切块、向量化入库,到在线问答的检索增强生成。涵盖OCR处理、Markdown结构化、父子切块策略、Embedding选型、向量库搭建及避坑指南,助你快速落地私有知识问答系统。
从零搭一个企业知识库问答系统:RAG 完整流程拆解
|
21天前
|
机器学习/深度学习 人工智能 监控
熔岩AI日频热度面板MCP数据:消息面 mentions 与 weighted_heat 如何接入量化回测
介绍熔岩日频热度面板(MCP 工具 get_stock_heat_panel)的字段结构、20 个标的/92 天限制,以及把 mentions 与 weighted_heat 接入量化回测时的日期对齐、可用时间与 PIT 口径要点。
92 1
|
8天前
|
存储 缓存 人工智能
AI Agent 调用熔岩 MCP 的提示词与结果缓存清单:按更新节奏设 TTL 的 24 项检查
把熔岩(Lava)远程 MCP 接进 AI Agent 后,最常见的浪费不是调用失败,而是「同一个问题在一轮对话里被查了三次」:模型换个说法重新调用 `get_market_hot_stocks`,或者对同一只股票先后用简称和代码各查一次 `get_stock_news_heat`。熔岩的工具全部只读,成功调用按次计费,数据又各有更新节奏,因此非常适合在 Agent 侧做一层结果缓存,并在提示词里约束调用方式。本文以检查清单的形式给出 24 项要点,分为接入、缓存键、TTL、提示词、错误与计费、审计六组。TTL 数值均为示例,以你的业务节奏为准。
79 0
|
8天前
|
编解码 安全 Python
把熔岩热度做成横截面因子:去极值、标准化与换手对照的 Python 走读
熔岩(Lava)的日频历史面板 `GET /panel/daily`(MCP 工具 `get_stock_heat_panel`)按自然日给出个股的 `mentions`、`agencies`、`weighted_heat` 与 `is_first_mention_day`。这些是原始计数,直接丢进多因子框架会遇到三个老问题:分布极度右偏、少数大票把截面拉成长尾、热度和换手天然相关。本文用一段可以逐格运行的 Python 伪客户端,把面板数据加工成「每个交易日一列、可横向比较」的热度因子:先取数、再变换、再去极值、再标准化,最后用你自己的换手率做对照残差。代码里的地址与令牌都是占位符,所有数字
51 0
|
8天前
熔岩加权热榜 as_of_date 与 15:00 截稿:给回测用的 PIT 口径
熔岩(Lava)加权热榜 `GET /hot/weighted`(MCP 工具 `get_weighted_hot_stocks`)把达标机构/大V 的每次提及按「分数 ÷ 1000」累加,得到 `weighted_heat`。它和全市场原始热榜不同:默认只看 `min_score=1050`(约前 10%)的主体,并且在传入 `as_of_date` 时采用 PIT(point-in-time)口径——分数只用当时已知数据,消息算到该日 15:00(Asia/Shanghai)。本文把计算公式、截稿规则,以及它和日频面板当前分口径、`/agencies/pit` 截面的差别写清楚。这一口径只
58 0
|
8天前
|
存储 监控 算法
用匿名 agency_id 做队列研究:稳定键、PIT 切片与不还原真名
熔岩(Lava)把讨论主体统一表示为匿名的 `agency_id`(格式示例:`AG0123456789AB`,仅说明形态,不是可查询的真实编号)。机构/大V 板块提供当前排行 `/agencies/ranking`、PIT 截面 `/agencies/pit`、单主体历史 `/agencies/{agency_id}/history` 和已发布日期 `/agencies/dates`(MCP 工具分别为 `get_agency_ranking`、`get_agency_pit`、`get_agency_history`、`list_agency_pit_dates`)。本文说明如何把 `ag
50 0
|
8天前
申万行业热度不能替代熔岩概念热度:用 /hot/concepts 与 /concepts/stocks 做交叉观察
申万行业是一套常用的行业分类;熔岩(Lava)的概念板块则是消息面热度里的概念主题,来自 `GET /hot/concepts`、`/concepts/stocks`、`/concepts/by-stock`(MCP 工具分别为 `get_market_hot_concepts`、`get_concept_stock_heat`、`get_stock_concept_heat`)。两者都可以按「一组股票」去观察讨论,但分类依据不同,不能互相替代。本文说明如何在本地保留申万行业标签的同时,用熔岩概念接口做交叉观察,以及概念名必须精确匹配的约束。只读监测与研究用途,不给出标的名单。
64 0
|
21天前
|
人工智能 Windows
熔岩AI MCP逐小时热度数据:用 /heat/windows 读懂消息面讨论的衰减曲线
介绍如何用熔岩 MCP 的 get_stock_heat_windows(/heat/windows)取近24小时逐小时数据,构造事件衰减曲线、划分形态,并用 /panel/daily 衔接更长周期。
71 0
|
24天前
|
JSON 人工智能 API
阿里云百炼 / 自定义 MCP:把熔岩(Lava)消息面热度接到你的智能体
熔岩(Lava)提供股票与概念板块的消息面热度监测,远程 MCP / REST 只读调用,可接入阿里云百炼等支持自定义 MCP(Streamable HTTP)的智能体平台。无多空、无原文、非荐股。
96 0
|
前端开发
大屏自适应/适配方案【详解】(echarts自适配、rem、flexible.js、vscode中px2rem插件自动计算rem)
大屏自适应/适配方案【详解】(echarts自适配、rem、flexible.js、vscode中px2rem插件自动计算rem)
2397 0

热门文章

最新文章