@themarketbrew/market-lens-mcp

v0.4.1

Published

13 days ago

Thin local MCP adapter for TheMarketBrew Market Lens backend context packs.

0High
0Medium
0Low

Market Lens MCP

Market Lens MCP 是一个本地 stdio MCP adapter，用来把用户自己的 Agent 连接到 TheMarketBrew 的 backend lens engine。当前默认 persona 是 qinbafrank，后续可以扩展更多投资博主、分析师或方法论 lens。

本地包不包含完整方法论资产。它只负责暴露 MCP tools、读取 backend URL、调用 backend，并把 backend 返回的 context pack 交给用户自己的 Agent。

用户自己的 Agent / MCP Client
  -> market-lens-mcp 本地 adapter
  -> TheMarketBrew backend
  -> persona evidence / market data / workflow context
  -> 用户 Agent 自己生成最终回答

给第一次使用 MCP 的用户

MCP 可以理解成一组给 AI 客户端使用的外部工具。你把 Market Lens MCP 配置到自己的 AI 客户端后，客户端就可以调用 Market Lens tools，从 TheMarketBrew backend 获取 persona 历史证据、市场数据和 workflow context。

你需要准备两样东西：

一个支持 MCP 的 AI 客户端，例如 Codex、Claude Code、Claude Desktop、Cursor 等。
电脑上已经安装 Node.js。可以在终端运行 node -v 检查。

让你的 Agent 自动安装

如果你正在使用 Codex、Claude Code、Cursor 或其他 coding agent，最简单的方式是直接把下面这段 prompt 发给它。Agent 会根据你当前使用的客户端选择安装方式。

请帮我安装 Market Lens MCP。

配置要求：
- MCP server 名称：market-lens
- NPM 包：@themarketbrew/market-lens-mcp
- 启动命令：npx -y @themarketbrew/market-lens-mcp
- MARKET_LENS_BACKEND_URL=https://stock-agent-production.up.railway.app/api
- MARKET_LENS_PERSONA=qinbafrank

请根据当前环境选择安装方式：
1. 如果是 Codex，优先使用 `codex mcp add market-lens ...`。
2. 如果是 Claude Code，优先使用 `claude mcp add market-lens -s user ...`。
3. 如果是 Claude Desktop，请写入 Claude Desktop 的 MCP 配置文件：
   - macOS: ~/Library/Application Support/Claude/claude_desktop_config.json
   - Windows: %APPDATA%\Claude\claude_desktop_config.json
4. 如果是 Cursor，请写入 ~/.cursor/mcp.json。

安装后请验证：
- MCP 配置里 command 是 npx
- args 是 ["-y", "@themarketbrew/market-lens-mcp"]
- env 包含 MARKET_LENS_BACKEND_URL；MARKET_LENS_PERSONA 可选
- 如果当前客户端已经能刷新 MCP，请调用 market_lens_status 检查连接
- 如果不能刷新，请告诉我需要重启客户端，然后让我重启后调用 market_lens_status

手动一行安装

所有命令都使用 npx -y @themarketbrew/market-lens-mcp，不需要提前全局安装 NPM 包。

Codex

codex mcp add market-lens --env MARKET_LENS_BACKEND_URL=https://stock-agent-production.up.railway.app/api --env MARKET_LENS_PERSONA=qinbafrank -- npx -y @themarketbrew/market-lens-mcp

Claude Code

claude mcp add market-lens -s user -e MARKET_LENS_BACKEND_URL=https://stock-agent-production.up.railway.app/api -e MARKET_LENS_PERSONA=qinbafrank -- npx -y @themarketbrew/market-lens-mcp

Claude Desktop

node -e 'const fs=require("fs"),os=require("os"),path=require("path");const file=process.platform==="win32"?path.join(process.env.APPDATA,"Claude","claude_desktop_config.json"):path.join(os.homedir(),"Library/Application Support/Claude/claude_desktop_config.json");fs.mkdirSync(path.dirname(file),{recursive:true});const cfg=fs.existsSync(file)?JSON.parse(fs.readFileSync(file,"utf8")||"{}"):{};cfg.mcpServers={...(cfg.mcpServers||{}),"market-lens":{command:"npx",args:["-y","@themarketbrew/market-lens-mcp"],env:{MARKET_LENS_BACKEND_URL:"https://stock-agent-production.up.railway.app/api",MARKET_LENS_PERSONA:"qinbafrank"}}};fs.writeFileSync(file,JSON.stringify(cfg,null,2)+"\n");console.log("Installed market-lens in "+file);'

重启 Claude Desktop 后生效。

Cursor

node -e 'const fs=require("fs"),os=require("os"),path=require("path");const file=path.join(os.homedir(),".cursor","mcp.json");fs.mkdirSync(path.dirname(file),{recursive:true});const cfg=fs.existsSync(file)?JSON.parse(fs.readFileSync(file,"utf8")||"{}"):{};cfg.mcpServers={...(cfg.mcpServers||{}),"market-lens":{command:"npx",args:["-y","@themarketbrew/market-lens-mcp"],env:{MARKET_LENS_BACKEND_URL:"https://stock-agent-production.up.railway.app/api",MARKET_LENS_PERSONA:"qinbafrank"}}};fs.writeFileSync(file,JSON.stringify(cfg,null,2)+"\n");console.log("Installed market-lens in "+file);'

重启 Cursor 后，在 MCP tools 列表里启用 market-lens。

安装后，你可以先问：

请调用 market_lens_status 检查 Market Lens MCP 是否已经连接成功。

如果连接成功，你会看到 adapter/backend 状态、当前 persona 和可用工具列表。

手动配置备用

如果你的 MCP 客户端需要手动编辑 JSON，可以使用这段配置：

{
  "mcpServers": {
    "market-lens": {
      "command": "npx",
      "args": ["-y", "@themarketbrew/market-lens-mcp"],
      "env": {
        "MARKET_LENS_BACKEND_URL": "https://stock-agent-production.up.railway.app/api",
        "MARKET_LENS_PERSONA": "qinbafrank"
      }
    }
  }
}

全局安装方式

通常不需要全局安装。只有当你的 MCP 客户端不能直接运行 npx 时，再用这种方式：

npm install -g @themarketbrew/market-lens-mcp

全局安装后，MCP 配置可以写成：

{
  "mcpServers": {
    "market-lens": {
      "command": "market-lens-mcp",
      "args": [],
      "env": {
        "MARKET_LENS_BACKEND_URL": "https://stock-agent-production.up.railway.app/api",
        "MARKET_LENS_PERSONA": "qinbafrank"
      }
    }
  }
}

所有 tools 都通过 backend URL 调用。

旧版 FRANK_LENS_BACKEND_URL、FRANK_LENS_PERSONA 仍然被兼容读取，但新配置建议使用 MARKET_LENS_*。

从本地包测试

如果你拿到的是本地源码，而不是 NPM 上的包，可以这样安装：

cd /Users/kedeng/projects/stock-agent/mcp/market-lens
npm install
npm run build
npm install -g .

然后使用上面的全局安装配置。

Tools

主工具是 persona-neutral 的 market_lens_*，通过 persona 参数切换博主：

market_lens_status — 检查 adapter/backend/persona 状态。
market_lens_personas — 列出可用 persona、蒸馏物料层级数量和 workflow capability。
market_lens_list_lenses — 返回某个 persona 的 core/framework/macro/sector/ticker lens index。
market_lens_get_lens — 返回单个 lens 的完整蒸馏 markdown、parsed sections、metadata 和 Evidence Map tweet IDs。
market_lens_search_lenses — 在全部蒸馏物料里搜索 topic/rule/ticker/phrase，用来找到 lens ID。
market_lens_search_evidence — 语义检索历史推文 evidence chunks。
market_lens_get_evidence_by_ids — 根据 market_lens_get_lens 返回的 Evidence Map tweet IDs 取原始推文。
market_lens_build_context — 对开放问题构建 evidence + market facts + methodology summary。
market_lens_stock_diagnosis — 个股诊断 context pack。
market_lens_market_regime — 市场/宏观环境 context pack。
market_lens_compare — 多标的比较 context pack。
market_lens_research_memo — 深度 memo context pack。

兼容别名仍保留一到两个 minor version，固定 persona=qinbafrank：

frank_status
frank_search_evidence
frank_stock_diagnosis
frank_market_regime
frank_compare
frank_research_memo

所有 workflow tools 返回 context pack，不直接替用户写最终答案。调用方 Agent 应使用返回的 kol_chunks、market_context、methodology_context、 answer_discipline 和 suggested_answer_shape 组织最终回答。 Material tools 返回蒸馏物料 context；Evidence tools 返回历史推文 context。

示例调用

判断股票

{
  "persona": "qinbafrank",
  "question": "按 Frank 框架看 NVDA 这次回调是杀估值、杀业绩还是杀逻辑？",
  "ticker": "NVDA",
  "evidence_limit": 6,
  "include_market_data": true
}

判断市场行情

{
  "persona": "qinbafrank",
  "question": "按 Frank 框架判断当前市场行情。",
  "evidence_limit": 6,
  "include_market_data": true
}

比较标的

{
  "persona": "qinbafrank",
  "question": "NVDA 和 AVGO 只能留一只，按 Frank 框架怎么选？",
  "tickers": ["NVDA", "AVGO"],
  "evidence_limit": 6,
  "include_market_data": true
}

检索历史证据

{
  "persona": "qinbafrank",
  "query": "NVDA AI capex RPO 打脸条件",
  "k": 5
}

检索蒸馏物料

{
  "persona": "qinbafrank",
  "query": "Veto 打脸条件",
  "lens_types": ["core", "framework", "sector"],
  "limit": 5
}

获取完整 lens

{
  "persona": "qinbafrank",
  "lens_type": "ticker",
  "lens_id": "NVDA"
}

本地验证

cd /Users/kedeng/projects/stock-agent/mcp/market-lens
npm run build
npm run inspect
npm run smoke
npm run smoke:adapter

确认发布包不包含本地 assets：

npm pack --dry-run

Live 验证

先启动 backend：

cd /Users/kedeng/projects/stock-agent/backend
set -a
source /Users/kedeng/projects/stock-agent/backend/.env
set +a
/Users/kedeng/projects/stock-agent/backend/venv/bin/uvicorn app.main:app --host 127.0.0.1 --port 8000

再运行：

MARKET_LENS_BACKEND_URL=http://127.0.0.1:8000/api \
npm run smoke:live

安全边界

不冒充 qinbafrank。
只有返回的 kol_chunks 可以被称为历史证据。
区分历史证据、实时市场数据、方法论推断。
不给直接买入、卖出、加仓、减仓指令。
不输出精确目标价。