by dfkai
xtquantai 是一个 MCP 服务器，集成了 xtquant 量化交易平台与 AI 助手，使 AI 能够访问和操作量化交易数据与功能。需要 Python 3.11 及以上版本，以及 xtquant 包作为依赖。
Repository-wide counts · Cached 2026-03-07
The xtquantai MCP server is a publicly available project. Review the upstream repository for installation instructions, supported tools, compatibility, permissions, and current maintenance status.
Configuration, transport, authentication, and runtime requirements vary by project. Open the repository before connecting and use the smallest set of credentials and permissions required.
Open the xtquantai repository to read the latest documentation.
Compare source, connection, and authentication details before choosing an implementation.
View the complete category
financial-datasets
一个模型上下文协议（MCP）服务器，提供股票市场数据的访问，包括财务报表（收入表、资产负债表、现金流量表）、股票价格和市场新闻。需要通过环境变量 FINANCIAL_DATASETS_API_KEY 设置 API 密钥，配置在 .env 文件中。
zhangxiangliang
TypeScript stock market data tool supporting A-share, Hong Kong, and US stock quotes. Supports Node.js, browser, CLI, and MCP usage with zero runtime dependencies. No external data files required.
BruceLanLan
Augur is a local research memory system designed to help you remember when you knew what, what changed, and who disagreed on what facts. It is not an AI stock recommendation tool but a multi-agent investment analysis system with 18 investor persona agents, consensus mechanism, and multi-platform deployment. Requires Python 3.9+ (3.10+ for MCP features). External data files are stored locally in ~/.augur by default, configurable via the AUGUR_DATA_DIR environment variable.
Build-time snapshot · Retrieved 2026-10-05
面向迅投 QMT / 投研终端的 Agent Skills 仓库：把量化策略开发的领域知识（因子回测、信号生成、实盘模板等）封装为标准 SKILL.md 技能，安装后可在 Claude Code、Cursor、Codex、Gemini CLI、Kimi Code 等 70+ AI 编程工具中直接使用。
本仓库曾是 xtquant 的 MCP 服务器实现，现已全面转型为 skill 仓库。旧 MCP 代码保留在
legacy-mcp分支（tagv0.1.0-mcp），不再维护。
| 技能 | 状态 | 说明 |
|---|---|---|
qmt-inner-backtest |
✅ 可用 | 根据策略描述 / 研报 PDF / 截图解读因子逻辑，基于母版脚本生成 QMT 内置日频截面因子回测策略（after_init 预计算信号 → handlebar 调仓执行，含 Barra 风格因子处理与防未来函数检查） |
qmt-future-trade |
🚧 规划中 | 期货开平仓策略 |
qmt-live-strategy-template |
🚧 规划中 | 目标持仓型实盘策略模板 |
qmt-live-signal-feishu |
🚧 规划中 | 信号生成 + 飞书推送 |
这个项目靠社区需求驱动——你在 QMT 量化中遇到的重复劳动，都可能值得做成一个技能：
所有技能在 CI 中自动按 Agent Skills 标准 校验。维护流程公开在 维护手册。
# 交互式选择要安装到的工具
npx skills add dfkai/xtquantai
# 只装某个技能
npx skills add dfkai/xtquantai --skill qmt-inner-backtest
# 装到全局目录（所有项目可用）
npx skills add dfkai/xtquantai -g
/plugin marketplace add dfkai/xtquantai
/plugin install qmt-skills@xtquantai
/plugins install https://github.com/dfkai/xtquantai
对任意 AI 编程工具说：
读取 https://raw.githubusercontent.com/dfkai/xtquantai/master/INSTALL.md 并按其中说明安装技能。
把 skills/<技能名>/ 整个文件夹复制到你所用工具的技能目录：
| 工具 | 项目级目录 | 用户级目录 |
|---|---|---|
| Claude Code | .claude/skills/ |
~/.claude/skills/ |
| Cursor (≥2.4) | .cursor/skills/（也读 .agents/、.claude/） |
~/.cursor/skills/ |
| OpenAI Codex CLI | .agents/skills/ |
~/.agents/skills/ |
| GitHub Copilot | .github/skills/（也读 .claude/、.agents/） |
— |
| Gemini CLI | .gemini/skills/ 或 .agents/skills/ |
— |
| Kimi Code CLI | .kimi-code/skills/ 或 .agents/skills/ |
— |
| Windsurf | .windsurf/skills/ 或 .agents/skills/ |
— |
| OpenCode | .opencode/skills/、.claude/skills/、.agents/skills/ |
— |
| Cline (≥3.48) | .cline/skills/ 或 .claude/skills/（需启用实验特性） |
— |
| 字节 Trae | 仅 .trae/skills/ |
— |
| Qwen Code | 仅 .qwen/skills/ |
— |
| iFlow CLI | 仅 .iflow/skills/ |
— |
跨工具通用目录是
.agents/skills/；只用 Claude 系工具可以放.claude/skills/。
安装 qmt-inner-backtest 后，在你的 AI 工具中直接说：
这份研报（附 PDF/截图）的上下影线因子，帮我生成一个中证1000、Top 10 持仓、5 日调仓的 QMT 回测脚本。
Agent 会先输出策略规格表供你确认，再基于母版生成完整的 QMT 策略编辑器回测脚本，并提示你需要在 QMT 面板中手动核对的配置项。
⚠️ QMT / 投研终端仅支持 Windows，生成的策略脚本需在 Windows 上的 QMT 策略编辑器中运行；skill 本身（生成脚本的过程）不限平台。
xtquantai/
├── skills/ # 技能目录（每个子目录一个 skill）
│ └── qmt-inner-backtest/
│ ├── SKILL.md # 技能定义（agentskills.io 标准格式）
│ └── scripts/
│ └── daily-factors-backtest.py # 回测母版脚本
├── .claude-plugin/
│ └── marketplace.json # Claude Code 插件市场清单
├── .github/ # issue/PR 模板与 CI 校验
├── kimi.plugin.json # Kimi Code 插件清单
├── INSTALL.md # 给 agent 读的安装指令
├── CONTRIBUTING.md # 贡献指南
└── docs/ # 调研文档与维护手册
MIT — 详见 LICENSE。