README.md
MaverickMCP (Python FastMCP 股市分析伺服器) 的 LM Studio Plugin 整合版本。
提供 37+ 個股市分析工具，包含市場數據、技術分析、篩選、投資組合追蹤、回測與深度研究。
README.md
MaverickMCP (Python FastMCP 股市分析伺服器) 的 LM Studio Plugin 整合版本。
提供 37+ 個股市分析工具，包含市場數據、技術分析、篩選、投資組合追蹤、回測與深度研究。
MaverickMCP 需要 Python version >=3.12 and <3.14，3.13 是最佳的版本 Ubuntu 26.04 系統預安裝是 3.14，因此需要透過底下命令列安裝 3.13：
如需啟用 研究功能 或自訂設定：
升級 MaverickMCP 原始碼 由於原始 MaverickMCP 程式碼保持不變，只需替換整個 maverick-mcp/ 目錄：
| Tool | 說明 |
|---|---|
| market_data_get_price_history | 單一股票 OHLCV 歷史價格 |
| market_data_get_price_history_batch | 多股票批次歷史價格 |
| market_data_get_quote | 單一即時報價 |
| market_data_get_stock_fundamentals | 估值、財務、交易統計 |
| market_data_get_market_overview | 指數、類股表現、波動率 |
| market_data_get_chart_links | 靜態外部圖表連結 |
| market_data_clear_market_cache | 清除報價快取 |
| Tool | 說明 |
|---|---|
| technical_get_rsi_analysis | RSI 讀值與訊號 |
| technical_get_macd_analysis | MACD 讀值與交叉狀態 |
| technical_get_support_resistance | 支撐/阻力位 |
| technical_get_full_technical_analysis | 完整技術分析 |
| Tool | 說明 |
|---|---|
| screening_get_bullish | 多頭動能篩選 |
| screening_get_bearish | 空頭篩選 |
| screening_get_supply_demand | 供需突破篩選 |
| screening_get_all | 全部篩選快照 |
| screening_get_by_criteria | 自訂條件篩選 |
| screening_run_screens | 重新計算篩選 |
| Tool | 說明 |
|---|---|
| portfolio_add_position | 新增/平均部位 |
| portfolio_get_my_portfolio | 完整投資組合快照 |
| portfolio_remove_position | 移除部位 |
| portfolio_clear_portfolio | 清空投資組合 |
| portfolio_risk_adjusted_analysis | ATR 部位大小/停損/目標 |
| portfolio_compare_tickers | 個股比較 |
| portfolio_correlation_analysis | 相關性矩陣 |
| portfolio_get_risk_dashboard | 風險儀表板 |
| portfolio_check_position_risk | 交易前風險檢查 |
| portfolio_get_regime_adjusted_sizing | 市場狀態調整部位 |
| portfolio_get_risk_alerts | 風險警示 |
| portfolio_watchlist_create | 建立觀察清單 |
| portfolio_watchlist_add | 新增觀察清單標的 |
| portfolio_watchlist_remove | 移除觀察清單標的 |
| portfolio_watchlist_brief | 觀察清單情報簡報 |
| portfolio_journal_add_trade | 新增交易日誌 |
| portfolio_journal_close_trade | 關閉交易 |
| portfolio_journal_list_trades | 列出交易 |
| portfolio_journal_review | 單一交易詳情 |
| portfolio_get_strategy_performance | 策略績效分析 |
| Tool | 說明 |
|---|---|
| backtesting_run_backtest | 單策略回測 |
| backtesting_optimize_strategy | 網格搜尋參數最佳化 |
| backtesting_walk_forward_analysis | 滾動最佳化/測試 |
| backtesting_monte_carlo_simulation | 蒙地卡羅模擬 |
| backtesting_compare_strategies | 多策略比較 |
| backtesting_list_strategies | 列出策略範本 |
| backtesting_backtest_portfolio | 多標的回測 |
| backtesting_parse_strategy | 自然語言轉策略 |
| backtesting_run_ml_strategy_backtest | ML 策略回測 |
| backtesting_train_ml_predictor | 訓練 ML 預測器 |
| backtesting_analyze_market_regimes | 市場狀態偵測 |
| backtesting_create_strategy_ensemble | 策略集成回測 |
| Tool | 說明 |
|---|---|
| research_run_comprehensive | 綜合深度研究 |
| research_analyze_company | 公司研究 |
| research_analyze_sentiment | 市場情緒分析 |
本軟體僅供教育與資訊用途，絕非財務建議。投資具有風險，過去表現不代表未來結果。使用前請諮詢合格財務顧問。
MIT License — 詳見 MaverickMCP 專案的 LICENSE 檔案。
基於 wshobson/maverick-mcp (https://github.com/wshobson/maverick-mcp) 開發。
MaverickMCP 需要 Python version >=3.12 and <3.14，3.13 是最佳的版本 Ubuntu 26.04 系統預安裝是 3.14，因此需要透過底下命令列安裝 3.13：
如需啟用 研究功能 或自訂設定：
升級 MaverickMCP 原始碼 由於原始 MaverickMCP 程式碼保持不變，只需替換整個 maverick-mcp/ 目錄：
| Tool | 說明 |
|---|---|
| market_data_get_price_history | 單一股票 OHLCV 歷史價格 |
| market_data_get_price_history_batch | 多股票批次歷史價格 |
| market_data_get_quote | 單一即時報價 |
| market_data_get_stock_fundamentals | 估值、財務、交易統計 |
| market_data_get_market_overview | 指數、類股表現、波動率 |
| market_data_get_chart_links | 靜態外部圖表連結 |
| market_data_clear_market_cache | 清除報價快取 |
| Tool | 說明 |
|---|---|
| technical_get_rsi_analysis | RSI 讀值與訊號 |
| technical_get_macd_analysis | MACD 讀值與交叉狀態 |
| technical_get_support_resistance | 支撐/阻力位 |
| technical_get_full_technical_analysis | 完整技術分析 |
| Tool | 說明 |
|---|---|
| screening_get_bullish | 多頭動能篩選 |
| screening_get_bearish | 空頭篩選 |
| screening_get_supply_demand | 供需突破篩選 |
| screening_get_all | 全部篩選快照 |
| screening_get_by_criteria | 自訂條件篩選 |
| screening_run_screens | 重新計算篩選 |
| Tool | 說明 |
|---|---|
| portfolio_add_position | 新增/平均部位 |
| portfolio_get_my_portfolio | 完整投資組合快照 |
| portfolio_remove_position | 移除部位 |
| portfolio_clear_portfolio | 清空投資組合 |
| portfolio_risk_adjusted_analysis | ATR 部位大小/停損/目標 |
| portfolio_compare_tickers | 個股比較 |
| portfolio_correlation_analysis | 相關性矩陣 |
| portfolio_get_risk_dashboard | 風險儀表板 |
| portfolio_check_position_risk | 交易前風險檢查 |
| portfolio_get_regime_adjusted_sizing | 市場狀態調整部位 |
| portfolio_get_risk_alerts | 風險警示 |
| portfolio_watchlist_create | 建立觀察清單 |
| portfolio_watchlist_add | 新增觀察清單標的 |
| portfolio_watchlist_remove | 移除觀察清單標的 |
| portfolio_watchlist_brief | 觀察清單情報簡報 |
| portfolio_journal_add_trade | 新增交易日誌 |
| portfolio_journal_close_trade | 關閉交易 |
| portfolio_journal_list_trades | 列出交易 |
| portfolio_journal_review | 單一交易詳情 |
| portfolio_get_strategy_performance | 策略績效分析 |
| Tool | 說明 |
|---|---|
| backtesting_run_backtest | 單策略回測 |
| backtesting_optimize_strategy | 網格搜尋參數最佳化 |
| backtesting_walk_forward_analysis | 滾動最佳化/測試 |
| backtesting_monte_carlo_simulation | 蒙地卡羅模擬 |
| backtesting_compare_strategies | 多策略比較 |
| backtesting_list_strategies | 列出策略範本 |
| backtesting_backtest_portfolio | 多標的回測 |
| backtesting_parse_strategy | 自然語言轉策略 |
| backtesting_run_ml_strategy_backtest | ML 策略回測 |
| backtesting_train_ml_predictor | 訓練 ML 預測器 |
| backtesting_analyze_market_regimes | 市場狀態偵測 |
| backtesting_create_strategy_ensemble | 策略集成回測 |
| Tool | 說明 |
|---|---|
| research_run_comprehensive | 綜合深度研究 |
| research_analyze_company | 公司研究 |
| research_analyze_sentiment | 市場情緒分析 |
本軟體僅供教育與資訊用途，絕非財務建議。投資具有風險，過去表現不代表未來結果。使用前請諮詢合格財務顧問。
MIT License — 詳見 MaverickMCP 專案的 LICENSE 檔案。
基於 wshobson/maverick-mcp (https://github.com/wshobson/maverick-mcp) 開發。
sudo add-apt-repository ppa:deadsnakes/ppa -y
sudo apt update
sudo apt install python3.13 python3.13-venv python3.13-dev
# 檢查安裝是否成功
python3.13 --version
lms pull hoonowng/maverick-lms-mcp
或者在 LM Studio App 內搜尋 "maverick-lms-mcp" 並點擊安裝。
手動安裝 (開發者)
git clone https://github.com/Nowng/maverick-lms-mcp.git
cd maverick-lms-mcp
npm install
npm run build
lms dev
開啟 LM Studio
前往 Settings → Plugins
找到 maverick-lms-mcp 並啟用開關
Plugin 啟動時會自動啟動 Python MCP server (首次可能需等待幾秒)
"顯示 NVDA 的 RSI 和 MACD 分析"
"顯示 AAPL 的完整技術分析"
"執行多頭篩選"
"買入 10 股 AAPL，成本價 $150.50"
"顯示我的投資組合"
"對 SPY 回測 momentum 策略，過去 6 個月"
編輯 maverick-mcp/.env (由 setup.js 自動建立)
設定以下變數：
# 研究功能 (需要 EXA_API_KEY + LLM)
EXA_API_KEY=your-exa-api-key
LLM_PROVIDER=openai
LLM_API_KEY=your-api-key
LLM_MODEL=gpt-4
# 可選：Redis 快取
REDIS_HOST=localhost
cd maverick-lms-mcp
# 移除舊版本
rm -rf maverick-mcp
# 重新 clone 最新版本
git clone --depth 1 https://github.com/wshobson/maverick-mcp.git maverick-mcp
# 重建 venv 並安裝依賴
node scripts/setup.js
# 重新編譯 (如果有 TypeScript 更新)
npm run build
LM Studio Chat
↓ (工具呼叫)
LM Studio Plugin (TypeScript, @lmstudio/sdk)
↓ (toolsProvider 動態查詢 + 註冊所有工具)
MCP Client (@modelcontextprotocol/sdk)
↓ (stdio JSON-RPC)
MaverickMCP Python Server (FastMCP)
↓
yfinance / VectorBT / LangGraph / PostgreSQL / SQLite
sudo add-apt-repository ppa:deadsnakes/ppa -y
sudo apt update
sudo apt install python3.13 python3.13-venv python3.13-dev
# 檢查安裝是否成功
python3.13 --version
lms pull hoonowng/maverick-lms-mcp
或者在 LM Studio App 內搜尋 "maverick-lms-mcp" 並點擊安裝。
手動安裝 (開發者)
git clone https://github.com/Nowng/maverick-lms-mcp.git
cd maverick-lms-mcp
npm install
npm run build
lms dev
開啟 LM Studio
前往 Settings → Plugins
找到 maverick-lms-mcp 並啟用開關
Plugin 啟動時會自動啟動 Python MCP server (首次可能需等待幾秒)
"顯示 NVDA 的 RSI 和 MACD 分析"
"顯示 AAPL 的完整技術分析"
"執行多頭篩選"
"買入 10 股 AAPL，成本價 $150.50"
"顯示我的投資組合"
"對 SPY 回測 momentum 策略，過去 6 個月"
編輯 maverick-mcp/.env (由 setup.js 自動建立)
設定以下變數：
# 研究功能 (需要 EXA_API_KEY + LLM)
EXA_API_KEY=your-exa-api-key
LLM_PROVIDER=openai
LLM_API_KEY=your-api-key
LLM_MODEL=gpt-4
# 可選：Redis 快取
REDIS_HOST=localhost
cd maverick-lms-mcp
# 移除舊版本
rm -rf maverick-mcp
# 重新 clone 最新版本
git clone --depth 1 https://github.com/wshobson/maverick-mcp.git maverick-mcp
# 重建 venv 並安裝依賴
node scripts/setup.js
# 重新編譯 (如果有 TypeScript 更新)
npm run build
LM Studio Chat
↓ (工具呼叫)
LM Studio Plugin (TypeScript, @lmstudio/sdk)
↓ (toolsProvider 動態查詢 + 註冊所有工具)
MCP Client (@modelcontextprotocol/sdk)
↓ (stdio JSON-RPC)
MaverickMCP Python Server (FastMCP)
↓
yfinance / VectorBT / LangGraph / PostgreSQL / SQLite