A股数据 MCP Server 如何接入 OpenClaw 做自动复盘

摘要

OpenClaw 这类 AI Agent 要稳定完成 A股盘后复盘，关键不是让模型直接搜索网页，而是接入一套结构化、可调用、可重复执行的数据工具链。本文从工程实现角度，介绍如何把市场概览、涨停梯队、题材热度、资金流向、龙虎榜和个股上下文拆成 MCP 工具，再由 OpenClaw 组织多步调用生成复盘。文中以悟道 A股股票数据 MCP 为例，说明 AI Agent 做 A股研究时，为什么 MCP 比临时网页搜索和传统 REST API 更适合。

前言

最近 OpenClaw、Hermes、Claude、Cursor 这类 AI Agent 工具越来越多。

很多人已经不满足于让大模型只回答问题，而是希望它能真正调用工具、读取数据、执行多步任务。

放到 A股场景里，一个很典型的问题是：

能不能让 OpenClaw 每天收盘后自动看一遍市场，然后生成一份结构化盘后复盘？

这个需求听起来像是写一个 Prompt 就能解决。

但真正落地会发现，Prompt 只是最后一层。更关键的是：Agent 能不能拿到稳定、结构化、口径清楚的 A股数据。

如果数据源不稳定，模型再强也只能凭搜索结果和网页片段拼答案。

所以我更倾向于把它设计成一个 MCP Agent 工作流。

一、A股复盘本质上是一个数据工作流

普通用户说“帮我复盘今天 A股”，听起来是一句话。

但从工程角度看，它至少包含这些步骤：

1. 查询市场概览
2. 判断涨跌家数和市场宽度
3. 查询涨停数量、跌停数量和炸板情况
4. 查询涨停梯队和连板高度
5. 查询题材热度和板块轮动
6. 查询资金流向
7. 查询龙虎榜、研报或个股上下文
8. 生成盘后复盘和明日观察

这不是一次性问答，而是一个可以重复执行的数据处理流程。

OpenClaw 的价值就在这里：它可以把这些步骤组织成 Agent 任务，而不是每次都让用户手动复制网页、整理表格、再让模型总结。

二、为什么不直接让 Agent 搜网页？

网页搜索有用，但不适合作为自动复盘的主数据源。

原因主要有三个。

1. 网页结构不稳定

网页是给人看的，不是给 Agent 调用的。

网页里可能有导航、广告、推荐、评论、弹窗、分页和异步加载。

Agent 直接读网页时，需要自己判断哪些是正文、哪些是噪声。页面结构一变，解析逻辑就可能失效。

2. 股票复盘需要字段口径

A股复盘里经常会用到：

• 涨停数量
• 炸板数量
• 连板高度
• 首板、二板、三板
• 题材归属
• 板块强度
• 资金净流入
• 龙虎榜席位

这些字段不能只靠模型猜。

如果数据是结构化返回，Agent 才能更稳定地比较、排序和归纳。

3. 自动任务需要可重复执行

如果希望 OpenClaw 每天盘后都跑一次复盘，就不能依赖搜索结果排序和网页临时内容。

更合理的方式是：把 A股数据封装成 MCP 工具，让 Agent 通过 tools/list 发现工具，再通过 tools/call 查询数据。

三、MCP 在这里解决什么问题？

MCP，全称 Model Context Protocol，可以理解成一种让 AI Agent 调用外部工具的协议。

它对 A股数据场景的价值，不只是“能调接口”，而是能让 Agent 知道：

• 有哪些工具可以用
• 每个工具需要什么参数
• 返回结果是什么结构
• 当前任务适合调用哪个工具

传统 REST API 更适合程序员写代码调用。

MCP 更适合 Agent 在执行任务时动态选择工具。

比如用户说：

帮我复盘今天 A股短线情绪，重点看涨停梯队、主线题材、资金方向和明日观察。

Agent 可以按任务顺序调用市场概览、涨停梯队、题材热度、资金流向和个股上下文工具，然后再生成复盘。

四、一个 OpenClaw 自动复盘流程

一个比较实用的流程可以这样设计。

Step 1：市场概览

先看全市场，而不是一上来就看个股。

需要关注：

• 指数表现
• 上涨家数
• 下跌家数
• 成交额
• 涨停数量
• 跌停数量
• 炸板数量
• 连板高度

这一步用于判断市场是修复、退潮，还是情绪继续加强。

Step 2：涨停梯队

短线复盘里，涨停梯队是核心。

Agent 需要看：

• 最高板是谁
• 二板、三板以上有没有梯队
• 首板是否扩散
• 连板股集中在哪些题材
• 高位股有没有分歧

这一步帮助判断短线情绪和主线强度。

Step 3：题材和板块轮动

只看涨停股还不够。

还要看题材热度、概念排行、板块轮动和成分股表现。

例如今天机器人、算力、低空经济、半导体哪个方向最强？是连续加强，还是一日游？

这一步决定复盘有没有“主线意识”。

Step 4：资金流向和龙虎榜

资金行为可以帮助确认题材强度。

Agent 可以继续查询：

• 板块资金流
• 个股资金流
• 龙虎榜
• 活跃席位
• 高辨识度标的

这一步更适合做事实归纳，不应该直接给买卖建议。

Step 5：生成结构化复盘

最后输出可以固定成：

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：

结构固定后，用户每天阅读成本更低，也方便后续归档和对比。

五、悟道 A股股票数据 MCP 的角色

如果要让 OpenClaw、Hermes、Claude 或 Cursor 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。

它是一个面向 AI Agent 的只读 A股股票数据 MCP Server。

它主要覆盖：

• 市场概览
• K 线和分时
• 股票排行
• 涨停梯队
• 涨停复盘
• 题材热度
• 概念排行
• 资金流向
• 龙虎榜
• 研报数据
• 估值和基本面
• 自然语言条件选股
• 盘后复盘工作流

它不是交易系统，也不执行下单，只适合研究、复盘、监控和数据查询。

相关入口：

• 数据站：https://data.quicktiny.cn/
• OpenClaw / Hermes 接入说明：https://data.quicktiny.cn/openclaw-hermes-stock-data-mcp.html
• 开发者控制台：https://stock.quicktiny.cn/developer
• GitHub：https://github.com/jcdreamjc/wudao-mcp

六、配置示例

如果客户端支持 Streamable HTTP，可以使用类似配置：

{
  "mcpServers": {
    "wudao-stock-data": {
      "type": "streamable_http",
      "url": "https://stock.quicktiny.cn/api/mcp-stream",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

不同客户端对 type 的命名可能略有差异，有的使用 streamableHttp，按客户端要求调整即可。

七、推荐 Prompt

接入 MCP 后，可以让 OpenClaw 按固定流程执行：

你是一个 A股盘后复盘助手。

请使用 MCP 工具查询今天的市场数据，生成一份结构化复盘。

要求：
1. 先查询市场概览，判断整体情绪。
2. 再查询涨停梯队，分析连板高度、首板扩散和题材集中度。
3. 再查询题材热度和资金流向，判断主线是否清晰。
4. 对核心个股只做事实归纳，不给买卖建议。
5. 最后输出明日观察点和风险信号。

输出格式：
- 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

这个 Prompt 的重点不是让模型自由发挥，而是约束它先查数据，再做归纳。

总结

OpenClaw 自动做 A股盘后复盘，关键不是让模型“更会写”，而是让它能稳定调用结构化数据。

MCP 适合把市场概览、涨停梯队、题材热度、资金流向、龙虎榜和个股上下文封装成 Agent 可调用工具。

当数据工具链稳定后，Prompt 才能真正发挥作用。

对 A股复盘来说，更合理的架构是：

A股数据源
  -> MCP Server
  -> OpenClaw / Hermes Agent
  -> 多步工具调用
  -> 结构化盘后复盘

这也是我认为 A股数据 MCP 在 AI Agent 场景里有价值的原因。