📈 MCP Trading Quantitative Analysis Server

Sistema de análisis de trading cuantitativo implementado como servidor MCP (Model Context Protocol) que permite a Claude acceder y analizar datos financieros, calcular indicadores técnicos, evaluar sentiment de noticias y generar señales de trading para acciones y forex.

✨ Características Principales

12 herramientas MCP organizadas en 4 categorías funcionales
Análisis técnico con 28+ indicadores técnicos (RSI, MACD, Bollinger Bands, etc.)
Análisis de sentiment usando FinBERT para noticias financieras
Señales de trading técnicas, fundamentales e híbridas con scores de confianza
Datos en tiempo real mediante Alpha Vantage API
Arquitectura modular y extensible para fácil integración de nuevas fuentes

🏗️ Arquitectura

El sistema está organizado en capas modulares:

Servidor MCP: Implementación del protocolo MCP con 12 herramientas
Datos de Mercado: Cliente Alpha Vantage para precios y datos históricos
Indicadores Técnicos: Cálculo automatizado con pandas-ta
Análisis NLP: FinBERT para sentiment analysis de noticias financieras
Generador de Señales: Combina análisis técnico y fundamental
Configuración: Variables de entorno con python-dotenv

🚀 Instalación

Requisitos

Python 3.12+
API Key de Alpha Vantage (gratis: https://www.alphavantage.co/support/#api-key)
API Key de NewsData.io (gratis: https://newsdata.io/)

Pasos

Clonar el repositorio

cd /ruta/a/pry_mcp_trading

Crear entorno virtual

python3 -m venv .venv
source .venv/bin/activate  # Linux/Mac
# o
.venv\Scripts\activate  # Windows

Instalar dependencias

pip install -r requirements.txt

Configurar API keys

cp .env.example .env
nano .env

Agregar tus claves:

ALPHA_VANTAGE_API_KEY=tu_api_key_aqui
NEWSDATA_API_KEY=tu_api_key_aqui

Probar conexión

python test_connection.py

Configurar Claude

Para Claude Desktop

Editar archivo de configuración según tu sistema operativo:

Linux:

nano ~/.config/Claude/claude_desktop_config.json

macOS:

nano ~/Library/Application\ Support/Claude/claude_desktop_config.json

Windows:

notepad %APPDATA%\Claude\claude_desktop_config.json

Agregar configuración (reemplazar con tu ruta real):

{
  "mcpServers": {
    "trading-quantitative": {
      "command": "/ruta/completa/a/pry_mcp_trading/.venv/bin/python",
      "args": [
        "/ruta/completa/a/pry_mcp_trading/server.py"
      ],
      "env": {
        "PYTHONPATH": "/ruta/completa/a/pry_mcp_trading"
      }
    }
  }
}

Para Claude Code (VSCode)

El archivo .mcp.json ya está configurado en la raíz del proyecto.

Asegúrate de tener en .claude/settings.local.json:

{
  "enableAllProjectMcpServers": true
}

Recarga VSCode: Ctrl+Shift+P → "Developer: Reload Window"

Verificación

Pregunta a Claude:

¿Qué herramientas MCP tienes disponibles?

Deberías ver las 12 herramientas de trading listadas.

🛠️ Tecnologías

Componente	Tecnología	Versión
Protocol	MCP SDK	1.0.0+
Data API	Alpha Vantage	API v2
News API	NewsData.io	API v1
Análisis Técnico	pandas-ta	Latest
NLP Sentiment	FinBERT (transformers)	4.57+
ML Framework	PyTorch	2.0+
Data Processing	pandas, numpy	Latest

📂 Estructura del Proyecto

pry_mcp_trading/
├── server.py                    # Servidor MCP principal
├── requirements.txt             # Dependencias Python
├── .env.example                 # Plantilla de configuración
├── .mcp.json                    # Config MCP para Claude Code
├── setup.sh                     # Script de instalación
├── test_connection.py           # Tests de conexión APIs
├── README.md                    # Esta documentación
├── .gitignore                   # Archivos ignorados
└── src/                         # Código fuente
    ├── config.py                # Configuración centralizada
    ├── market_data/             # Módulo de datos (3 tools)
    │   ├── __init__.py
    │   └── client.py            # Cliente Alpha Vantage
    ├── indicators/              # Módulo indicadores (4 tools)
    │   ├── __init__.py
    │   └── calculator.py        # Cálculo de indicadores
    ├── news_analysis/           # Módulo noticias (2 tools)
    │   ├── __init__.py
    │   ├── news_client.py       # Cliente NewsData.io
    │   └── sentiment_analyzer.py # FinBERT sentiment
    └── signals/                 # Módulo señales (3 tools)
        ├── __init__.py
        └── signal_generator.py  # Generador de señales

🔧 Herramientas MCP Disponibles

📊 Grupo 1: Datos de Mercado (3)

`get_current_price`

Obtiene precio actual de acciones o forex.

Ejemplo: "¿Cuál es el precio actual de AAPL?"

`get_historical_data`

Datos históricos OHLCV con múltiples intervalos (1min a monthly).

Ejemplo: "Muéstrame los datos históricos de TSLA de los últimos 3 meses"

`get_quote_info`

Información completa: precio, fundamentales, empresa.

Ejemplo: "Dame información completa sobre Microsoft (MSFT)"

📈 Grupo 2: Indicadores Técnicos (4)

`calculate_trend_indicators`

8 indicadores: SMA, EMA, MACD, ADX, AROON, PSAR, SUPERTREND, DEMA

Ejemplo: "Calcula el MACD y EMA(20) para AAPL"

`calculate_momentum_indicators`

8 indicadores: RSI, STOCHASTIC, CCI, WILLR, ROC, MFI, TSI, MOMENTUM

Ejemplo: "¿Cuál es el RSI actual de GOOGL?"

`calculate_volatility_indicators`

6 indicadores: BBANDS, ATR, KELTNER, STDDEV, DONCHIAN, ULCER

Ejemplo: "Calcula las Bandas de Bollinger para AMZN"

`calculate_volume_indicators`

6 indicadores: OBV, VWAP, AD, CMF, VO, PVT

Ejemplo: "Analiza el volumen de META con OBV y VWAP"

📰 Grupo 3: Análisis de Noticias (2)

`get_financial_news`

Obtiene últimas noticias financieras del activo.

Ejemplo: "Muéstrame las últimas noticias sobre Tesla"

`analyze_news_sentiment`

Analiza sentiment con FinBERT (positive/negative/neutral + score).

Ejemplo: "Analiza el sentiment de las noticias sobre Apple"

🎯 Grupo 4: Señales de Trading (3)

`generate_technical_signal`

Señales basadas en indicadores técnicos (simple o compuestas).

Ejemplo: "Dame una señal técnica para NVDA usando RSI"

`generate_fundamental_signal`

Señales basadas en sentiment de noticias con FinBERT.

Ejemplo: "¿Qué dicen las noticias sobre AMD? Dame una señal"

`generate_hybrid_signal`

Combina análisis técnico + fundamental con pesos configurables.

Ejemplo: "Genera una señal híbrida para Bitcoin"

📖 Ejemplos de Uso

Análisis Básico

Usuario: "¿Cuál es el precio actual de Apple?"

Claude: [Llama get_current_price("AAPL")]
        El precio actual de Apple es $270.37
        - Cambio: -$1.03 (-0.38%)
        - Volumen: 86,167,123
        - Máximo: $277.32 | Mínimo: $269.16

Análisis Técnico Completo

Usuario: "Analiza AAPL técnicamente"

Claude: [Ejecuta múltiples herramientas]
        📊 ANÁLISIS TÉCNICO DE APPLE (AAPL)

        Momentum:
        • RSI(14): 69.05 - NEUTRAL (cerca de sobrecompra)
        • Estocástico: 87.72 - SOBRECOMPRADO

        Tendencia:
        • Precio: $270.37
        • SMA(50): $248.25 - Precio 8.9% arriba ✓
        • EMA(20): $260.41 - Precio 3.8% arriba ✓

        🎯 SEÑAL: HOLD con sesgo alcista

Análisis de Sentiment

Usuario: "Analiza el sentiment de noticias de Apple"

Claude: [Llama analyze_news_sentiment("AAPL")]
        📰 SENTIMENT ANALYSIS - APPLE

        Score: +0.25 (positivo moderado)
        Confianza: 89.7%

        Distribución:
        - 6 noticias positivas (60%)
        - 3 noticias negativas (30%)
        - 1 noticia neutral (10%)

        Interpretación: Sentiment mayormente positivo

Señal de Trading Completa

Usuario: "Dame una recomendación de trading para AAPL"

Claude: [Genera señal híbrida]
        🎯 SEÑAL DE TRADING - APPLE (AAPL)

        RECOMENDACIÓN: HOLD (sesgo alcista)
        Confianza: 72%

        Análisis Técnico (60%):
        ✓ Tendencia alcista (SMA/EMA)
        ⚠️ Estocástico sobrecomprado

        Análisis Fundamental (40%):
        ✓ Sentiment positivo (+0.25)

        Plan sugerido:
        - Entrada: Esperar pullback a $260-265
        - Stop Loss: $255
        - Target: $280-285

🔑 Características Técnicas

Procesamiento de Datos

Caché inteligente para optimizar requests a APIs
Manejo de errores robusto con reintentos automáticos
Validación de datos con pandas para limpieza automática

Análisis de Sentiment

FinBERT especializado en textos financieros
Modelo pre-entrenado de Hugging Face (ProsusAI/finbert)
Análisis por artículo con agregación ponderada
Descarga automática del modelo en primera ejecución

Generación de Señales

Estrategias simples: RSI, MACD, SMA Cross, Bollinger Bands
Estrategias compuestas: Múltiples indicadores con pesos
Confluence scoring: Combina señales para mayor confianza
Pesos configurables: Ajusta balance técnico/fundamental

⚠️ Limitaciones

Técnicas

Alpha Vantage gratis: 25 requests/día, 5 requests/minuto
NewsData.io gratis: 200 noticias/día
Delay de datos: Hasta 15 minutos en plan gratuito
FinBERT: Requiere 2GB RAM + 2GB disco para modelo

Funcionales

Solo acciones globales y forex (no opciones/futuros)
Sentiment analysis en inglés únicamente
Solo análisis y señales (no ejecuta trades)
Indicadores calculados sobre datos históricos disponibles

🐛 Troubleshooting

El servidor no se conecta

# Verificar rutas absolutas en configuración
pwd  # Copiar esta ruta

# Verificar dependencias
source .venv/bin/activate
pip list | grep -E "mcp|pandas|transformers"

# Test de conexión
python test_connection.py

Error de API keys

# Verificar archivo .env existe
ls -la .env

# Verificar contenido
cat .env

# Test individual
python -c "from src.config import Config; print(Config.ALPHA_VANTAGE_API_KEY)"

FinBERT no descarga

# Verificar espacio en disco
df -h

# Descargar manualmente
python -c "from transformers import AutoTokenizer, AutoModelForSequenceClassification; \
           AutoTokenizer.from_pretrained('ProsusAI/finbert'); \
           AutoModelForSequenceClassification.from_pretrained('ProsusAI/finbert')"

Rate limit exceeded

Solución temporal: Esperar reset diario (medianoche UTC)
Solución permanente: Upgrade a plan premium de Alpha Vantage
Workaround: Implementar caché local con Redis/SQLite

Claude no reconoce servidor (VSCode)

# Verificar .mcp.json
cat .mcp.json

# Verificar settings
cat .claude/settings.local.json

# Recargar VSCode
# Ctrl+Shift+P → "Developer: Reload Window"

🔐 Seguridad

NUNCA subas a Git:

.env con API keys
Archivos *.pyc o __pycache__/
Directorio .venv/

Ya configurado en .gitignore:

.env
.venv/
__pycache__/
*.pyc

Para producción:

Usa variables de entorno del sistema
Rota API keys periódicamente
Monitorea uso de APIs

📝 Desarrollo

Agregar un Nuevo Indicador

Edita src/indicators/calculator.py
Agrega método para el nuevo indicador
Registra en server.py en la tool correspondiente
Actualiza documentación

Ejemplo:

def calculate_custom_indicator(self, symbol: str, period: int = 14):
    """Calcula indicador personalizado"""
    df = self.market_client.get_historical_data(symbol, ...)
    result = df.ta.custom(length=period)
    return {
        "symbol": symbol,
        "value": result.iloc[-1],
        "interpretation": "..."
    }

Testing Local

# Activar entorno
source .venv/bin/activate

# Test de conexión
python test_connection.py

# Test de herramienta específica
python -c "from src.market_data import AlphaVantageClient; \
           print(AlphaVantageClient().get_current_price('AAPL'))"

# Ejecutar servidor manualmente
python server.py

🌐 Recursos

Documentación APIs

Librerías Python

pandas-ta - Indicadores técnicos
transformers - Hugging Face
FinBERT - Sentiment financiero

Trading Education

📋 Comandos Útiles

# Activar/desactivar entorno
source .venv/bin/activate
deactivate

# Gestión de dependencias
pip list
pip install --upgrade -r requirements.txt

# Limpieza
find . -type d -name __pycache__ -exec rm -rf {} +
find . -type f -name "*.pyc" -delete

# Tamaño del proyecto
du -sh .

# Test de APIs
python test_connection.py

👤 Autoría y Desarrollo

Diseño y Arquitectura: Jean Carlo Gómez Ponce

Conceptualización del sistema
Decisiones de arquitectura MCP
Dirección del desarrollo
Integración de herramientas

Implementación: Código generado con Claude AI (Anthropic) bajo supervisión y especificaciones del autor

Nota sobre el uso de IA: Este proyecto fue desarrollado mediante pair programming con IA. El diseño, la arquitectura y las decisiones técnicas son del autor humano. La implementación del código fue asistida por Claude AI siguiendo las especificaciones proporcionadas.

🙏 Agradecimientos

Anthropic por Claude AI
MCP Protocol por el estándar de comunicación
Alpha Vantage por datos de mercado
NewsData.io por noticias financieras
Hugging Face por FinBERT
Comunidad open source de Python

⚖️ Licencia

Este proyecto es para uso educativo únicamente. No se ofrece ninguna garantía.

⚠️ Disclaimer

IMPORTANTE: Este software es solo para propósitos educativos e informativos. NO constituye asesoría financiera, de inversión, ni recomendación de trading.

El trading y la inversión en mercados financieros conllevan riesgos significativos y pueden resultar en pérdida parcial o total del capital. Los resultados pasados no garantizan rendimientos futuros.

Siempre consulta con un asesor financiero profesional antes de tomar decisiones de inversión. El autor no se hace responsable de las pérdidas o daños que puedan resultar del uso de este software.

Versión: 1.0.0 Última actualización: 2025-11-01 Estado: Producción (Educational Use Only)

⭐ Si este proyecto te fue útil, considera darle una estrella en GitHub

📈 MCP Trading Quantitative Analysis Server

✨ Características Principales

12 herramientas MCP organizadas en 4 categorías funcionales
Análisis técnico con 28+ indicadores técnicos (RSI, MACD, Bollinger Bands, etc.)
Análisis de sentiment usando FinBERT para noticias financieras
Señales de trading técnicas, fundamentales e híbridas con scores de confianza
Datos en tiempo real mediante Alpha Vantage API
Arquitectura modular y extensible para fácil integración de nuevas fuentes

🏗️ Arquitectura

El sistema está organizado en capas modulares:

Servidor MCP: Implementación del protocolo MCP con 12 herramientas
Datos de Mercado: Cliente Alpha Vantage para precios y datos históricos
Indicadores Técnicos: Cálculo automatizado con pandas-ta
Análisis NLP: FinBERT para sentiment analysis de noticias financieras
Generador de Señales: Combina análisis técnico y fundamental
Configuración: Variables de entorno con python-dotenv

🚀 Instalación

Requisitos

Python 3.12+
API Key de Alpha Vantage (gratis: https://www.alphavantage.co/support/#api-key)
API Key de NewsData.io (gratis: https://newsdata.io/)

Pasos

Clonar el repositorio

cd /ruta/a/pry_mcp_trading

Crear entorno virtual

python3 -m venv .venv
source .venv/bin/activate  # Linux/Mac
# o
.venv\Scripts\activate  # Windows

Instalar dependencias

pip install -r requirements.txt

Configurar API keys

cp .env.example .env
nano .env

Agregar tus claves:

ALPHA_VANTAGE_API_KEY=tu_api_key_aqui
NEWSDATA_API_KEY=tu_api_key_aqui

Probar conexión

python test_connection.py

Configurar Claude

Para Claude Desktop

Editar archivo de configuración según tu sistema operativo:

Linux:

nano ~/.config/Claude/claude_desktop_config.json

macOS:

nano ~/Library/Application\ Support/Claude/claude_desktop_config.json

Windows:

notepad %APPDATA%\Claude\claude_desktop_config.json

Agregar configuración (reemplazar con tu ruta real):

{
  "mcpServers": {
    "trading-quantitative": {
      "command": "/ruta/completa/a/pry_mcp_trading/.venv/bin/python",
      "args": [
        "/ruta/completa/a/pry_mcp_trading/server.py"
      ],
      "env": {
        "PYTHONPATH": "/ruta/completa/a/pry_mcp_trading"
      }
    }
  }
}

Para Claude Code (VSCode)

El archivo .mcp.json ya está configurado en la raíz del proyecto.

Asegúrate de tener en .claude/settings.local.json:

{
  "enableAllProjectMcpServers": true
}

Recarga VSCode: Ctrl+Shift+P → "Developer: Reload Window"

Verificación

Pregunta a Claude:

¿Qué herramientas MCP tienes disponibles?

Deberías ver las 12 herramientas de trading listadas.

🛠️ Tecnologías

Componente	Tecnología	Versión
Protocol	MCP SDK	1.0.0+
Data API	Alpha Vantage	API v2
News API	NewsData.io	API v1
Análisis Técnico	pandas-ta	Latest
NLP Sentiment	FinBERT (transformers)	4.57+
ML Framework	PyTorch	2.0+
Data Processing	pandas, numpy	Latest

📂 Estructura del Proyecto

pry_mcp_trading/
├── server.py                    # Servidor MCP principal
├── requirements.txt             # Dependencias Python
├── .env.example                 # Plantilla de configuración
├── .mcp.json                    # Config MCP para Claude Code
├── setup.sh                     # Script de instalación
├── test_connection.py           # Tests de conexión APIs
├── README.md                    # Esta documentación
├── .gitignore                   # Archivos ignorados
└── src/                         # Código fuente
    ├── config.py                # Configuración centralizada
    ├── market_data/             # Módulo de datos (3 tools)
    │   ├── __init__.py
    │   └── client.py            # Cliente Alpha Vantage
    ├── indicators/              # Módulo indicadores (4 tools)
    │   ├── __init__.py
    │   └── calculator.py        # Cálculo de indicadores
    ├── news_analysis/           # Módulo noticias (2 tools)
    │   ├── __init__.py
    │   ├── news_client.py       # Cliente NewsData.io
    │   └── sentiment_analyzer.py # FinBERT sentiment
    └── signals/                 # Módulo señales (3 tools)
        ├── __init__.py
        └── signal_generator.py  # Generador de señales

🔧 Herramientas MCP Disponibles

📊 Grupo 1: Datos de Mercado (3)

`get_current_price`

Obtiene precio actual de acciones o forex.

Ejemplo: "¿Cuál es el precio actual de AAPL?"

`get_historical_data`

Datos históricos OHLCV con múltiples intervalos (1min a monthly).

Ejemplo: "Muéstrame los datos históricos de TSLA de los últimos 3 meses"

`get_quote_info`

Información completa: precio, fundamentales, empresa.

Ejemplo: "Dame información completa sobre Microsoft (MSFT)"

📈 Grupo 2: Indicadores Técnicos (4)

`calculate_trend_indicators`

8 indicadores: SMA, EMA, MACD, ADX, AROON, PSAR, SUPERTREND, DEMA

Ejemplo: "Calcula el MACD y EMA(20) para AAPL"

`calculate_momentum_indicators`

8 indicadores: RSI, STOCHASTIC, CCI, WILLR, ROC, MFI, TSI, MOMENTUM

Ejemplo: "¿Cuál es el RSI actual de GOOGL?"

`calculate_volatility_indicators`

6 indicadores: BBANDS, ATR, KELTNER, STDDEV, DONCHIAN, ULCER

Ejemplo: "Calcula las Bandas de Bollinger para AMZN"

`calculate_volume_indicators`

6 indicadores: OBV, VWAP, AD, CMF, VO, PVT

Ejemplo: "Analiza el volumen de META con OBV y VWAP"

📰 Grupo 3: Análisis de Noticias (2)

`get_financial_news`

Obtiene últimas noticias financieras del activo.

Ejemplo: "Muéstrame las últimas noticias sobre Tesla"

`analyze_news_sentiment`

Analiza sentiment con FinBERT (positive/negative/neutral + score).

Ejemplo: "Analiza el sentiment de las noticias sobre Apple"

🎯 Grupo 4: Señales de Trading (3)

`generate_technical_signal`

Señales basadas en indicadores técnicos (simple o compuestas).

Ejemplo: "Dame una señal técnica para NVDA usando RSI"

`generate_fundamental_signal`

Señales basadas en sentiment de noticias con FinBERT.

Ejemplo: "¿Qué dicen las noticias sobre AMD? Dame una señal"

`generate_hybrid_signal`

Combina análisis técnico + fundamental con pesos configurables.

Ejemplo: "Genera una señal híbrida para Bitcoin"

📖 Ejemplos de Uso

Análisis Básico

Usuario: "¿Cuál es el precio actual de Apple?"

Claude: [Llama get_current_price("AAPL")]
        El precio actual de Apple es $270.37
        - Cambio: -$1.03 (-0.38%)
        - Volumen: 86,167,123
        - Máximo: $277.32 | Mínimo: $269.16

Análisis Técnico Completo

Usuario: "Analiza AAPL técnicamente"

Claude: [Ejecuta múltiples herramientas]
        📊 ANÁLISIS TÉCNICO DE APPLE (AAPL)

        Momentum:
        • RSI(14): 69.05 - NEUTRAL (cerca de sobrecompra)
        • Estocástico: 87.72 - SOBRECOMPRADO

        Tendencia:
        • Precio: $270.37
        • SMA(50): $248.25 - Precio 8.9% arriba ✓
        • EMA(20): $260.41 - Precio 3.8% arriba ✓

        🎯 SEÑAL: HOLD con sesgo alcista

Análisis de Sentiment

Usuario: "Analiza el sentiment de noticias de Apple"

Claude: [Llama analyze_news_sentiment("AAPL")]
        📰 SENTIMENT ANALYSIS - APPLE

        Score: +0.25 (positivo moderado)
        Confianza: 89.7%

        Distribución:
        - 6 noticias positivas (60%)
        - 3 noticias negativas (30%)
        - 1 noticia neutral (10%)

        Interpretación: Sentiment mayormente positivo

Señal de Trading Completa

Usuario: "Dame una recomendación de trading para AAPL"

Claude: [Genera señal híbrida]
        🎯 SEÑAL DE TRADING - APPLE (AAPL)

        RECOMENDACIÓN: HOLD (sesgo alcista)
        Confianza: 72%

        Análisis Técnico (60%):
        ✓ Tendencia alcista (SMA/EMA)
        ⚠️ Estocástico sobrecomprado

        Análisis Fundamental (40%):
        ✓ Sentiment positivo (+0.25)

        Plan sugerido:
        - Entrada: Esperar pullback a $260-265
        - Stop Loss: $255
        - Target: $280-285

🔑 Características Técnicas

Procesamiento de Datos

Caché inteligente para optimizar requests a APIs
Manejo de errores robusto con reintentos automáticos
Validación de datos con pandas para limpieza automática

Análisis de Sentiment

FinBERT especializado en textos financieros
Modelo pre-entrenado de Hugging Face (ProsusAI/finbert)
Análisis por artículo con agregación ponderada
Descarga automática del modelo en primera ejecución

Generación de Señales

Estrategias simples: RSI, MACD, SMA Cross, Bollinger Bands
Estrategias compuestas: Múltiples indicadores con pesos
Confluence scoring: Combina señales para mayor confianza
Pesos configurables: Ajusta balance técnico/fundamental

⚠️ Limitaciones

Técnicas

Alpha Vantage gratis: 25 requests/día, 5 requests/minuto
NewsData.io gratis: 200 noticias/día
Delay de datos: Hasta 15 minutos en plan gratuito
FinBERT: Requiere 2GB RAM + 2GB disco para modelo

Funcionales

Solo acciones globales y forex (no opciones/futuros)
Sentiment analysis en inglés únicamente
Solo análisis y señales (no ejecuta trades)
Indicadores calculados sobre datos históricos disponibles

🐛 Troubleshooting

El servidor no se conecta

# Verificar rutas absolutas en configuración
pwd  # Copiar esta ruta

# Verificar dependencias
source .venv/bin/activate
pip list | grep -E "mcp|pandas|transformers"

# Test de conexión
python test_connection.py

Error de API keys

# Verificar archivo .env existe
ls -la .env

# Verificar contenido
cat .env

# Test individual
python -c "from src.config import Config; print(Config.ALPHA_VANTAGE_API_KEY)"

FinBERT no descarga

# Verificar espacio en disco
df -h

# Descargar manualmente
python -c "from transformers import AutoTokenizer, AutoModelForSequenceClassification; \
           AutoTokenizer.from_pretrained('ProsusAI/finbert'); \
           AutoModelForSequenceClassification.from_pretrained('ProsusAI/finbert')"

Rate limit exceeded

Solución temporal: Esperar reset diario (medianoche UTC)
Solución permanente: Upgrade a plan premium de Alpha Vantage
Workaround: Implementar caché local con Redis/SQLite

Claude no reconoce servidor (VSCode)

# Verificar .mcp.json
cat .mcp.json

# Verificar settings
cat .claude/settings.local.json

# Recargar VSCode
# Ctrl+Shift+P → "Developer: Reload Window"

🔐 Seguridad

NUNCA subas a Git:

.env con API keys
Archivos *.pyc o __pycache__/
Directorio .venv/

Ya configurado en .gitignore:

.env
.venv/
__pycache__/
*.pyc

Para producción:

Usa variables de entorno del sistema
Rota API keys periódicamente
Monitorea uso de APIs

📝 Desarrollo

Agregar un Nuevo Indicador

Edita src/indicators/calculator.py
Agrega método para el nuevo indicador
Registra en server.py en la tool correspondiente
Actualiza documentación

Ejemplo:

def calculate_custom_indicator(self, symbol: str, period: int = 14):
    """Calcula indicador personalizado"""
    df = self.market_client.get_historical_data(symbol, ...)
    result = df.ta.custom(length=period)
    return {
        "symbol": symbol,
        "value": result.iloc[-1],
        "interpretation": "..."
    }

Testing Local

# Activar entorno
source .venv/bin/activate

# Test de conexión
python test_connection.py

# Test de herramienta específica
python -c "from src.market_data import AlphaVantageClient; \
           print(AlphaVantageClient().get_current_price('AAPL'))"

# Ejecutar servidor manualmente
python server.py

🌐 Recursos

Documentación APIs

Librerías Python

pandas-ta - Indicadores técnicos
transformers - Hugging Face
FinBERT - Sentiment financiero

Trading Education

📋 Comandos Útiles

# Activar/desactivar entorno
source .venv/bin/activate
deactivate

# Gestión de dependencias
pip list
pip install --upgrade -r requirements.txt

# Limpieza
find . -type d -name __pycache__ -exec rm -rf {} +
find . -type f -name "*.pyc" -delete

# Tamaño del proyecto
du -sh .

# Test de APIs
python test_connection.py

👤 Autoría y Desarrollo

Diseño y Arquitectura: Jean Carlo Gómez Ponce

Conceptualización del sistema
Decisiones de arquitectura MCP
Dirección del desarrollo
Integración de herramientas

Implementación: Código generado con Claude AI (Anthropic) bajo supervisión y especificaciones del autor

🙏 Agradecimientos

Anthropic por Claude AI
MCP Protocol por el estándar de comunicación
Alpha Vantage por datos de mercado
NewsData.io por noticias financieras
Hugging Face por FinBERT
Comunidad open source de Python

⚖️ Licencia

Este proyecto es para uso educativo únicamente. No se ofrece ninguna garantía.

⚠️ Disclaimer

IMPORTANTE: Este software es solo para propósitos educativos e informativos. NO constituye asesoría financiera, de inversión, ni recomendación de trading.

Versión: 1.0.0 Última actualización: 2025-11-01 Estado: Producción (Educational Use Only)

⭐ Si este proyecto te fue útil, considera darle una estrella en GitHub