AI 预测市场交易机器人：让 Claude 直接下单 Polymarket

从"我想买"到"已成交"：一个痛点的解决

深夜，你盯着 Polymarket 上"2025 年 AI 领域最大突破"这个预测市场，胜率已经爬升到 68%。你确信自己的判断是对的——但每次下单都要切换 App、复制合约地址、核对钱包签名，整套流程下来市场可能已经变价了三次。如果你只需要对 Claude 说一句"在那个市场买入 50 美元 YES"，然后坐等成交呢？

polymarket-mcp-server 就是这个问题的解法：它是一个 MCP（Model Context Protocol）服务器，通过 45 个工具让 Claude Desktop 直接与 Polymarket 预测市场交互——搜索市场、分析价格、管理仓位、执行交易，全部在一个对话窗口内完成。

背景：预测市场与 AI Agent 的交汇点

Polymarket 是目前最活跃的加密预测市场平台，基于 Polygon 链运行，日交易量可达数亿美元。用户通过购买 YES 或 NO 份额来押注事件结果，份额价格（0-1 美元）本质上就是市场对该事件概率的实时定价。

传统上，预测市场交易需要用户手动操作 Web 界面或调用 CLOB API。随着 AI Agent 能力增强，一个自然的需求浮现：让 AI 代理根据上下文信息自主判断并下单。这意味着需要一套标准化的接口协议——这就是 MCP 的价值所在。

MCP（Model Context Protocol）由 Anthropic 提出，是一种让 AI 模型安全调用外部工具的开放协议。相比让 LLM 直接持有密钥调用 API，MCP 的优势在于：工具定义与执行分离，AI 只调度，密钥和签名逻辑在服务端完成。

本项目的开发者 Caio Vicentino 来自巴西，在 DeFi 社区（Yield Hacker、Renda Cripto、Cultura Builder）有深厚积累，整个项目使用 Claude Code 辅助开发完成。

类比解释：给 AI 装上"交易终端"

如果把 Claude Desktop 比作一个有超强分析能力但没有手脚的分析师，polymarket-mcp-server 就是这个分析师的"机械臂"。它不负责判断（那是 Claude 的工作），只负责执行 Claude 发出的指令：查询价格、下单、取消订单、查看持仓。

整个系统可以类比为一个高度自动化的交易终端，只不过操作界面从 GUI 变成了自然语言指令。

核心功能：45 个工具，覆盖完整交易流程

项目将 45 个工具分为 5 大类：

🔍 市场发现（8 个工具）：按关键词/类别搜索市场，查看 24h/7d/30d 热门市场，关注即将截止的市场，发现体育/政治/加密等垂直分类。

📊 市场分析（10 个工具）：实时价格与买卖价差（spread）查看，完整订单簿深度分析，历史价格数据，AI 驱动的机会分析（给出 BUY/SELL/HOLD 推荐），多市场横向对比，持仓大户分析。

💼 交易执行（12 个工具）：限价单（支持 GTC/GTD/FOK/FAK 四种成交策略）、市价单、批量下单、AI 建议最优价格（激进/保守/中性三种策略），订单状态追踪与历史管理，单笔/批量撤单，智能下单（自然语言转自动策略），仓位再平衡（带滑点保护）。

📈 投资组合管理（8 个工具）：实时仓位追踪，盈亏计算（已实现/未实现），组合价值汇总，风险分析（集中度、流动性、多样化），交易历史筛选，链上活动日志。

⚡ 实时监控（7 个工具）：WebSocket 连接管理，实时价格变动推送，订单簿更新推送，交易事件推送，K线图数据，密码学货币价格行情。

技术架构：分层解耦，可扩展性强

Claude Desktop (MCP Client)
        ↓ MCP Protocol (stdio)
Polymarket MCP Server
  ├── server.py           主入口，MCP Server 核心
  ├── config.py            Pydantic 配置管理（环境变量验证）
  ├── auth/
  │   ├── client.py        Polymarket CLOB API 客户端
  │   └── signer.py        Polygon 钱包签名（eth-account）
  ├── tools/
  │   ├── market_discovery.py   市场发现工具
  │   ├── market_analysis.py   市场分析工具
  │   ├── trading.py           交易执行工具（核心，47797 bytes）
  │   ├── portfolio.py          组合管理工具
  │   └── realtime.py           实时监控工具
  ├── utils/
  │   ├── rate_limiter.py      API 限流器
  │   ├── safety_limits.py     风险验证（仓位/敞口/流动性检查）
  │   └── websocket_manager.py  WebSocket 连接管理器（支持 CLOB 和 Live Data 双通道）
  └── web/
      ├── app.py               FastAPI Web Dashboard（16099 bytes）
      ├── templates/           Jinja2 模板（配置/市场/监控页面）
      └── static/              CSS + JS 静态资源

关键依赖：核心依赖包括 mcp>=1.0.0（协议层）、py-clob-client>=0.28.0（Polymarket CLOB API 封装）、websockets>=12.0（实时数据）、eth-account>=0.11.0（钱包签名）、fastapi>=0.115.0（Web Dashboard）、pydantic>=2.0.0（数据验证）。

WebSocket 架构：同时维护两个 WebSocket 连接——CLOB WebSocket（wss://ws-subscriptions-clob.polymarket.com/ws/）用于用户订单和成交推送，Live Data WebSocket（wss://ws-live-data.polymarket.com）用于实时价格和订单簿数据。通过 asyncio 异步管理，支持多 channel 订阅和事件路由。

安全设计：

• 私钥存储在本地 .env，通过 eth-account 本地签名，不暴露私钥给 AI
• SafetyLimits 类在交易执行前进行多重验证：单笔限额、总敞口限额、单市场仓位限额、流动性充足性、价差容忍度
• 支持 DEMO_MODE=true 完全只读模式，无需钱包即可体验全部查询功能
• 优雅关闭时可选自动取消所有挂单（CANCEL_ON_SHUTDOWN）

上手门槛：从零到运行的完整路径

安装方式有三种层次：

• Quickstart 脚本：./quickstart.sh 最快路径，引导式安装
• Demo 模式：./install.sh --demo，无需钱包，5 分钟完成，只读体验
• 完整安装：pip install -e . 后运行 python setup_wizard.py，配置钱包和 API 密钥

Docker 部署：提供了完整多阶段 Dockerfile，基于 python:3.12-slim，最终镜像使用非 root 用户运行，包含健康检查。一条命令即可构建：docker build -t polymarket-mcp .，运行：docker run -v $(pwd)/.env:/app/.env polymarket-mcp。

配置项：.env 文件中可配置 DEMO_MODE、Polygon 私钥、API 密钥、链 ID（137 主网/80002 Amoy 测试网）、安全限额（单笔/总敞口/单市场仓位上限）。

Web Dashboard：内置 FastAPI Web 应用，访问 polymarket-web 命令启动，提供配置向导、市场监控、组合追踪等可视化界面。

争议与局限

市场风险：预测市场本身是高度投机的金融活动，项目提供的是工具能力，不构成投资建议。AI 生成的 BUY/SELL 推荐依赖历史数据和市场分析，不代表未来走势。

链上交易不可逆：Polygon 链上交易一旦确认无法撤销，智能合约错误执行可能导致永久损失。项目通过安全限额和前置验证降低风险，但无法消除智能合约级别的风险。

API 稳定性：项目依赖 Polymarket 的 CLOB API 和 Gamma API，这些接口可能有速率限制或服务中断。rate_limiter.py 实现了多级限流，但无法处理接口完全不可用的情况。

代码文档冗余：项目包含大量 .md 文件（INSTALLATION_SUMMARY.md、TEST_SUMMARY.md、DOCKER_SUMMARY.md 等），部分内容重复，可能增加维护成本。

行业意义：AI Agent 自主交易的开端

polymarket-mcp-server 代表了一个重要趋势：AI Agent 从被动建议向主动执行演进。传统 LLM 应用停留在"告诉你该买什么"，这个项目让 AI 直接"帮你买"。配合风险控制机制，理论上可以实现：

• 24/7 市场监控，自动捕捉价格异常
• 基于自然语言的投资策略回测与执行
• 多市场联动分析（如将政治事件预测与加密市场联动）

从技术角度看，项目展示了 MCP 协议在金融交易场景的可行性，证明了 AI Agent 不只能做问答，还能完成涉及密钥签名、链上交易的真实任务。这为未来的 DeFi AI Agent 生态奠定了工程基础。

项目 Star 567，活跃度高，文档极为详尽，适合对预测市场和 AI Agent 交叉领域感兴趣的开发者研究参考。