Equibles

想象一下：你在深夜盯盘，想知道"巴菲特最近的13F持仓有什么变化""今晚科技股财报有哪些风险点""国会山议员又在买卖什么"。传统方式你需要打开七八个网站、注册账号、手动筛选数据——而现在，一个 MCP 协议服务器，把 SEC EDGAR、FRED、FINRA、Yahoo Finance、FDA 审批数据、美国国会交易记录等 64 种数据源全部封装成 AI Agent 可调用的工具，你在任何支持 MCP 的 AI 客户端（Claude Desktop、Cursor、Cline 等）里，用自然语言直接提问，数据秒回。

这就是 Equibles——一个开源的金融数据 MCP 服务器。它用 C#/.NET 10 搭建，通过 Model Context Protocol（MCP）标准协议，让大语言模型能够实时调用美国金融市场的几乎所有关键数据。

Equibles Web 界面：股票列表浏览

背景：为什么 AI 需要"金融工具"

大语言模型有两大致命弱点：一是训练数据有时效性（ChatGPT 的知识截止到 2024 年），二是缺乏实时数据访问能力。这在金融场景下尤为致命——股价、财报、机构持仓、政策变化，都是"此刻"的数据，模型根本无法回答。

为了解决这个问题，Anthropic 在 2024 年底推出了 Model Context Protocol（MCP）——一种让 AI 模型调用外部工具的标准化协议。开发者可以构建"MCP 服务器"，将各种数据源封装成工具，供 AI 客户端使用。Equibles 的作者 Daniel（GitHub @daniel3303）抓住了这个窗口期，将自己在量化交易领域的积累，封装成了这个金融数据 MCP 服务器。

这个项目诞生于 2024 年，目前已被标记为 MCP 生态中的"金融数据"标杆工具，在 GitHub 上拥有超过 190 颗星，收录了 AI、finance、fintech、mcp-server 等 19 个相关主题标签。

核心功能：64 个工具，覆盖美股全生态

Equibles 提供了令人印象深刻的覆盖广度。数据源包括：

SEC 官方数据：SEC EDGAR 是美国证券交易委员会强制要求上市公司提交文件的官方平台。Equibles 整合了 XBRL 财务数据（直接从 SEC 获取，带标准化格式）、13F 机构持仓报告（每个季度各大对冲基金的"作业"）、SEC 文件全文搜索（10-K 年报、8-K 重大事件、S-1 招股书等）。这意味着你可以问："苹果公司最近一个季度的收入构成？""桥水基金新增持了哪些标的？"

宏观经济数据：接入 FRED（美联储圣路易斯分行数据库），涵盖 GDP 增长率、CPI 通胀率、失业率、国债收益率曲线、消费者信心指数等数十个官方经济指标。结合 CFTC 期货持仓数据和 CBOE 期权数据，还能看到市场的"聪明钱"仓位变化。

机构与内幕数据：FINRA 提供经纪商持仓、卖空利率（Short Interest）等市场情绪数据；Equibles 还追踪内部人交易（Insider Trading）——上市公司高管、董事的买卖记录，以及国会成员的股票交易（Congressional Trading），后者近年来因"S何罗韦尔"事件引发巨大关注。

其他特色数据：FDA 药物审批催化剂（生物医药投资必看）、政府合同数据（追踪政府采购与特定公司的关系）、Exempt Offerings（豁免发行），以及 50+ 个技术指标（RSI、MACD、布林带等）和财报情绪分析。

股票详情页面，含机构持仓、分析师评级、技术指标等综合数据

技术架构：.NET 10 + MCP 标准 + ParadeDB

从代码结构看，Equibles 采用了相当成熟的 C#/.NET 10 架构。整个项目由 70+ 个 NuGet 包（.csproj 项目）组成，按功能模块划分：

• MCP 协议层：Equibles.Mcp.Server 作为 MCP 服务器入口，使用 ModelContextProtocol.AspNetCore 库实现 MCP 标准协议，监听 8081 端口；
• 数据集成层：每个数据源对应独立包（Equibles.Sec.* 处理 SEC 数据、Equibles.Yahoo.* 处理 Yahoo 数据、Equibles.Fred.* 处理 FRED 等），降低耦合度；
• 数据持久化层：使用 ParadeDB（基于 PostgreSQL 的向量数据库）存储数据，支持全文搜索和向量检索（embedding），可在 docker-compose.embedding.yml 中开启 RAG 增强搜索；
• 后台 Worker 层：Equibles.Worker.Host 负责定时从各数据源抓取最新数据并写入数据库，自动化程度高；
• Web 界面：Equibles.Web 提供 HTTP 端口 8080 的 Web UI，可视化浏览数据。

核心依赖库包括 Serilog（日志）、AutoWiring（依赖注入）、ParadeDB（数据存储）以及各数据源的官方 SDK。代码遵循 Clean Architecture 风格，业务逻辑、数据访问、接口层分离，文档质量较高（包含 50+ 份使用指南文档）。

上手体验：部署简单，数据丰富

部署门槛很低：项目提供了三个 docker-compose.yml 配置文件：

• docker-compose.yml：标准版，包含 MCP Server + Web + ParadeDB，开箱即用；
• docker-compose.stealth.yml：为绕过网络限制优化的版本；
• docker-compose.embedding.yml：启用向量 embedding 搜索的增强版。

只需三步：git clone → 复制 .env.example 为 .env 并填入邮箱（SEC API 强制要求） → docker compose up。没有 Docker Compose 的用户，也可以用传统的 dotnet build && dotnet run 手动部署。

使用方式：启动后，在 Claude Desktop、Cursor 或其他 MCP 客户端中配置 MCP 服务器地址（http://localhost:8081），即可通过自然语言查询数据。项目提供了详细的 MCP prompt 示例，告诉你"如何用自然语言提问"来获取数据。

注意事项：SEC 要求在 User-Agent Header 中提供联系邮箱（免费获取，无需注册 API Key）；FINRA 和 FRED 的数据需要各自平台的免费 API Key（链接均在 .env.example 中提供）；大规模数据同步需要较长时间（可配置 Worker__MinSyncDate 限制同步起始日期）。

宏观经济仪表盘：FRED 数十个官方经济指标的实时可视化

局限与争议

数据覆盖范围集中在美国市场：Equibles 的所有数据源均基于美国市场（SEC、FINRA、FRED、CBOE），不覆盖港股、A股、加密货币等其他市场。

对亚太用户不友好：所有数据均为美国来源，时区为美东时间，财报日期遵循美国会计准则，部分术语需要一定金融背景知识才能理解。

数据库规模大：首次部署需要从 SEC 下载大量历史数据（默认同步从 2020 年开始），ParadeDB 的初始化需要数 GB 存储空间和较长的初始化时间。

License 限制：项目采用 AGPL-3.0 开源协议，使用者需要注意开源义务（如果修改并提供服务，需同样开源）。

没有内置 AI 分析能力：Equibles 本身只提供数据查询工具，不包含数据分析或投资建议功能。用户需要在 MCP 客户端（Claude、GPT 等）中自行完成数据解读。

行业意义：MCP 生态的金融垂直标杆

Equibles 的出现代表了 AI + 金融数据领域的一个重要趋势：垂直数据 MCP 化。过去，金融数据 API（如 Alpha Vantage、Polygon.io、Wind）要么收费昂贵，要么接口分散。Equibles 用 MCP 协议重新封装了所有美国官方免费数据源，以零成本（SEC、FRED 数据均免费）实现了专业级金融数据覆盖。

从 GitHub Stars 增长曲线来看，2025 年 MCP 生态快速崛起，Equibles 作为首批金融垂直 MCP 服务器之一，已被收录到 glama.ai（MCP 市场目录）中。它验证了一个产品思路：与其做通用的 AI 助手，不如做垂直领域的 AI 工具，MCP 协议天然适合这种场景。

对于量化研究者、宽客、散户投资者来说，Equibles 提供了一条低成本获取专业数据的路径；对于 AI 开发者，它展示了一个高质量 MCP 服务器的完整实现范式——70+ 模块的 Clean Architecture、完善的文档、CI/CD 流水线（GitHub Actions CI + CodeQL + Codecov）。

经济指标详情页：单一指标的历史走势与相关数据

项目链接：daniel3303/Equibles | License: AGPL-3.0 | 语言: C# (.NET 10) | 数据源: SEC EDGAR、FRED、FINRA、Yahoo Finance、FDA、Congress、CFTC、CBOE 等 20+ 官方平台