全网首发：DeepSeek + MCP 炒股实战，我用AI炒股两周，居然真赚了钱？附接入教程
今天这篇内容不夸张地说，是我今年最期待的一篇。因为它不仅能帮你把大模型用在炒股上，还真能跑出点效果------我自己已经偷偷用它赚钱两周了😏。
在开始实操之前，咱先把一个误区掰扯清楚。
你可能觉得，DeepSeek，ChatGPT、文心一言这些AI已经很聪明了，"只要提示词写的好就能用来炒股"。
我当初也这么想。直到我试着问了DeepSeek几轮后才知道，它回答的全是------
这都2025年了，他居然用2023年的数据来回答我😂
所以不是AI不行，而是他们没有实时的数据，连个炒股的"前提条件"都不具备。就像让一个盲人猜红绿灯。
那为啥我的能行？很简单：
我给大模型接上了"眼睛"和"耳朵"------一个能看实时股价，一个能读财经舆情。
这俩东西连上之后，大模型的分析准确率、策略理解力和生成能力，直接质变。
今天花姐就手把手带你搭建一套"DeepSeek + MCP"的炒股系统，看完文章动动手就能复刻。
MCP是什么？一句话：让AI看得懂当下
官方介绍： MCP（Model Context Protocol，模型上下文协议）是由Anthropic主导推出的开放协议标准，旨在为大型语言模型与外部数据源、工具及服务提供统一的交互框架。它通过标准化接口设计，使AI能够安全、高效地访问本地文件、数据库、API等资源，打破数据孤岛限制，赋予AI"连接万物"的能力，被业界喻为"AI应用的USB-C接口"
没有MCP的DeepSeek，就像蒙着眼的天才。
它能分析，能推理，但你不给它喂当下的信息，它就跟个"闭门造车"的分析员一样。
MCP就是：喂饭的协议。
我给你举个最直观的例子：
你给DeepSeek配上MCP，让它每天看到：
- 股票最新价格
- 盘中资金流向
- 最新公告+简析
- 热门舆情关键词（雪球、微博、热搜）
- K线结构
然后你再问它："这个票能不能追？"
它不再说"截至去年"，而是：
"当前资金介入强，技术上刚突破前高，舆情整体偏多，存在短线冲高空间，注意量能持续性。"
说实话，我当时看完那段回答，心里有点慌：这不就我们每天手动研究的流程？它自己总结出来了！！
实战教学：10分钟搭好你自己的MCP服务
我们要搭建的MCP服务，本质上是一个支持通过 HTTP API 提供上下文数据的小型 Web 服务。
我这里写一个简化但足够实用的MCP服务模板。核心只有两部分：接收 DeepSeek 发来的请求，返回股票最新的行情数据。
1. Python环境搭建
按照官方文档，Python 3.10+（推荐3.12），推荐在虚拟环境中安装
2. 安装需要的包
pip install fastapi-mcp akshare- fastapi-mcp: 一个零配置工具，用于自动将 FastAPI 端点公开为模型上下文协议（MCP）工具
- akshare: 用于获取股票实时行情的库，之前花姐文章经常用
3. 写一个获取股票行情的MCP服务
我们先写一个最基本的FastAPI-MCP的服务
python
from fastapi import FastAPI
from fastapi_mcp import FastApiMCP
app = FastAPI()
mcp = FastApiMCP(app)
# 直接将 MCP 服务器挂载到您的 FastAPI 应用
mcp.mount()这样一个简单的MCP服务就搞定了，我们可以通过https://app.base.url/mcp来访问MCP服务了
接下来在看看具体应用，相信大家就觉得没那么难了，尤其是有FastAPI基础的同学
新建一个stock_mcp.py文件
python
from fastapi import FastAPI, APIRouter
from fastapi_mcp import FastApiMCP as MCP
import akshare as ak
from pydantic import BaseModel
from datetime import datetime, timedelta
# 创建FastAPI应用
app = FastAPI()
# 创建路由器
router = APIRouter()
# 定义请求和响应模型
class StockYearsData(BaseModel):
symbol: str
years: int = 1
class StockResponse(BaseModel):
data: list
@router.post("/get_stock_years", response_model=StockResponse, operation_id="get_stock_years")
async def get_stock_years(data: StockYearsData):
# 计算起始和结束日期
end_date = datetime.today()
start_date = end_date - timedelta(days=365 * data.years)
start_str = start_date.strftime("%Y%m%d")
end_str = end_date.strftime("%Y%m%d")
# 修改股票代码处理逻辑（原代码28-61行）
if data.symbol.startswith(('sh', 'sz')):
ak_symbol = data.symbol[2:] # 移除前缀
else:
ak_symbol = data.symbol
# 获取股票数据
print(ak_symbol,start_str,end_str)
df = ak.stock_zh_a_hist(symbol= ak_symbol, start_date=start_str, end_date=end_str,adjust='qfq')
print("获取到数据条数:", len(df))
# 转换数据格式
result = []
for _, row in df.iterrows():
result.append({
"date": row["日期"].strftime("%Y-%m-%d"),
"open": float(row["开盘"]),
"high": float(row["最高"]),
"low": float(row["最低"]),
"close": float(row["收盘"]),
"volume": float(row["成交量"])
})
return {"data": result}
# 注册路由
app.include_router(router)
# 创建MCP服务并挂载
mcp = MCP(
app,
name="Stock MCP Service",
description="股票日线数据MCP服务"
)
# 挂载MCP服务
mcp.mount()
if __name__ == "__main__":
import uvicorn
uvicorn.run("stock_mcp:app", host="0.0.0.0", port=8000, reload=True)运行python stock_mcp.py看到下图就表示运行成功了
4. 把MCP接入DeepSeek
上https://www.trae.com.cn/下载Trae IDE（一个支持MCP的客户端），当然你使用Claude、Cursor、Cline等工具都可以，原理上都一样。
Trae安装以后打开界面是这样的，一开始你需要注册登录下，比较简单就不赘述了
我们点击【打开文件夹】随便选个空的目录
接下来按ctrl+U唤起与AI的对话框，目前内置了豆包和DeepSeek的大模型，当然也可以添加其它大模型
点击@智能体--Builder with MCP
点击前往添加按钮
点击添加MCP服务
选择手动配置
把代码录入然后确定
这样就添加好了
切回AI对话框就看到已经接入MCP服务了
5.召唤MCP诊股
可以按照以下格式来写提示词
通过fastapimcp获取是告诉Ai我们要调用的是fastapimcp这个MCP服务，接下来AI就会调用我们之前写好的MCP服务，最新的股票行情就轻松的提供给DeepSeek了。
接下来就看AI怎么表演了
这才是"会炒股的大模型"
你看，现在的大模型，如果不接实时行情、不接舆情，不接资金流、板块热度------就像是个瞎子+聋子。
但你一旦加上 MCP，就像它戴上了夜视仪和雷达。
从此你问它：
- "xx集团还能买吗？"
- "xx医疗今天情绪怎么样？"
- "哪些股票今天情绪和价格背离？"
它都能回答得像模像样。 这才是AI炒股2.0------真·能帮你赚钱的那种。
心动不如行动
我们只是写了一个获取股票日线行情的MCP服务，你可以增加获取分钟级别，获取财务数据，新闻舆情，资金流动，大盘指数等......把这些数据喂给大模型，我相信它一定会给你一份非常合理的投资建议的。
是不是看的手痒痒了，那赶紧动起来吧。
风险提示
本文所涉及的内容仅为作者基于技术研究、数据分析与模型构建的个人经验分享，所引用的数据、模型输出与分析结论不构成任何投资建议或买卖指引。 股市有风险，投资需谨慎。所有策略模型和分析方法仅用于研究和教学目的，实际投资决策请基于您自身的风险承受能力、投资目标及市场判断做出。 使用任何由本文提及的技术工具、模型框架（如 MCP 服务、DeepSeek 插件等）进行实盘操作所产生的盈亏风险，均由用户自行承担，作者不对任何因策略执行带来的直接或间接损失负责。 请理性看待AI和量化在股票投资中的作用，它们是辅助工具，而非决策终点。