UpdateStock MCP 技能#

通过 stdio MCP 管理 A 股 DuckDB 数据库——创建、更新、查询股票行情数据。数据库方案兼容 QuantAll（全A解析）计算引擎。

💡 如需使用 QuantAll：推荐安装 QuantAll-mcp 技能（ pip install quantall），其中包含 QuantAll 的详细使用文档。本技能负责为其准备兼容的数据库。

---

安装前准备#

1. 填写 tushare API token#

技能目录下已包含 API_tushare.txt（空白文件）， 请先填入你自己的 tushare API token，否则无法获取 tushare 数据。

获取方式：访问 https://tushare.pro/register 注册，登录后在个人中心复制 token，粘贴到 API_tushare.txt 中保存。

即使不填 token，脚本仍可通过 baostock（免费，无需注册）获取部分数据。

2. 安装 Python 依赖#

建议使用虚拟环境隔离：

bash

# 在 scripts 目录下创建虚拟环境
<你的Python路径> -m venv scripts/.venv

# 用清华镜像源安装依赖
scripts/.venv/Scripts/python.exe -m pip install -r requirements.txt -i https://pypi.tuna.tsinghua.edu.cn/simple

所需依赖（见 requirements.txt）：

• mcp — MCP Python SDK（提供 FastMCP）
• pydantic — 参数校验
• pandas — 数据处理
• numpy — 数值计算
• duckdb — DuckDB 数据库引擎
• tushare — A 股数据接口（需注册获取 API token）
• baostock — 备用数据源（免费，无需 token）

3. 配置 MCP（stdio 模式）#

在 ~/.workbuddy/mcp.json 的 mcpServers 中添加：

json

"UpdateStock": {
  "command": "C:/Users/<用户>/.workbuddy/skills/update-stock-mcp/scripts/.venv/Scripts/python.exe",
  "args": ["C:/Users/<用户>/.workbuddy/skills/update-stock-mcp/scripts/UpdateStock_skill.py"],
  "disabled": false
}

路径使用正斜杠 /，避免反斜杠转义问题。 配置完成后需在 WorkBuddy 连接器管理中断开重连（或重启智能体），首次连接需点击「信任」。

4. DB_setting.json（自动创建）#

技能包 不携带 DB_setting.json。UpdateStock 首次启动时检测到缺失会自动创建默认配置文件，默认连接同目录下的 Test.duckdb。

⚠️ Test.duckdb 仅供测试：首次调用 Creat_DB 留空路径时自动创建，仅含基础表结构（无数据）。正式使用时请通过 Creat_DB 指定独立路径创建数据库。

DB_setting.json 结构：

json

{
  "db_path": "./Test.duckdb",
  "days": 730,
  "stock": "stock",
  "map_stock": { "trade_date": "trade_date", "symbol": "symbol", ... },
  "stock_index": "stock_index",
  "map_stock_index": { ... },
  ...
}

每个 map_* 字段定义了对应表的列名映射，用户使用自有数据库时修改这些映射即可适配实际字段名。

---

可用工具#

mcp__UpdateStock__ping — 连接检测#

无参数。返回 Pong 表示服务正常。

text

DeferExecuteTool(toolName="mcp__UpdateStock__ping", params={})

mcp__UpdateStock__Creat_DB — 创建数据库#

参数类型默认值说明DB_pathstring""数据库路径，留空则使用同目录下 Test.duckdb

创建的表：stock、stock_index、stock_basic、stock_factor、stock_forecast、stock_dividend、stock_report

text

DeferExecuteTool(toolName="mcp__UpdateStock__Creat_DB", params={"DB_path": ""})

mcp__UpdateStock__Update_Stock_Data — 全量更新#

⚠️ 首次从 0 开始更新数据库耗时非常长（可能需数小时），请在空闲时运行，避免中途中断。 需要 tushare 积分 2000+。

参数类型默认值说明ignore_checkbooleanfalse是否跳过部分检查

数据库路径和 API key 自动从 DB_setting.json 和 API_tushare.txt 读取，无需手动传入。

7 个更新阶段（每阶段持续发送 MCP 进度通知）：

1. 指数数据（上证指数、深证成指）
2. 股票行情（全市场日线）
3. 基础数据（股票列表、公司信息）
4. 行情因子（PE/PB/换手率/市值等每日指标）
5. 业绩预告
6. 分红
7. 财报 / 财务指标

阶段 7 特殊情况：2000 积分接口不支持按日期批量获取财务指标，需先通过 disclosure_date 收集发布财报的股票清单，再逐只调用 fina_indicator 拉取。

• 非财报披露窗口（如 5~7 月）清单可能为空，属正常现象——没有公司在这些月份披露新财报。
• 披露窗口（3~4 月年报季、8 月中报季、10 月三季报季）可能涉及数千只股票，逐只拉取耗时数十分钟。
• v2.2 起内置 心跳机制：每更新 10 只或超过 30 秒无输出，强制发送进度（含 ETA），防止 AI 因长时间无响应而误判 MCP 断连。

table_date 更新追踪：数据库内置 table_date 表，记录 stock_forecast、 stock_dividend、 stock_report 三张表的最后更新日期（取上证指数 000001 最新交易日）。即使某阶段无新数据（skip），也会写入记录——下次运行时直接跳过，不再重复扫描缺失日期区间。

text

DeferExecuteTool(toolName="mcp__UpdateStock__Update_Stock_Data", params={
  "ignore_check": false
})

mcp__UpdateStock__Update_Stock_Data_easy — 增量更新（精简版）#

适合 tushare 积分 120-200 的用户，仅更新指数行情和股票行情两张表。 通过 baostock 获取指数数据 + tushare 获取股票日线。

参数类型默认值说明ignore_checkbooleanfalse是否跳过部分检查

数据库路径和 API key 自动从 DB_setting.json 和 API_tushare.txt 读取。

text

DeferExecuteTool(toolName="mcp__UpdateStock__Update_Stock_Data_easy", params={
  "ignore_check": false
})

mcp__UpdateStock__get_stock — 获取非复权股票行情#

从数据库查询指定股票、指定时间范围的非复权行情数据。

参数类型默认值说明symbolstring"000001"股票代码（6位数字）start_datestring""开始日期，格式 YYYY-MM-DDend_datestring""截止日期，格式 YYYY-MM-DD

返回字段：trade_date, symbol, open, high, low, close, pre_close, vol, voe

text

DeferExecuteTool(toolName="mcp__UpdateStock__get_stock", params={
  "symbol": "000001",
  "start_date": "2026-05-01",
  "end_date": "2026-07-03"
})

mcp__UpdateStock__get_adj_stock — 获取前复权股票行情#

从数据库查询指定股票、指定时间范围的前复权行情数据（已自动处理分红送股除权）。

参数类型默认值说明symbolstring"000001"股票代码（6位数字）start_datestring""开始日期，格式 YYYY-MM-DDend_datestring""截止日期，格式 YYYY-MM-DD

返回字段：trade_date, symbol, open, high, low, close, vol, voe

text

DeferExecuteTool(toolName="mcp__UpdateStock__get_adj_stock", params={
  "symbol": "000001",
  "start_date": "2026-05-01",
  "end_date": "2026-07-03"
})

mcp__UpdateStock__Start_QuantAll — 启动 QuantAll#

无参数。在 localhost:8686 启动 QuantAll HTTP MCP 服务。内置端口检测，防止重复启动。

启动时会在 scripts/ 目录下动态生成 Start_QuantAll.py 启动脚本，然后通过 subprocess 启动子进程。

⚠️ 用户协议：QuantAll 首次启动会弹出用户协议确认窗口。 在用户点击确认之前，除 ping 外的所有 QuantAll 工具都将被阻止——这是金融技能的法律合规要求。启动后请尽快到桌面找到弹窗并点击确认。

⚠️ MCP 重连：QuantAll 启动后，全A解析 MCP 连接需要断开重连才能生效。两种方式：①连接器管理页面手动重连（专家→连接器→自定义连接器→全A解析→断开→连接）；②重启智能体（推荐，自动重连所有 MCP）。

text

DeferExecuteTool(toolName="mcp__UpdateStock__Start_QuantAll", params={})

mcp__UpdateStock__Set_QuantAll_DataBase — 设置数据库#

参数类型默认值说明pathstring""数据库路径daysint730加载天数（默认两年）

将数据库路径写入 DB_setting.json，QuantAll 下次启动时生效。

text

DeferExecuteTool(toolName="mcp__UpdateStock__Set_QuantAll_DataBase", params={
  "path": "D:/你的数据库路径/your_db.duckdb",
  "days": 730
})

---

QuantAll 集成#

本技能管理的 DuckDB 数据库可直接作为 QuantAll 的数据源。如需使用 QuantAll：

1. 安装 QuantAll：推荐安装 QuantAll-mcp 技能（ pip install quantall），该技能包含详细的 QuantAll 使用文档
2. 准备数据库：通过本技能的 Creat_DB + Update_Stock_Data（或 Update_Stock_Data_easy）创建并填充数据库
3. 设置数据库路径：调用 Set_QuantAll_DataBase 将数据库路径写入配置
4. 启动 QuantAll：调用 Start_QuantAll 启动服务（首次启动需确认用户协议弹窗）
5. 配置 MCP：在 mcp.json 中添加全A解析 HTTP MCP 配置：

json

"全A解析": {
  "url": "http://127.0.0.1:8686/mcp",
  "disabled": false
}

1. 重连全A解析 MCP（连接器页面或重启智能体），首次连接需点击「信任」

---

数据库方案#

方案 A：使用默认测试数据库（仅供功能验证）#

调用 Creat_DB 留空路径时自动创建 Test.duckdb，仅含 7 张空表结构。用于验证数据库连接和工具可用性。

⚠️ Test.duckdb 仅用于测试，正式使用请通过方案 B/C 创建独立数据库。

方案 B：通过 UpdateStock 创建完整数据库#

方案tushare积分数据范围调用工具耗时完整版2000+全市场 5500+ 股票，全部表（行情/财务/因子/预告/分红/财报）Update_Stock_Data首次数小时精简版120-200（免费认证即可获得）指数行情 + 股票行情（仅 OHLCV）Update_Stock_Data_easy较快

更新速度说明：即使是增量更新也不快——部分数据需从最新缺失日期开始逐天确认是否有新数据，且 tushare 部分接口本身响应较慢。

心跳机制（v2.2+）：阶段 7（财务指标）逐只拉取时，内置计数+时间双触发心跳——每 10 只或 30 秒无输出即发送进度。进度格式为 财报拉取进度 1523/5530（27%）已耗时 5m12s 预计剩余 13m40s，确保 AI 不会因长时间无响应而误判 MCP 断连或进程崩溃。

table_date 追踪（v2.2）： stock_forecast、 stock_dividend、 stock_report 三张财报相关表在每次更新（含 skip）后自动记录上证指数最新交易日，下次增量运行时直接跳过——避免每轮都重复扫描数十个缺失日期区间。

操作步骤：

1. 调用 Creat_DB 创建独立数据库（指定新路径， 不要覆盖 Test.duckdb）
2. 调用 Set_QuantAll_DataBase 将新数据库路径写入设置
3. 调用 Update_Stock_Data 或 Update_Stock_Data_easy 填充数据
4. 重启 QuantAll 服务使新数据库生效

方案 C：使用用户自有数据库#

如果用户已有 DuckDB 股票数据库，直接修改 DB_setting.json 中的 db_path 指向该数据库，并调整各表的 map_* 字段映射以匹配实际列名即可。

---

工作流程#

数据库创建与更新流程#

1. 调用 ping 确认 MCP 服务已连接

2. 首次使用先调用 Creat_DB 创建独立数据库（不要用 Test.duckdb）

3. 调用 Set_QuantAll_DataBase 设置数据库路径

4. 根据 tushare 积分选择 Update_Stock_Data（2000+）或 Update_Stock_Data_easy（120-200）

   • 首次全量更新耗时极长，请在空闲时段运行，避免中途中断

5. 检查返回信息确认操作结果

数据查询流程#

1. 调用 get_stock（非复权）或 get_adj_stock（前复权）获取行情数据
2. 指定股票代码和时间范围
3. AI 可直接使用返回的 JSON 数据进行绘图、分析等操作

QuantAll 启动流程#

1. 确认 QuantAll 已安装（ pip install quantall，推荐通过 QuantAll-mcp 技能安装）
2. 确认 mcp.json 中已配置全A解析 HTTP MCP
3. 调用 Start_QuantAll 启动服务
4. 重连全A解析 MCP（连接器页面或重启智能体）
5. 首次启动需确认用户协议弹窗
6. 调用 mcp__全A解析__ping 验证

---

注意事项#

• 数据库路径和 API key 分别由 DB_setting.json 和 API_tushare.txt 管理，工具调用时无需手动传入
• DB_setting.json 首次运行自动创建，默认连接同目录 Test.duckdb
• tushare API token 放入 API_tushare.txt（纯文本，一行），避免每次输入
• 查询无结果时返回友好提示字符串，而非报错
• 返回的 trade_date 格式为 YYYY-MM-DD 字符串，方便 AI 直接解析
• pandas 3.x 兼容性：pandas 3.0+ 中 str 类型不再是 object，日期处理代码需在 pd.to_datetime() 前先 .astype(object) 转换
• Test.duckdb 仅供测试，正式使用务必创建独立数据库

版本历史#

• v2.2 — 阶段 7（财务指标）心跳优化：计数+时间双触发进度机制（每 10 只 / 30 秒），带 ETA 预估；修正 disclosure_date 按 actual_date 查询在非披露窗口返回 0 的说明（非 bug，正常行为）；修正频率限速逻辑；新增 table_date 更新追踪表—— stock_forecast/ stock_dividend/ stock_report 三表在每次更新后记录上证指数最新交易日，skip 路径也写入，避免每轮重复扫描缺失日期区间；新增 Updb.write_table_date() 方法；
• v2.1 — 移除已废弃的 Install_QuantAll / Uninstall_QuantAll 工具（QuantAll 现通过 pip install quantall 安装）；精简 QuantAll 相关描述（推荐安装 QuantAll-mcp 技能）；修正依赖列表（移除不在 requirements.txt 中的 PySide6/PyOpenGL）；修正 Test.duckdb 说明（运行时创建，非技能包自带）；修正字段映射说明（ DB_setting.json 的 map_* 替代 db_translate.json）
• v2.0 — 重写文档：以数据库管理为核心定位；更新工具签名匹配 async 新版本（ Update_Stock_Data / Update_Stock_Data_easy 不再接收 DB_path/ API 参数，改为自动读取配置文件）；新增进度通知说明；新增 MCP 重连和用户协议注意事项
• v1.1 — 新增 get_stock 和 get_adj_stock 工具，支持查询股票行情数据（支持时间范围过滤）
• v1.0 — 初始版本，支持数据库创建和全量/增量更新