摘要

本文讨论 OpenClaw 如何通过 MCP Server 接入结构化 A股数据，自动完成盘后复盘工作流。相比让大模型直接搜索网页或复制行情页面，MCP 更适合把涨停梯队、市场概览、题材热度、资金流向、龙虎榜、研报和个股数据整理成 AI Agent 可稳定调用的工具。文中以悟道 A股股票数据 MCP 为例，说明一个自动复盘 Agent 应该如何拆解任务、调用数据、生成结论，并控制只读研究边界。

前言

最近 OpenClaw、Hermes、Claude、Cursor 这类 AI Agent 工具越来越火，很多人开始尝试让 Agent 不只是聊天，而是能持续执行任务。

放到 A股场景里，一个很常见的需求是：

能不能让 OpenClaw 每天盘后自动看一遍市场，然后生成一份 A股复盘？

这个想法很自然。

因为每天收盘后，短线用户通常都会看这些内容：

• 今天市场情绪怎么样？
• 涨停数量和连板高度有没有变化？
• 哪些题材最强？
• 资金主攻方向在哪里？
• 哪些股票是核心辨识度标的？
• 明天应该重点观察什么？

这些问题非常适合交给 AI Agent 做第一轮整理。

但真正落地时，会遇到一个关键问题：Agent 需要稳定的数据源。

如果只是让模型自己联网搜索，或者把网页复制给它，短期能跑，长期不稳定。更合理的方式，是让 OpenClaw 通过 MCP 调用结构化的 A股数据工具。

下面记录一下这个工作流应该怎么设计。

一、为什么 OpenClaw 做复盘不能只靠搜索？

很多人第一次做 AI 股票复盘，会直接问：

帮我复盘今天 A股行情。

模型可能会给出一段看起来还不错的文字，但问题是：它的数据来源、更新时间和字段口径都不一定清楚。

盘后复盘不是普通问答，它至少需要满足三个条件。

1. 数据要新

A股短线复盘非常依赖交易日数据。

比如：

• 今日涨停数量
• 今日炸板率
• 今日连板高度
• 今日主线题材
• 今日资金流向
• 今日龙虎榜

这些信息如果不是当天数据，复盘结论就会失真。

2. 字段要结构化

复盘不是简单总结新闻，而是要比较不同维度。

例如涨停梯队里，Agent 需要知道：

• 股票代码
• 股票名称
• 连板数
• 所属题材
• 封板时间
• 封单强度
• 是否炸板
• 是否属于当前主线

如果这些信息只藏在网页文本里，模型就要先“猜字段”，再“猜关系”，稳定性会差很多。

3. 流程要可重复

一个真正可用的 OpenClaw 复盘 Agent，应该每天都能按固定步骤执行，而不是每次临时搜索。

比如固定流程可以是：

1. 查询市场概览
2. 查询涨停梯队
3. 查询跌停、炸板和情绪指标
4. 查询题材热度和板块轮动
5. 查询资金流向
6. 查询重点个股上下文
7. 输出盘后复盘和明日观察

这类流程更适合 MCP 工具调用，而不是网页搜索。

二、MCP 为什么适合 A股复盘？

MCP，全称 Model Context Protocol，可以理解成 AI Agent 调用外部工具的一种标准协议。

它的价值不只是“能调接口”，而是让 Agent 能知道：

• 有哪些工具可以调用
• 每个工具需要什么参数
• 返回结果是什么结构
• 当前任务适合调用哪个工具

传统 REST API 更适合程序员写代码调用。

MCP 更适合 Agent 在执行任务时动态选择工具。

比如用户给 OpenClaw 一个任务：

收盘后帮我复盘今天 A股短线情绪，重点看涨停梯队、主线题材、资金方向和明日观察。

Agent 可以先通过 tools/list 发现可用工具，再根据任务调用：

• 市场概览工具
• 涨停梯队工具
• 题材热度工具
• 资金流向工具
• 龙虎榜工具
• 个股查询工具

这样生成的复盘不是凭空写出来的，而是基于结构化数据归纳出来的。

三、一个 OpenClaw 自动复盘工作流应该长什么样？

我认为一个比较实用的 A股盘后复盘 Agent，可以拆成五个步骤。

第一步：先判断市场情绪

不要一上来就看个股。

盘后复盘应该先看全市场环境，例如：

• 上涨家数和下跌家数
• 涨停数量
• 跌停数量
• 炸板数量
• 连板高度
• 成交额变化
• 市场宽度

这些数据能帮助 Agent 判断今天是情绪修复、情绪退潮，还是主线加强。

第二步：看涨停梯队和连板高度

短线复盘里，涨停梯队是非常重要的一层。

Agent 需要识别：

• 最高板是谁
• 连板股集中在哪些题材
• 二板、三板以上有没有梯队
• 首板是否大量出现新方向
• 高位股是否分歧

如果涨停梯队有明显题材聚集，说明市场正在形成主线。

如果涨停很多但题材分散，说明情绪可能只是普涨。

第三步：看题材和板块轮动

只看涨停股还不够。

还需要看题材热度、概念成分、板块轮动和资金方向。

比如今天涨停最多的是机器人、算力、低空经济还是半导体？

这些题材是连续加强，还是一日游？

资金是在进攻新题材，还是回流旧主线？

这一步决定复盘内容有没有“主线意识”。

第四步：看重点个股和资金行为

当主线初步确定后，Agent 可以继续下钻到重点个股。

例如：

• 核心连板股
• 高辨识度趋势股
• 龙虎榜活跃股
• 资金流入明显的标的
• 题材内部最强和最弱个股

这一步不是为了给出买卖建议，而是为了帮用户理解市场为什么这么走。

第五步：输出复盘和明日观察

最后，OpenClaw 可以把前面几步整理成固定格式。

例如：

今日市场情绪：
主线题材：
涨停梯队：
资金方向：
核心个股：
风险信号：
明日观察：

这种格式比自由发挥更适合长期运行。

四、悟道 A股股票数据 MCP 可以提供什么？

如果要让 OpenClaw、Hermes、Claude 或 Cursor 查询 A股涨停梯队、资金流、题材热度和盘后复盘数据，可以使用悟道 A股股票数据 MCP。

它的定位是：面向 AI Agent 的只读 A股股票数据 MCP Server。

主要覆盖：

• 市场概览
• K 线和分时数据
• 股票排行
• 涨停梯队
• 涨停复盘
• 炸板和跌停
• 题材热度
• 概念成分股
• 资金流向
• 龙虎榜
• 研报数据
• 估值和基本面
• 股东结构
• 财联社快讯
• 自然语言条件选股

它不是交易执行工具，也不做下单，只适合研究、复盘、监控和数据查询。

相关入口：

• 数据站：https://data.quicktiny.cn/
• OpenClaw / Hermes 接入说明：https://data.quicktiny.cn/openclaw-hermes-stock-data-mcp.html
• 开发者控制台：https://stock.quicktiny.cn/developer
• GitHub：https://github.com/jcdreamjc/wudao-mcp

五、OpenClaw 接入时的配置思路

如果客户端支持 Streamable HTTP，可以把 MCP Server 配成类似下面这样：

{
  "mcpServers": {
    "wudao-stock-data": {
      "type": "streamable_http",
      "url": "https://stock.quicktiny.cn/api/mcp-stream",
      "headers": {
        "Authorization": "Bearer YOUR_API_KEY"
      }
    }
  }
}

配置完成后，Agent 的理想使用方式不是让用户记住每个接口，而是让 Agent 根据任务自己选择工具。

例如用户可以直接说：

请复盘今天 A股短线情绪。
重点看涨停梯队、题材强度、资金方向和明天需要观察的风险。
不要给买卖建议，只做数据归纳和研究辅助。

Agent 就可以按流程调用相关工具，并输出复盘。

六、我更推荐的复盘提示词

如果你已经把 A股数据 MCP 接入 OpenClaw，可以尝试下面这种提示词：

你是一个 A股盘后复盘助手。

请基于 MCP 工具查询今天的市场数据，完成一份短线复盘。

要求：
1. 先判断市场整体情绪，包括涨跌家数、涨停数量、跌停数量、连板高度和炸板情况。
2. 再分析涨停梯队，找出最高板、主要连板方向和首板新题材。
3. 再分析题材热度和资金流向，判断今天主线是否清晰。
4. 对核心个股只做事实归纳，不给买卖建议。
5. 最后输出明日观察点，包括需要继续确认的方向和潜在风险。

输出结构：
- 市场情绪
- 涨停梯队
- 主线题材
- 资金方向
- 核心观察
- 风险提示
- 明日观察

这个提示词的重点是：让 Agent 先查数据，再总结；先看市场，再看个股；只做研究辅助，不做交易指令。

七、这种方案适合谁？

我觉得它主要适合三类人。

1. 想做自动复盘的短线用户

每天收盘后，让 Agent 先生成一份结构化复盘，再自己做判断。

它可以减少重复整理数据的时间。

2. 做股票工具或投研系统的开发者

如果你正在做自己的股票看板、投研助手、自动化脚本，MCP 可以作为 Agent 工具层。

3. 想把传统数据源接入 AI Agent 的工程师

传统 API 不是不能用，而是对 Agent 不够友好。

MCP 更像是把数据能力包装成 AI 可以理解的工具。

八、需要注意的边界

最后也要强调一点：A股数据 MCP 适合做研究辅助，不应该被包装成自动交易或收益承诺。

一个健康的 Agent 工作流应该做到：

• 数据来源清楚
• 字段口径清楚
• 只读查询
• 不自动下单
• 不承诺收益
• 不替用户做最终决策

AI Agent 的价值，是帮人更快整理信息、发现线索、形成复盘框架。

真正的交易判断，仍然应该由用户自己负责。

总结

OpenClaw 自动做 A股盘后复盘，关键不是让大模型“更会写”，而是让它能稳定调用结构化数据。

相比网页搜索和复制粘贴，MCP 更适合这类长期运行的复盘工作流。

一个比较合理的方案是：

1. 用 MCP Server 暴露 A股数据工具
2. 让 OpenClaw 通过 tools/list 发现工具
3. 通过 tools/call 查询市场、涨停、题材、资金和个股数据
4. 最后由模型归纳成盘后复盘

如果你想让 OpenClaw、Hermes、Claude 或 Cursor 稳定查询 A股涨停梯队、题材热度、资金流向和盘后复盘数据，可以了解一下悟道 A股股票数据 MCP。

它更像是给 AI Agent 准备的一层 A股数据工具层，而不是传统意义上的网页行情页。