TradingView MCP Bridge:把 Claude Code 接进本地 TradingView 图表的 AI 助手桥

你是否曾经在 TradingView 上一遍遍手动切换品种、周期,逐个点开指标读取数值,写完 Pine Script 还要来回复制、编译、看报错、再改?TradingView MCP Bridge 的出现,正是为了把这些重复操作交给 AI 来完成。它是一个基于 JavaScript 编写的 MCP(Model Context Protocol)服务,通过 Chrome DevTools Protocol 将 Claude Code 与你本地正在运行的 TradingView Desktop 应用连接起来,让 AI 助手真正获得你图表上的”眼睛和手”——既能读取图表状态、指标数值、Pine 绘制出的支撑阻力位,也能切换标的、注入并编译脚本、画线、设警报、进入回放模式逐步复盘。

需要先说明的是:这不是交易机器人,也不会执行真实下单,所有交互仅限于图表层面。它要求你拥有有效的 TradingView 订阅,并通过本地已安装的 Desktop 应用工作,不绕过任何付费墙或访问控制。

截至收录:
TradingView MCP Bridge项目stars数:6298
TradingView MCP Bridge项目forks数:2700

TradingView MCP Bridge项目目录截图

TradingView MCP Bridge项目核心亮点

🔒 完全本地运行,数据不出机器:项目不连接 TradingView 服务器、不修改 TradingView 文件、不拦截网络流量,只通过本地 9222 端口的 Chrome DevTools Protocol 与本地 Electron 应用通信。调试端口默认关闭,必须由你显式使用 --remote-debugging-port=9222 启用,一切都建立在这个主动步骤之上。

🧠 工具覆盖极全,84 个 MCP 工具 + 30 条 CLI 命令:从图表读取(chart_get_statedata_get_study_valuesquote_get)到 Pine Script 全流程(pine_set_sourcepine_smart_compilepine_get_errorspine_get_consolepine_save),再到多窗格布局、标签页管理、画线、警报、回放交易、UI 自动化与截图,几乎覆盖了日常看盘与脚本开发的所有动作。

📉 上下文管理极其克制:所有工具默认返回紧凑输出。Pine 线条只返回去重后的价格位而非每个线条对象,标签最多 50 条且只给文本与价格,表格直接输出预格式化行字符串。一次典型的”分析我的图表”工作流,总体上下文约 5–10KB,而不是 80KB。需要原始数据时,传 verbose: true 即可。

🛠️ CLI 与流式监控双通道:每个 MCP 工具都同时是 tv 命令行命令,输出统一为 JSON,方便用 jq 管道处理;tv stream 系列则通过轮询-差分循环把本地图表的报价、K 线、指标数值、线条、表格以 JSONL 形式推到标准输出,方便写本地监控脚本。

🧪 面向研究,而非”荐股”:项目本身提出了一个开放研究问题——LLM 智能体如何与专业交易界面交互以辅助人类决策。它关注结构化工具 API 如何桥接 LLM 与有状态的桌面金融应用、实时数据环境下的延迟与可靠性约束、模糊金融 UI 状态的理解,以及智能体在实时数据中的失效模式。

⚠️ 明确的能力边界:它不连接 TradingView 服务器或 API,不存储、传输或再分发任何行情数据,没有有效订阅和桌面应用就无法工作,不绕过任何付费墙,不执行真实交易。同时它访问的是未文档化的内部接口,TradingView 每次更新都可能导致失效,追求稳定的话建议锁定 Desktop 版本。

TradingView MCP Bridge项目快速开始

只需几步,你就能在本地跑起来。前提是:TradingView Desktop(实时数据需付费订阅)、Node.js 18+、支持 MCP 的 Claude Code 或任意终端,macOS / Windows / Linux 均可。

  1. 克隆并安装
    bash
    git clone https://github.com/tradesdontlie/tradingview-mcp.git
    cd tradingview-mcp
    npm install
  2. 以调试模式启动 TradingView Desktop
    “`bash
    # macOS
    ./scripts/launch_tv_debug_mac.sh
    # Windows
    scripts\launch_tv_debug.bat
    # Linux
    ./scripts/launch_tv_debug_linux.sh

    或者手动启动(关键参数就是调试端口)

    /path/to/TradingView –remote-debugging-port=9222
    “`

  3. 接入 Claude Code,编辑 ~/.claude/.mcp.json 或项目内的 .mcp.json
    json
    {
    "mcpServers": {
    "tradingview": {
    "command": "node",
    "args": ["/path/to/tradingview-mcp/src/server.js"]
    }
    }
    }

    /path/to/tradingview-mcp 换成你的真实路径。
  4. 验证连接:对 Claude 说 “Use tv_health_check to verify TradingView is connected”。
  5. 试试 CLI(可选,npm link 后可直接使用 tv):
    bash
    tv status # 检查连接
    tv quote # 当前价格
    tv symbol AAPL # 切换标的
    tv ohlcv --summary # 价格摘要
    tv screenshot -r chart # 截取图表
    tv pine compile # 编译 Pine Script
    tv pane layout 2x2 # 切成 4 宫格
    tv stream quote | jq .close # 监控价格变化

如果你懒得手动配置,也可以把这段话直接粘进 Claude Code,让它替你完成克隆、安装、写配置和启动:

Install the TradingView MCP server. Clone https://github.com/tradesdontlie/tradingview-mcp.git, run npm install, add it to my MCP config at ~/.claude/.mcp.json, and launch TradingView with the debug port. Then verify the connection with tv_health_check.

TradingView MCP Bridge项目应用场景

场景一:Pine Script 开发与调试闭环:你可以用自然语言描述需求,让 Claude 通过 pine_set_source 注入代码、pine_smart_compile 自动编译并检测错误、pine_get_errors 读报错、pine_get_consolelog.info() 输出,改完再编译,最后 pine_save 存到 TradingView 云端。整个迭代过程不用离开对话框。如果只想做离线静态检查,pine_analyzepine_check 甚至不需要打开图表。

场景二:AI 辅助图表分析:一句话让 Claude 按决策树执行完整分析链——quote_get 取最新价、data_get_study_values 读 RSI/MACD/BB/EMA 数值、data_get_pine_lines 读支撑阻力位、data_get_pine_labels 读文字标注(比如 “PDH 24550″)、data_get_pine_tables 读会话统计表、data_get_ohlcv 拿摘要、最后 capture_screenshot 截图供视觉分析。配合 study_filter 还能精确锁定某一个指标,而不是全盘扫描。

场景三:历史回放与练习复盘:用 replay_start 跳到指定日期,replay_step 逐根 K 线推进,replay_autoplay 自动播放,replay_trade 模拟买入/卖出/平仓,replay_status 查看持仓、盈亏与日期,练完 replay_stop 回到实时行情。

场景四:多品种监控与本地脚本pane_set_layout 2x2 搭起 4 宫格,给每个窗格设置不同标的;再用 tv stream alltv stream quote | jq .close 把本地图表的行情变化以 JSONL 吐给本地监控脚本,全程不触碰 TradingView 服务器。

场景五:LLM 智能体与金融界面交互研究:对于研究者和开发者,这个项目提供了一块可复现的实验田——可以观察智能体在实时数据下的延迟表现、对模糊 UI 状态(如解读 Pine Script 输出、读取指标表格)的处理能力,以及自然语言作为图表导航与脚本开发界面的有效性。相关开放问题与发现记录在项目的 RESEARCH.md 中。

关于用户案例:该项目定位为个人、教育与研究用途的工作流自动化工具,并未公开宣传企业级采用案例。更准确的描述是——它服务于希望把 AI 助手接入自己看盘流程的个人交易者、Pine Script 开发者,以及研究人机协作金融工作流的研究人员。

TradingView MCP Bridge项目链接

 


使用前请务必留意:本项目与 TradingView Inc.、Anthropic 均无隶属或背书关系。TradingView 的使用条款限制自动化数据采集、抓取与非展示用途,而本工具通过 CDP 对桌面应用进行程序化交互,可能与这些条款存在冲突。你需要自行确保使用方式合规,并自行承担账号封禁、暂停或其他后果的风险。不要把通过它获取的任何数据再分发、转售或用于商业牟利,也不要用于自动化交易或算法决策。行情数据始终受交易所与数据提供商的许可条款约束。如果对合规性存疑,请不要使用。tradesdontlie/tradingview-mcp项目地址:https://github.com/tradesdontlie/tradingview-mcp

本文地址:https://www.tgoos.com/46373

声明:本站资源均整理自互联网,版权归原作者所有,仅供学习交流使用,请勿直接商用,若需商用请购买正版授权。因违规使用产生的版权及法律责任由使用者自负。部分资源可能包含水印或引流信息,请自行甄别。若链接失效可联系站长尝试补链。若侵犯您的权益,请邮件(将 # 替换为 @)至 feedback#tgoos.com,我们将及时处理删除。转载请保留原文链接,感谢支持原创。