深度分析Clawby Tradingview MCP 这款vibe coding 到底从哪些方面帮助了我们做交易 vibe链接： 数据接口： @openclawby 终端以及语言模型： @OpenAI 一、先说清楚：这是个什么东西 Clawby Tradingview MCP，本质上是一个 MCP 服务器。 MCP 是 Model Context Protocol 的缩写——可以理解为 AI 的"USB 接口"。以前 AI 只能聊天，有了 MCP，AI 就能读你的文件、操作你的软件、调外部 API。 这个项目做的就是：让你的 AI 助手（Claude Code / Codex 等）能直接控制你电脑上的 TradingView Desktop，并且能实时拉 Clawby 的另类数据叠加到图表上。 二、它是怎么工作的 拆开来看，技术链条是这样的： 你告诉 AI："看看 AAPL 的暗池最近有没有异动" ↓ AI 通过 MCP 连接 → Tradingview MCP Server ↓ Server 用 Chrome DevTools Protocol（CDP）连接到你的 TradingView Desktop 实例 ↓ CDP 让 AI 能 "看到" 你的图表——当前在看什么股票、什么时间周期、什么指标 ↓ AI 同时通过 Clawby API 拉取暗池数据 ↓ 数据返回后，AI 把暗池异动标注在 TradingView 图表上 ↓ "你看，AAPL 过去 3 天暗池累计出了 120 万股，高于 30 日均值 3 倍" 关键的技术点在于 Chrome DevTools Protocol（CDP）。TradingView Desktop 是 Electron 应用（本质上是一个 Chrome 浏览器窗口），CDP 就是 Chrome 暴露出来的远程控制接口。通过 CDP，AI 可以： 读取图表当前状态（什么股票、什么周期） 在图上画形状、加标注 获取屏幕截图 这就不是"AI 给你一段文字分析"那么简单了，而是 AI 直接在交易员的原生操作环境里工作。 三、Clawby 到底提供了哪些数据 这才是整个核心的重点—— 美股方向： 1. 暗池（Dark Pool） Levels：暗池里不同价位的挂单深度，能看到大机构在什么价位接盘或出货 Prints：暗池实际成交记录，谁在偷偷吸筹 为什么重要：暗池交易量现在占美股总成交的 40%+，不看暗池等于只看了一半市场 2. 做空数据 短成交量（Short Volume）：每天有多少成交是做空产生的 短利息（Short Interest）：当前未平仓的空头头寸总量 借券费率（Borrow Fee）：做空需要支付的借券成本，费率飙升通常意味着轧空临近 FTDs（Failure to Deliver）：交割失败数据，高 FTD 是挤压的燃料 3. 期权链 + Max Pain 全链路的期权数据 Max Pain：使最多期权持有者亏损的行权价——市场经常"被拉向"这个价位 结合暗池和做空数据看 Max Pain，能判断大资金在操纵什么价位 4. SEC 财务数据 不是延迟一个季度的数据，而是 API 直接拉取 EPS（每股收益）、总收入、净利润、流通股本 快速判断基本面是否支持当前价格 5. Reddit 情绪 从 Reddit 财经板块（特别是 WSB）抓取讨论热度 量化成情绪分数，辅助判断散户情绪是否极端 加密方向（数据源：Coinglass）： 资金费率（Funding Rate）：永续合约的资金费率，反映多空力量对比 未平仓合约（Open Interest）：总持仓量，判断趋势的强度 爆仓数据（Liquidations）：大额爆仓往往意味着短期反转 多空比（Long-Short Ratio）：持仓方向分布 Taker 买卖流量：主动买单 vs 主动卖单的比例 四、这个设计的巧妙之处 它没有替代 TradingView，而是增强了 TradingView。 很多人做 AI 交易工具的思路是「再造一个交易终端」——自己画 K 线、自己接数据、自己做 UI。结果做出来永远比不上 TradingView。 这个项目的做法更聪明： 复用 TradingView 的图表能力——TradingView 已经有最好的图表引擎 只用 MCP 做"附加层"——AI 只负责拉额外数据和标注 数据来源用 Clawby 聚合——自己不用对接 10 个数据源 结构上就变成了： TradingView（最佳图表）← CDP → MCP Server ← Clawby API（10+ 维度数据） ↑ AI 助手 五、实战场景推演 场景一：盘前快速扫描 你打开 TradingView，输入 AAPL → AI 自动拉 Clawby 数据 → 30 秒后告诉你： "暗池昨晚有异动，借券费率上升 20%，Max Pain 在 $240" → 你直接在图上看到这些数据点 场景二：持仓监控 你持有 TSLA → 让 AI 每隔 15 分钟自动检查：暗池流向、期权开仓变化 → 有异常时主动提醒你 → 你不用手动刷任何页面 场景三：加密合约交易 你看 BTC 的永续合约图表 → AI 拉 Coinglass 数据 → 告诉你：资金费率已经负了 8 小时，OI 在下降 → 这可能预示着多头在投降 六、为什么它代表了一个方向 去年大家聊 AI 交易，话题大多集中在「AI 能不能预测涨跌」。 今年不一样了。成熟的方向不是预测，而是聚合和翻译。 一个交易员做决策需要的信息分散在： TradingView（看 K 线） 暗池数据网站 Stocktwits/Reddit（看情绪） 期权链查询工具 做空数据面板 切换工具的成本就是注意力的损耗。这个 MCP 做的事本质上就是：把所有数据拉到同一个画面，让 AI 当你的信息助理。 七、开源和技术栈 GitHub： 技术栈：Claude（构建工具）、CDP（浏览器控制协议）、Clawby API（数据底座） 用途标签：$TOOL、#MCP# 发布时间：2026-07-24 如果你是一个交易员，看到这里我相信你应该很激动了。 如果你是一个小白，我想你也没有这些耐心看到这。 所以最后的最后 如果你对我们的clawby感兴趣，如果你想加入我们的vibe coding社区，欢迎联系我们团队。

Safari 推 MCP Server，这事对 Web 开发者很关键。 以前浏览器自动化大多靠 Playwright、Puppeteer，外部去控制页面。 现在思路变成： 让 AI 通过 MCP 直接连接浏览器窗口，拿 DOM、网络请求、截图、控制台输出，然后自己做调试、性能分析、可访问性检查。 这会改变前端开发的工作流。 以后你遇到页面 bug，可以不是截图给 AI 看。 而是让 AI 直接进浏览器： 看控制台； 看网络请求； 读 DOM； 复现操作； 给修复建议； 再验收结果。 前端工程师的下一个信息差，可能是浏览器原生 Agent 化。

Safari 推出 MCP Server，这条对 Web 团队比普通模型发布更实际。 Safari Technology Preview 247 现在允许 MCP 客户端连接 Safari 浏览器窗口。Agent 可以读 DOM、网络请求、截图、控制台输出，还能用 browser_console_messages、screenshot、evaluate_javascript、list_network_requests 这类工具做调试、性能分析和可访问性检查。 这意味着浏览器不再只是人看的界面，它会变成 Agent 的工作现场。 但小团队别只看到“以后 AI 可以帮我调试网页”。 更该先定义：哪些页面能被 Agent 读取，哪些请求不能暴露，哪些脚本执行要确认，哪些生产环境操作必须禁止。 浏览器权限一打开，效率和风险会一起进来。

又挖到一个很能打的 MCP 服务器：Chrome MCP Server。它基于 Chrome 插件，让 AI 助手直接接管你的浏览器。 不仅能做复杂的浏览器自动化、内容分析、语义搜索，还能原样保留你的登录状态、扩展和各类浏览器设置。 GitHub： 主要亮点： - 直接用你正在用的 Chrome，配置、扩展、登录状态全部继承 - 全程本地运行，隐私和数据更稳 - 内置 20+ 工具：截图、网络监控、内容分析等一站式覆盖 - AI 语义搜索：更快定位标签页内容，告别手动翻找 - 跨标签联动：多页面串联操作，自动化流程更容易做深 - 书签与历史管理：支持智能检索与分类整理 - 表单填写与页面交互：模拟键鼠操作，真实可用 对比 Playwright，这套方案更轻、更快、资源占用更低。用法也简单：装好它提供的 Chrome 插件，再在 Claude 桌面客户端配置 MCP，就能上手。

🔌 让 Claude 和 Codex 真正连上你工具的 5 个开源 MCP 项目，AI 圈都在收藏 MCP 是 Anthropic 开的协议，一句话说就是给 AI 装一个通用插座——AI 本来只会聊天，接上 MCP 就能读你的数据库、开你的浏览器、查你的代码仓库。现在最值得先装的几个： 1、servers（官方仓库）— 官方一次性给你几十个现成 MCP server，文件系统、Git、数据库、搜索都有，照着 README 配就能用。88.7k star。 2、awesome-mcp-servers — 全网 MCP server 的大目录，想找某个场景的接入直接来这翻，91k star，社区更新最勤的一份。 3、Context7 — 专治 AI 写代码用的库版本过时：它把最新官方文档实时喂给 AI，让它别再拿两年前的 API 骗你。59.5k star。 4、Playwright MCP — 微软出的，让 AI 直接开浏览器点按钮、填表单、抓页面，做网页自动化不用自己写脚本。35.3k star。 5、GitHub MCP Server — GitHub 官方的，让 AI 直接读 issue、看 PR、提交代码，把仓库管理交给它。31.6k star。 软件以前是给人用的，现在是给 Agent 用的。

7/🔌 终局：不再是笔记本 2026 年 2 月上线 MCP server。Claude、ChatGPT、Cursor 现在能直接调你会议里的上下文。 记笔记收不到 $200/座/月。但喂饱所有 AI agent 的上下文层可以。

HR 在 BOSS 直聘招人，平时是手动一个个搜候选人、一个个点开看简历、再手动记录——boss-zhipin-mcp，把这个流程变成了丢给 Claude 自动跑：批量搜、自动看简历、智能评分、一键出报告。 一句话：BOSS 直聘招聘者端的 MCP Server，连上 Claude Code / Claude Desktop，一句话让 AI 帮你批量搜索候选人、看简历、筛选评分、导出报告，全程自动化。 它怎么干活的： 通过 Playwright 连接你已经登录好 BOSS 直聘的 Chrome 浏览器，AI 直接在招聘后台页面里操作搜索、看简历、发消息。你只需要对 Claude 说一句话，剩下的它自己跑。 （1）多关键词批量搜索——你给 12 个关键词（比如"AI产品经理""AIGC产品经理""大模型产品"），它自动轮询搜索，每次滚动加载 100+ 候选人，跨关键词自动去重 （2）自动看简历 + 抓永久链接——自动点击候选人卡片，截图 Canvas 渲染的简历（绕过 BOSS 的防爬），再自动点转发按钮解码二维码，拿到 永久分享链接 （3）候选人数据库持久化——所有搜到的人自动存进本地 JSON 数据库，中断了下次能接着跑，数据不丢 （4）自动筛选 + 多维度评分——按你配的条件（年龄、薪资、求职状态）过滤，再用你定义的关键词（领域词、技术词）打分，自动挑出 Top N （5）一键导出 Markdown 报告——表格 + 跟进表 + 详情卡片，直接拿去给用人部门看 （6）自动打招呼——筛出来的人可以直接在搜索结果里发起沟通，进入聊天列表 怎么接： git clone  cd boss-zhipin-mcp pip install -r requirements.txt playwright install chromium 然后在项目里建一个 .mcp.json 把这个 server 接进 Claude Code，编辑 search_profile.yaml 填你的岗位、关键词、筛选条件，对 Claude 说"帮我搜北京的 AI 产品经理"就开跑。 ⚠️ 注意：这是给招聘方/HR用的工具，不是求职者投简历用的。需要有 BOSS 直聘招聘者账号。 自己是招聘方、做 HR、或者开公司招人想批量筛候选人的兄弟，这个工具能省掉大量重复点开简历的时间。 好东西转给需要的兄弟。🚀 #AI招聘# #Claude代码# #老杨啊分享#

DesktopCommanderMCP（让 Claude 拥有完整桌面控制权） 让你的 Claude 拥有完整桌面超能力！🖥️⚡ wonderwhy-er/DesktopCommanderMCP MCP server 直接给 Claude 终端控制权 + 全文件系统搜索 + 外科手术式 diff 编辑。以前 Agent 只能在编辑器里聊天，现在可以直接在你电脑上执行命令、读写 Excel/PDF/DOCX、后台跑进程、递归搜索代码库。 // 核心硬核： • 终端全控：流式输出、超时管理、进程列表/kill、交互式会话（SSH/数据库） • 文件操作全家桶：原生读写 Excel/PDF/DOCX、递归搜索（ripgrep）、精确替换、目录树懒加载 • 高级编辑：多文件同时处理、模式替换、Markdown 实时预览 + 自动保存 • 安全优先：命令黑名单、Docker 隔离、符号链接防护、完整审计日志 • 完美支持 Claude Desktop、Cursor、Windsurf、Cline 等全平台 + Remote MCP 本地 AI 工作流革命性升级！隐私不上传云端，效率直接拉满。 特别适合用 Claude Code / Cursor 做重度开发 + 数据分析 + 自动化任务的 indie dev。 安装方式超多（推荐 npx 或 Docker）： 官方 README 一键配置 Claude Desktop / Cursor。 GitHub： MCP + 本地 Agent 生态玩家，赶紧 Star 收藏！🚀

🧠炸裂！这个开源项目拖拖拽拽就能搭出能干活的 AI agent，还能一键变成 MCP 工具 GitHub 揽获 15 万+ stars，直接封神了 以前想给 Claude 或者自己的应用加一个「查数据库+搜网页」的 agent 能力，得学一套框架、写一堆胶水代码才能跑通。 现在打开 Langflow 的画布，把检索组件、对话管理、搜索工具这些拖出来连一连，playground 里当场跑一遍看结果，每个组件不满意还能直接改 Python 源码。 调好了，要么一键导出成 API 给自己的程序调，要么直接部署成 MCP server，让 Claude 把这个工作流当成一个工具来调用。 uv pip install langflow 装完，uv run langflow run 一条命令，本地 7860 端口就跑起来了。 以前搭 agent 靠写代码，现在靠拖组件。