Communitygithub.com

algorover-research

探索 AlgoRover 研究策略,預覽並執行歷史回測,檢查或取消任務,並透過託管的 MCP 服務下載研究報告。

algorover-research 是什麼?

AlgoRover Research 是一個基於 MCP 的 AI 工具,專門用於量化策略的研究與管理。它允許使用者透過對應的 MCP 服務端點(`https://research.algorover.ai/mcp`)搜尋公開的歷史策略、設定參數、執行回測以及下載研究報告。此工具僅依賴公開的歷史市場數據,不連接觸發真實交易的交易所帳戶或下單,因此適合研究與初步驗證階段。支援多語言環境(如 `zh-CN` 與 `en`),並使用瀏覽器 OAuth 進行個人化執行與報表權限管理。基於 SKILL.md 的規範,開發者可串接完整的策略發現、準備、回測、取消與資料刪除流程,並在授權失敗時通過主機重新連線。該技能適用於 Claude Code、Cursor 或 Codex 等支援 MCP 協定的開發平台。

相容平台~Claude Code~Codex CLI~Cursor
npx skills add https://github.com/algorover/algorover-research-skills/tree/main

在你喜歡的 AI 中提問

開啟一個已預先載入此 Agent Skill 的新對話。

說明文件

AlgoRover Research

使用主機的 algorover-research MCP 連線,端點為 https://research.algorover.ai/mcp。安裝此技能會新增指示;請依照連線指示另外設定 MCP 連線(當工具遺失時)。

研究使用公開的歷史市場數據。它不會連線交易所帳戶或執行訂單。公開探索與準備不需要登入。個人化執行與報表需要透過瀏覽器 OAuth 並取得 research:read 與 research:run 權限;切勿在對話中要求憑證。

  1. 探索時,請呼叫 search_strategies,其中 locale: "zh-CN" 用於中文,locale: "en" 用於英文或其他語言。在後續接受此參數的工具中,請保留該語言代碼。對於指定的策略,請使用回傳的參考資料來呼叫 get_strategy。
  2. 僅使用服務回傳的版本、預設集與市場。若準備狀態為 not_requested,請呼叫 prepare_strategy;每隔至少三秒檢查一次 get_strategy,直到準備就緒。若無法使用,請回報其失敗原因。
  3. 針對選定的預設集、交易場所與支援的 90 天或 365 天視窗,呼叫 prepare_backtest。請顯示確切設定,並等待確認後再開始。
  4. 確認後,使用回傳的 prepared_input、preparation_ticket 以及作為冪等金鑰的 request_key 來呼叫 start_backtest。若因不確定是否已啟動而重試,請重複使用該金鑰。保留實際的任務識別碼。
  5. 使用 get_backtest 取得狀態、get_backtest_result 取得完成的指標,以及 get_backtest_report_download 取得已要求的報告。若未知任務識別碼,請使用 list_backtests。顯示實際回傳的文字與連結;僅在主機呈現卡片時才提及卡片。
  6. 取消時,僅對選定的作用中任務呼叫 cancel_backtest,並透過 get_backtest 確認 status: cancelled。待處理中的取消不是完成狀態。

若授權失敗,請使用主機的連線或重新連線動作,完成瀏覽器授權,並在主機確認連線後才繼續。保留原始請求。回報服務回傳的失敗訊息,切勿自行虛構結果或使用本機引擎代替。

儲存報告時,請保留回傳的 filename;若已存在相同檔案,請在 .zip 前附加數字尾碼。歷史結果不保證未來報酬。

僅在收到明確刪除請求時刪除選定的結果。刪除所有研究資料需要另外一個明確請求以及服務的確認值;此操作不會刪除使用者外部身份帳戶。

相關技能