MCP 服务器

您自己的 AI 编程助手能否直接使用 VBT？VBT MCP 服务器将 Claude Code、Codex、Cursor 等支持模型上下文协议的客户端连接到您的安装环境，让助手能够搜索文档、查询 API、阅读源代码并运行 Python 回测。您可以继续在编辑器中工作，同时让助手检查 VBT 示例，并针对已安装的软件包测试修改。

vbt mcp config claude-code  
claude mcp add --transport stdio vectorbtpro -- /path/to/python -m vectorbtpro.mcp_server

如果要求助手为均线交叉策略添加 5% 止损和 10% 止盈，连接到服务器的助手就会进行以下调用。这些工具也是 vbt.mcp 中的 Python 函数，因此无需服务器也能运行相同调用：

import json
from vectorbtpro import mcp

found = mcp.search(  
    "stop loss and take profit in from_signals",
    asset_names=["docs"],
    n=3,
)
for result in json.loads(found):
    print(result["name"])

Stop signals
Discretionary Signal Backtesting
High-level VBT

print(mcp.resolve_refnames(["vbt.PF.from_signals"]))  

OK vbt.PF.from_signals vectorbtpro.portfolio.base.Portfolio.from_signals

print(mcp.run_code("""
data = vbt.YFData.pull("BTC-USD", start="2020-01-01", end="2025-01-01")
fast = data.close.vbt.rolling_mean(20)
slow = data.close.vbt.rolling_mean(50)
pf = vbt.PF.from_signals(
    data,
    fast.vbt.crossed_above(slow),
    fast.vbt.crossed_below(slow),
    sl_stop=0.05,
    tp_stop=0.10,
    fees=0.001,
)
print(pf.stats(["total_return", "max_dd", "total_trades", "win_rate"]))
"""))  

Total Return [%]   -18.880116
Max Drawdown [%]    38.686652
Total Trades               19
Win Rate [%]        26.315789
dtype: object

助手找到了止损信号教程，确认了方法，并在您的环境中运行真实回测。您同时得到代码和计算后的统计结果，可以继续检查交易、调整设置并运行下一次比较。

从问题到经过测试的回测

这种连接在研究项目的各个阶段都有帮助。您可以让助手：

• 在编写代码前，查找实现策略想法所需的 VBT 方法和示例。
• 阅读相关 API 和源代码，调查回测错误。
• 比较手续费、滑点或止损设置，并显示相应统计结果。
• 使用前向滚动验证，在后续数据上测试选定参数。

例如，在上述回测之后，可以让助手在保持手续费和信号不变的前提下，比较同一策略使用和不使用止损的结果。持久化内核会为后续调用保留 data、fast、slow 和 pf，让助手能够复用已加载数据并检查交易。

您也可以提供会员页面 URL，让助手阅读页面。服务器使用您配置的 GitHub 访问权限，从发布版本的知识资产中获取文本，无需控制浏览器或使用其登录会话。长页面可以逐节阅读，社区解答也可以按完整讨论串打开。

面向研究任务的智能体技能

VBT 附带常见任务的分步说明，包括回测、指标、参数优化和交叉验证。助手可以通过 list_skills 发现技能，并用 get_skill 阅读相关说明。这样，除了 API 参考和代码示例，它还拥有可遵循的操作流程。

例如，在参数搜索中，交叉验证技能涵盖训练和测试区间、指标预热，以及参数变化时未平仓头寸的处理。会员专属技能页面（英文）展示了助手可使用的流程。

服务器

服务器在您的机器上运行，并使用您的 VBT 安装环境，因此 API 和源代码查询对应您已安装的版本。客户端通常通过 stdio 自行启动服务器。如需在容器或 WSL 等其他环境中运行，可使用 vbt mcp serve --transport streamable-http --port 8000 通过 HTTP 启动，再将其 /mcp 地址注册到客户端。通过 HTTP 运行时，服务器默认绑定本机。用于执行代码的 run_code 仅在 stdio 模式下可用。

在 stdio 模式下，run_code 使用 VBT 环境中的持久化 Jupyter 内核。客户端的审批控制让您决定助手可以运行哪些代码。下方设置指南介绍安装和客户端配置。

get_environment 报告 Python 解释器以及 Python 和 VBT 版本，让助手能够先检查环境。服务器启动后的首次搜索会加载知识资产，耗时最长；后续搜索会复用这些资产。如果某些文档缺少嵌入，搜索会按关键词排名，而不会先生成嵌入。工具支持 token 预算和分页，因此助手可以先请求范围较小的结果，再按需阅读更多。

工具

所有工具也都可以从终端运行，例如 vbt mcp search "rolling Sharpe ratio"，或通过 Python 中的 vbt.mcp 调用。服务器将这些函数作为 MCP 工具公开，包括阅读文档的工具。您也可以在 Python 中的 AI 研究助手中使用它们。