KI-Agent (MCP-Server) - FMP

Statten Sie Ihre KI-Agenten mit Finanzdaten in institutioneller Qualität aus

Wir freuen uns bekannt zu geben, dass Financial Modeling Prep (FMP) jetzt das Model Context Protocol (MCP) unterstützt. Mit dieser neuen Integration können Sie über 70.000 Aktien-Datenpunkte von FMP direkt in KI-Agenten (wie Claude, Cursor oder eigene Bots) einbinden, ohne eine einzige Zeile API-Wrapper-Code schreiben zu müssen.

Was ist das Model Context Protocol (MCP)?

Stellen Sie sich MCP wie einen „USB-C-Anschluss" für künstliche Intelligenz vor.

Vor MCP mussten Sie, wenn ein KI-Modell auf einen bestimmten Datensatz (wie Ihren Kalender, eine Datenbank oder Aktienkurse) zugreifen sollte, individuellen Code zur Verbindung schreiben. Das führte zu einem unübersichtlichen Geflecht aus eigenen Integrationen für jedes neue Tool.

MCP ändert das. Es ist ein offener Standard (eingeführt von Anthropic), der einen universellen Weg bietet, wie KI-Anwendungen („Clients") sich mit externen Datenquellen („Servern") verbinden.

Standardisiert: Sobald eine Datenquelle „MCP" spricht, kann jeder KI-Agent sie sofort verstehen und nutzen.
Erkennbar: Die KI lernt automatisch, welche Tools verfügbar sind (z. B. „Aktienkurs abrufen", „Bilanz abrufen"), ohne dass Sie API-Dokumentation in den Chat einfügen müssen.

Warum ist das wertvoll?

Für Entwickler und Finanzanalysten löst MCP drei kritische Probleme:

Kein „Glue Code": Sie müssen keine Python-Skripte mehr schreiben, um Daten abzurufen, JSON zu parsen und an das LLM zu übergeben. Der MCP-Server übernimmt die Datenabfrage automatisch.
Intelligentere Agenten: Statt Finanzdaten zu halluzinieren, hat Ihr KI-Agent eine direkte Echtzeit-Verbindung zur FMP-Datenbank. Er kann genau das richtige Tool aufrufen, wenn er eine Frage beantworten muss.
Token-Effizienz: Sie müssen keine umfangreiche API-Dokumentation mehr in den Prompt einfügen, um der KI die Nutzung von FMP beizubringen. Das Protokoll erledigt die Tool-Definitionen effizient und schont Ihr Kontextfenster für die eigentliche Analyse.

Vorstellung des FMP MCP-Servers

Unser neuer MCP-Server verpackt alle unsere klassischen REST-API-Endpunkte zu einsatzbereiten KI-Tools.

Wenn Sie Ihren KI-Agenten mit dem MCP-Server von FMP verbinden:

Sofortiger Tool-Zugriff: Die KI erhält sofort die Möglichkeit, Echtzeitkurse, historische Berichte und technische Indikatoren abzurufen.
Nahtlose Integration: Jede Anfrage des KI-Agenten zählt einfach zu Ihrem bestehenden API-Kontingent — keine neuen Konten oder komplizierte Abrechnungen nötig.
Kontextbewusst: Die KI weiß genau, welche Parameter erforderlich sind (z. B. „Ticker", „Datum", „Zeitraum"), weil der MCP-Server strikte Definitionen liefert.

Schritt-für-Schritt-Verbindungsanleitung

Voraussetzungen

Ein aktiver FMP-API-Schlüssel (hier holen).
Ein MCP-kompatibler Client (z. B. Claude Desktop, Cursor oder ein eigenes Skript).

Die Verbindungs-URL

Dies ist der „Zauber-Link", den Sie für alle Integrationen benötigen:

https://financialmodelingprep.com/mcp?apikey=YOUR_FMP_API_KEY

A. So verbinden Sie sich mit Claude (Online und Desktop)

Öffnen Sie Einstellungen und wählen Sie den Bereich Connectors.
Wählen Sie Add custom connector und fügen Sie die FMP-Verbindungs-URL in das Feld „Remote MCP Server URL" ein. Geben Sie im Feld „Name" einen Namen Ihrer Wahl ein und klicken Sie auf Add.
Starten Sie einen neuen Claude-Chat — die FMP-Tools sind sofort verfügbar. Sie können einfach fragen: „Vergleiche das KGV von Apple und Microsoft über die letzten 5 Jahre."

B. So verbinden Sie sich mit Cloudflare Workers AI

Navigieren Sie zum Cloudflare Workers AI Playground.
Suchen Sie den Bereich MCP Servers in der linken Seitenleiste.
Fügen Sie die FMP-Verbindungs-URL (von oben) in das Feld „Server URL" ein.
Klicken Sie auf Add.
Die verfügbaren FMP-Tools erscheinen in der Liste. Sie können nun den KI-Agenten anweisen: „Verwende das FMP-Tool, um die letzten Quartalszahlen von NVDA zu finden."

C. So verbinden Sie sich über Python

Wenn Sie einen eigenen Agenten in Python entwickeln, können Sie Standard-MCP-Bibliotheken nutzen. Hier ein einfaches Beispiel mit FastMCP:

import asyncio
from fastmcp import Client


async def main():
    client = Client("https://financialmodelingprep.com/mcp?apikey=FMP_API_KEY")

    async with client:
        print(await client.list_tools())
        # [Tool(name="quote", description="...", inputSchema={...}), …]
        print(await client.call_tool("quote", {"symbol": "AAPL"}))
        # CallToolResult(..., structured_content={'data': [{'symbol': 'AAPL', 'name': 'Apple Inc.', 'price': 281.37, …}]})

asyncio.run(main())

Anwendungsfälle: Was können Sie bauen?

Der „Junior-Analyst"-Chatbot: Eine standardisierte Chat-Oberfläche, in der Portfoliomanager Fragen in natürlicher Sprache stellen können („Zeig mir den Verschuldungsgrad-Trend für Tesla vs. Ford") und genaue, datenbasierte Charts und Antworten erhalten.
Automatisierte Due Diligence: Ein Agent, der automatisch reagiert, wenn eine Aktie um 5 % fällt, die neuesten Nachrichten und SEC-Einreichungen über MCP abruft, die Ursache zusammenfasst und Ihnen einen Bericht per E-Mail sendet.
Live-Investmentrecherche: Verbinden Sie FMP mit einer IDE wie Cursor, um direkt im Code-Editor live finanziellen Kontext zu erhalten, während Sie Fintech-Apps entwickeln.

Bereit loszulegen?

Holen Sie sich Ihren API-Schlüssel und beginnen Sie noch heute, intelligentere Finanzagenten zu bauen.

Holen Sie sich Ihren API-Schlüssel Mehr über das Model Context Protocol erfahren