KI-Agent (MCP-Server)

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:

  1. 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.
  2. 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.
  3. 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

Der FMP-MCP-Server ist ein Remote-Server: Es gibt nichts zu installieren oder zu hosten. Nutzen Sie nach Möglichkeit einen offiziellen Konnektor in Claude oder ChatGPT; jeder andere MCP-Client verbindet sich über die Verbindungs-URL und Ihren API-Schlüssel.

Voraussetzungen

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

Offizielle Konnektoren

FMP bietet offizielle Konnektoren für Claude und ChatGPT. Fügen Sie FMP über das Konnektor-Verzeichnis des jeweiligen Produkts hinzu (suchen Sie nach Financial Modeling Prep) und melden Sie sich mit Ihrem FMP-Konto an; ein API-Schlüssel muss nicht eingefügt werden. Um sich stattdessen mit einem API-Schlüssel zu verbinden, verwenden Sie die Verbindungs-URL unten.

Der Server ist außerdem eine durch OAuth 2.0 geschützte Ressource; darüber melden sich die offiziellen Konnektoren an. OAuth-Clients müssen vorab bei uns registriert werden, entweder per Client-ID oder per URL eines Client ID Metadata Document (CIMD); eine offene dynamische Client-Registrierung gibt es nicht. Wenn Sie OAuth in Ihrer eigenen Anwendung nutzen möchten, kontaktieren Sie uns mit den Details Ihres Clients, und wir nehmen Sie in die Allowlist auf.

Die Verbindungs-URL

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

Endpoint:
https://financialmodelingprep.com/mcp?apikey=YOUR_API_KEY

Clients, bei denen Sie Header setzen können, verbinden sich stattdessen mit https://financialmodelingprep.com/mcp und senden X-API-Key: YOUR_API_KEY. Bevorzugen Sie diese Methode, wo immer möglich, da der Schlüssel so nicht in URLs und Logs landet.

Ein Schlüssel, der noch ein Vorlagen-Platzhalter ist (zum Beispiel ${FMP_API_KEY} oder <your-key>), wird beim Verbindungsaufbau mit einem 401 abgelehnt, statt eine Sitzung zu öffnen, in der jeder Aufruf fehlschlägt.

Verbindungsdetails

  • Transport: ausschließlich Streamable HTTP.
  • Sitzungen laufen nach 15 Minuten Inaktivität ab; eine Anfrage an eine abgelaufene Sitzung erhält einen 404, und der Client sollte die Sitzung neu initialisieren (die meisten Clients tun das automatisch).
  • Timeouts: Tool-Aufrufe, die länger als 25 Sekunden dauern, geben einen Fehler zurück. Grenzen Sie die Abfrage ein (weniger Symbole, ein kürzerer Zeitraum, ein niedrigeres limit) und versuchen Sie es erneut.

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

  1. Öffnen Sie Einstellungen und wählen Sie den Bereich Connectors.
  2. 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.
  3. 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

  1. Navigieren Sie zum Cloudflare Workers AI Playground.
  2. Suchen Sie den Bereich MCP Servers in der linken Seitenleiste.
  3. Fügen Sie die FMP-Verbindungs-URL (von oben) in das Feld „Server URL" ein.
  4. Klicken Sie auf Add.
  5. 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:

1 2 3 4 5 6 7 8 9 10 11 12 13 14 15 16 17 18 19 import asyncio from fastmcp import Client from fastmcp.client.transports import StreamableHttpTransport transport = StreamableHttpTransport( "https://financialmodelingprep.com/mcp", headers={"X-API-Key": "YOUR_API_KEY"}, ) async def main(): async with Client(transport) as client: tools = await client.list_tools() print([t.name for t in tools]) # ['ESG', 'analyst', 'calendar', 'chart', 'company', ...] result = await client.call_tool("quote", {"endpoint": "quote", "symbol": "AAPL"}) print(result.content[0].text) # [{"symbol": "AAPL", "name": "Apple Inc.", "price": ..., ...}] asyncio.run(main())

Tool-Struktur

Die Tools sind nach Datenkategorie gruppiert statt ein Tool pro Endpunkt. Das hält die Tool-Liste kompakt und unter den Limits einiger gängiger Client-Anwendungen. Je nach Plan gibt es bis zu 28 Tools, etwa quote, statements, company, calendar, secFilings, technicalIndicators und news; jedes deckt eine Gruppe verwandter Stable-API-Endpunkte ab.

Jedes Tool erwartet Eingaben derselben Form:

  • endpoint (erforderlich): der aufzurufende Endpunkt innerhalb der Kategorie, als Enum. Zum Beispiel akzeptiert quote die Werte quote, quote-short, batch-quote, aftermarket-quote und weitere; statements akzeptiert income-statement, balance-sheet-statement, cashflow-statement und weitere.
  • Endpunkt-Parameter (im Schema optional): die Vereinigung der Parameter aller Endpunkte des Tools, etwa symbol, from_date, to_date, period und limit. from_date und to_date entsprechen den REST-Parametern from und to. Da ein Schema mehrere Endpunkte bedient, listet die Tool-Beschreibung jeden Endpunkt mit seinen Pflichtparametern auf, markiert mit *.
  • limit: Unterstützt ein Endpunkt limit und wird kein Wert übergeben, gilt standardmäßig 50 bzw. die Obergrenze Ihres Plans, falls diese niedriger ist.

Beispiel für tools/call-Argumente:

1 2 3 4 5 6 7 8 9 { "name": "statements", "arguments": { "endpoint": "income-statement", "symbol": "AAPL", "period": "annual", "limit": 5 } }
  • Plan-abhängige Tool-Liste: tools/list gibt nur die Endpunkte zurück, die Ihr Schlüssel aufrufen darf, und lässt Tools ohne solche Endpunkte weg. Eine Planänderung wirkt ab Ihrer nächsten Sitzung.
  • Ergebnisse: die JSON-Antwort des Endpunkts, zurückgegeben als ein einzelner Text-Content-Block. Ein leeres Ergebnis ist kein Fehler: Es kommt als [] zurück oder als not_found-Objekt, wenn Sie einen Bezeichner wie symbol übergeben haben.
  • Fehler: werden als Tool-Ergebnisse mit isError: true zurückgegeben, mit einer Meldung, die das Tool und gegebenenfalls den Endpunkt nennt: ein fehlender Pflichtparameter, eine Plan-Einschränkung (mit den Plänen, die den Endpunkt enthalten), ein erreichtes Rate-Limit, ein abgelehnter API-Schlüssel oder ein Timeout.

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.