Potencia tus agentes de IA con datos financieros de nivel institucional
Nos complace anunciar que Financial Modeling Prep (FMP) ahora es compatible con el Model Context Protocol (MCP). Esta nueva integración te permite conectar los más de 70.000 puntos de datos bursátiles de FMP directamente a agentes de IA (como Claude, Cursor o bots personalizados) sin escribir una sola línea de código de envoltura de la API.
¿Qué es el Model Context Protocol (MCP)?
Piensa en MCP como un "puerto USB-C" para la inteligencia artificial.
Antes de MCP, si querías que una IA accediera a un conjunto de datos concreto (como tu calendario, una base de datos o precios de acciones), tenías que escribir código a medida para "pegarlos". Esto creaba una maraña de integraciones únicas para cada nueva herramienta.
MCP cambia eso. Es un estándar abierto (presentado por Anthropic) que ofrece una forma universal de que las aplicaciones de IA ("clientes") se conecten a fuentes de datos externas ("servidores").
- Estandarizado: cuando una fuente de datos "habla" MCP, cualquier agente de IA entiende al instante cómo usarla.
- Descubrible: la IA aprende automáticamente qué herramientas hay disponibles (p. ej., "Obtener precio de la acción", "Obtener balance") sin que tengas que pegar la documentación de la API en el chat.
¿Por qué es valioso?
Para desarrolladores y analistas financieros, MCP resuelve tres problemas críticos:
- Cero "código pegamento": no necesitas escribir scripts en Python para obtener datos, analizar JSON y pasárselos al LLM. El servidor MCP se encarga de la obtención de datos automáticamente.
- Agentes más inteligentes: en lugar de inventarse datos financieros, tu agente de IA tiene una línea directa y en tiempo real con la base de datos de FMP. Puede "llamar" a la herramienta adecuada justo cuando necesita responder una pregunta.
- Eficiencia de tokens: ya no necesitas pegar documentación extensa de la API en el prompt para enseñar a la IA a usar FMP. El protocolo gestiona las definiciones de herramientas de forma eficiente y reserva tu ventana de contexto para el análisis real.
Presentamos el servidor MCP de FMP
Nuestro nuevo servidor MCP convierte todos nuestros endpoints REST tradicionales en herramientas de IA listas para usar.
Cuando conectas tu agente de IA al servidor MCP de FMP:
- Acceso instantáneo a herramientas: la IA obtiene al instante la capacidad de "extraer" precios en tiempo real, estados financieros históricos e indicadores técnicos.
- Integración sin fricciones: cada solicitud que hace la IA simplemente cuenta dentro de tus límites de API actuales; no se necesitan cuentas nuevas ni facturación compleja.
- Consciente del contexto: la IA sabe exactamente qué parámetros son obligatorios (p. ej., "Ticker", "Fecha", "Periodo") porque el servidor MCP proporciona definiciones estrictas.
Guía de conexión paso a paso
Requisitos previos
- Una clave API de FMP activa (consíguela aquí).
- Un cliente compatible con MCP (p. ej., Claude Desktop, Cursor o un script propio).
La URL de conexión
Este es el "enlace mágico" que necesitarás para todas las integraciones:
A. Cómo conectarse a Claude (web y escritorio)
- Abre Configuración y selecciona la sección Connectors.
- Selecciona Add custom connector y pega la URL de conexión de FMP en el campo "Remote MCP Server URL". Escribe el nombre que prefieras en el campo "Name" y selecciona Add.
- Inicia un nuevo chat de Claude y las herramientas de FMP estarán disponibles de inmediato. Basta con preguntar: "Compara el ratio P/E de Apple y Microsoft en los últimos 5 años."
B. Cómo conectarse a Cloudflare Workers AI
- Ve al Cloudflare Workers AI Playground.
- Localiza la sección MCP Servers en la barra lateral izquierda.
- Pega la URL de conexión de FMP (de arriba) en el campo "Server URL".
- Haz clic en Add.
- Las herramientas de FMP disponibles aparecerán en la lista. Ya puedes pedirle a la IA: "Usa la herramienta de FMP para encontrar los últimos resultados de NVDA."
C. Cómo conectarse con Python
Si estás creando un agente personalizado en Python, puedes usar las bibliotecas MCP estándar. Aquí tienes un ejemplo sencillo con FastMCP:
1
2
3
4
5
6
7
8
9
10
11
12
13
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())Casos de uso: ¿qué puedes construir?
- El chatbot "analista junior": una interfaz de chat estandarizada donde los gestores de carteras pueden hacer preguntas en lenguaje natural ("Muéstrame la evolución de la deuda sobre patrimonio de Tesla frente a Ford") y obtener gráficos y respuestas precisos y respaldados por datos.
- Due diligence automatizada: un agente que se activa solo cuando una acción cae un 5 %, obtiene las últimas noticias y presentaciones ante la SEC a través de MCP, resume la causa y te envía un informe por correo electrónico.
- Investigación de inversiones en vivo: conecta FMP a un IDE como Cursor para tener contexto financiero en directo dentro de tu editor de código mientras desarrollas aplicaciones fintech.
¿Listo para empezar?
Consigue tu clave API y empieza hoy mismo a crear agentes financieros más inteligentes.