Agent IA (Serveur MCP) - FMP

Dotez vos agents IA de données financières de qualité institutionnelle

Nous avons le plaisir d'annoncer que Financial Modeling Prep (FMP) prend désormais en charge le Model Context Protocol (MCP). Cette nouvelle intégration vous permet de connecter les plus de 70 000 points de données boursières de FMP directement à des agents IA (comme Claude, Cursor ou des bots personnalisés) sans écrire une seule ligne de code d'encapsulation d'API.

Qu'est-ce que le Model Context Protocol (MCP) ?

Voyez MCP comme un « port USB-C » pour l'intelligence artificielle.

Avant MCP, si vous vouliez qu'une IA accède à un jeu de données précis (votre calendrier, une base de données ou des cours boursiers), vous deviez écrire du code sur mesure pour les « coller » ensemble. Il en résultait un enchevêtrement d'intégrations uniques pour chaque nouvel outil.

MCP change la donne. Il s'agit d'un standard ouvert (introduit par Anthropic) qui offre aux applications d'IA (« clients ») un moyen universel de se connecter à des sources de données externes (« serveurs »).

Standardisé : dès qu'une source de données « parle » MCP, n'importe quel agent IA comprend instantanément comment l'utiliser.
Découvrable : l'IA apprend automatiquement quels outils sont disponibles (par ex. « Obtenir le cours de l'action », « Obtenir le bilan ») sans que vous ayez à coller la documentation de l'API dans la conversation.

Pourquoi est-ce précieux ?

Pour les développeurs et les analystes financiers, MCP résout trois problèmes critiques :

Zéro « code de liaison » : plus besoin d'écrire des scripts Python pour récupérer les données, analyser le JSON et les transmettre au LLM. Le serveur MCP se charge automatiquement de la récupération des données.
Des agents plus intelligents : au lieu d'inventer des données financières, votre agent IA dispose d'une ligne directe et en temps réel vers la base de données de FMP. Il peut « appeler » le bon outil exactement au moment où il doit répondre à une question.
Économie de tokens : plus besoin de coller une documentation d'API volumineuse dans le prompt pour apprendre à l'IA à utiliser FMP. Le protocole gère efficacement les définitions d'outils et préserve votre fenêtre de contexte pour l'analyse proprement dite.

Découvrez le serveur MCP de FMP

Notre nouveau serveur MCP transforme l'ensemble de nos points d'accès REST traditionnels en outils d'IA prêts à l'emploi.

Lorsque vous connectez votre agent IA au serveur MCP de FMP :

Accès instantané aux outils : l'IA acquiert immédiatement la capacité de « récupérer » les cours en temps réel, les états financiers historiques et les indicateurs techniques.
Intégration transparente : chaque requête émise par l'IA est simplement décomptée de vos limites d'API existantes ; aucun nouveau compte ni facturation complexe n'est nécessaire.
Sensible au contexte : l'IA sait exactement quels paramètres sont requis (par ex. « Ticker », « Date », « Période ») car le serveur MCP fournit des définitions strictes.

Guide de connexion pas à pas

Prérequis

Une clé API FMP active (obtenez-la ici).
Un client compatible MCP (par ex. Claude Desktop, Cursor ou un script personnalisé).

L'URL de connexion

Voici le « lien magique » dont vous aurez besoin pour toutes les intégrations :

Endpoint:

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

A. Se connecter à Claude (en ligne et sur ordinateur)

Ouvrez les Paramètres et sélectionnez la section Connectors.
Sélectionnez Add custom connector et collez l'URL de connexion FMP dans le champ « Remote MCP Server URL ». Saisissez le nom de votre choix dans le champ « Name » puis sélectionnez Add.
Démarrez une nouvelle conversation Claude : les outils FMP sont immédiatement disponibles. Vous pouvez simplement demander : « Compare le PER d'Apple et de Microsoft sur les 5 dernières années. »

B. Se connecter à Cloudflare Workers AI

Rendez-vous sur le Cloudflare Workers AI Playground.
Repérez la section MCP Servers dans la barre latérale gauche.
Collez l'URL de connexion FMP (ci-dessus) dans le champ « Server URL ».
Cliquez sur Add.
Les outils FMP disponibles apparaissent dans la liste. Vous pouvez maintenant demander à l'IA : « Utilise l'outil FMP pour trouver les derniers résultats de NVDA. »

C. Se connecter via Python

Si vous développez un agent personnalisé en Python, vous pouvez utiliser les bibliothèques MCP standard. Voici un exemple simple avec 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())

Cas d'usage : que pouvez-vous construire ?

Le chatbot « analyste junior » : une interface de chat standardisée où les gérants de portefeuille posent des questions en langage naturel (« Montre-moi l'évolution du ratio dette/capitaux propres de Tesla face à Ford ») et obtiennent des graphiques et des réponses précis, étayés par les données.
Due diligence automatisée : un agent qui se déclenche de lui-même lorsqu'une action chute de 5 %, récupère les dernières actualités et les dépôts SEC via MCP, résume la cause et vous envoie un rapport par e-mail.
Recherche d'investissement en direct : connectez FMP à un IDE comme Cursor pour disposer d'un contexte financier en temps réel directement dans votre éditeur de code pendant que vous développez des applications fintech.

Prêt à commencer ?

Récupérez votre clé API et commencez dès aujourd'hui à créer des agents financiers plus intelligents.

Obtenez votre clé API En savoir plus sur le Model Context Protocol