MCP wird zur fehlenden Ebene zwischen KI und Märkten

In der ersten LLM-Welle erforderte die Marktanbindung oft eigenen Verbindungscode: Ein Python-Skript rief Preise ab, fügte sie in einen Prompt ein und interpretierte die Antwort. Das Ende 2024 von Anthropic veröffentlichte offene Model Context Protocol ersetzt das durch eine standardisierte Schnittstelle. Ein Server stellt Werkzeuge mit typisierten Eingaben bereit; kompatible Clients wie Claude, Cursor, VS Code, Codex und ChatGPT-Konnektoren können sie entdecken und aufrufen.

2026 ist die Finanzseite dieses Ökosystems gereift, auch wenn große Agentenframeworks oft mehr Aufmerksamkeit bekommen. Broker und Datenanbieter veröffentlichen inzwischen offizielle MCP-Server. Hier ist eine Übersicht mit aktuellen Kennzahlen der Open-Source-Angebote.

Alpaca MCP Server

Sterne

1.016

Sterne-Zuwachs · 7 Tage

+13

Sterne-Zuwachs · 30 Tage

+69

Letzter Push

vor 16 Tagen

Lizenz

MIT

Massive (Polygon.io) MCP Server

Sterne

—

Sterne-Zuwachs · 7 Tage

—

Sterne-Zuwachs · 30 Tage

—

Letzter Push

—

Lizenz

—

Financial Datasets MCP Server

Sterne

2.306

Sterne-Zuwachs · 7 Tage

+8

Sterne-Zuwachs · 30 Tage

+23

Letzter Push

letztes Jahr

Lizenz

MIT

Twelve Data MCP Server

Sterne

82

Sterne-Zuwachs · 7 Tage

+6

Sterne-Zuwachs · 30 Tage

—

Letzter Push

vor 10 Tagen

Lizenz

—

TradeMemory Protocol

Sterne

1.427

Sterne-Zuwachs · 7 Tage

+4

Sterne-Zuwachs · 30 Tage

+16

Letzter Push

vorgestern

Lizenz

MIT

OpenBB

Sterne

—

Sterne-Zuwachs · 7 Tage

—

Sterne-Zuwachs · 30 Tage

—

Letzter Push

—

Lizenz

—

Projekt	Sterne	7 T.	30 T.	Lizenz	Letzter Push
Alpaca MCP Server	1.016	+13	+69	MIT	vor 16 Tagen
Massive (Polygon.io) MCP Server	—	—	—	—	—
Financial Datasets MCP Server	2.306	+8	+23	MIT	letztes Jahr
Twelve Data MCP Server	82	+6	—	—	vor 10 Tagen
TradeMemory Protocol	1.427	+4	+16	MIT	vorgestern
OpenBB	—	—	—	—	—

Ausführung: Alpaca

Alpacas MCP-Server zeigt den Übergang vom Datenlesen zum Handeln. Die aktuelle Version wurde mit FastMCP aus der OpenAPI-Spezifikation neu aufgebaut. Sie deckt Aktien, Optionen und Krypto ab: Orders, Positionen, Optionsausübung, Watchlists, Instrumentensuche, Handelskalender und Uhr sowie Kursbalken, Quotes, Trades, Snapshots und Optionsketten.

Zwei Entscheidungen sind besonders relevant:

• Simulation als Standard. ALPACA_PAPER_TRADE ist standardmäßig true. Reales Trading erfordert eine ausdrückliche Umstellung mit eigenen Schlüsseln.
• Serverseitige Werkzeuggruppen. ALPACA_TOOLSETS begrenzt verfügbare Gruppen wie trading, watchlists, assets, stock-data, crypto-data und options-data. MCP-Clients entdecken Werkzeuge dynamisch. Laut README gibt es keine clientseitige Freigabeliste; soll ein Assistent keine Orders aufgeben können, muss der Server diese Funktionen sperren.

Die README warnt davor, einen Server mit hinterlegten API-Schlüsseln öffentlich erreichbar zu machen. Deshalb gilt Claudes mobile App, die einen entfernten Server benötigt, nicht als unterstützte Konfiguration. Bei einem Werkzeug zur Orderaufgabe ist diese Vorsicht angemessen.

Daten: Massive, Financial Datasets und Twelve Data

Massive, ehemals Polygon.io, wählt einen anderen Ansatz. Statt eines Werkzeugs je Endpunkt gibt es search, call und query. Sie erschließen die API für Aktien, Optionen, Devisen, Krypto und Futures, speichern Ergebnisse in einer SQLite-Datenbank im Speicher und enthalten Finanzfunktionen wie Black-Scholes und Optionssensitivitäten. Das Modell kombiniert Abfragen statt aus einem festen Menü auszuwählen.

Financial Datasets bietet feste Werkzeuge für Gewinn- und Verlustrechnungen, Bilanzen, Cashflows, aktuelle und historische Preise, Unternehmensnachrichten und Kryptopreise. Dieselbe API wird von AI Hedge Fund verwendet. Seit Mitte 2025 gab es keinen Push im Repository; der Dienst läuft weiter, der Server ist einfach fertig implementiert.

Twelve Data zeigt einen Weg für Endkunden: gehosteter MCP-Server mit OAuth. Nach Hinzufügen des Konnektors in Claude, ChatGPT oder Codex verbindet eine Anmeldung das Twelve-Data-Konto automatisch. Geheimnisse müssen nicht in Konfigurationsdateien kopiert werden. Entwickler können weiterhin selbst mit API-Schlüssel hosten.

OpenBB betrachtet MCP neben Python, REST und Excel als Zugang zur Open Data Platform: Daten einmal anbinden, über MCP für Agenten bereitstellen. Da OpenBB bereits zahlreiche Anbieter normalisiert, ist es ein naheliegender Kandidat für einen gemeinsamen Research-Datenserver. Financial Modeling Prep ergänzt seine Fundamentaldaten-API ebenfalls um MCP.

Auch Agenten unterstützen zunehmend MCP

TradeMemory Protocol stellt 20 MCP-Werkzeuge für dauerhaftes Gedächtnis, Planung, Risiko und Prüfprotokolle bereit. Seine experimentelle „Bremse“ arbeitet als Richtlinien-Proxy vor Alpacas MCP-Server. QuantDinger stellt ein Agentengateway und MCP-Server für erlaubte Werkzeugaufrufe externer Coding-Agenten bereit. Kalshi AI Trading Bot enthält einen MCP-Server für seinen Prognosemarkt-Client. In unserer begleitenden Untersuchung erwähnen fünf von zwanzig Agentenprojekten MCP in ihren READMEs.

Das Sicherheitsmodell

MCP standardisiert Zugang. Es macht ihn nicht automatisch sicher. Vier Punkte, die sorgfältigere READMEs bereits selbst nennen:

1. Schlüssel liegen in der Serverumgebung. Wer den Server erreichen kann, kann mit diesen Schlüsseln handeln. Lokale stdio-Server sind eine Variante; entfernte Server brauchen echte Authentifizierung. Deshalb verwendet Twelve Data OAuth, während Alpaca vor öffentlichem Zugriff warnt.
2. Einschränkungen gehören auf den Server. Ein Prompt mit „keine Orders aufgeben“ ist eine Anweisung an das Modell. Wenn der Server die Gruppe trading gar nicht bereitstellt, steht diese Funktion nicht zur Verfügung.
3. Daten sind nicht vertrauenswürdige Eingaben. Nachrichtentexte können Anweisungen enthalten, denen ein werkzeugnutzendes Modell folgt. Jeder Daten-MCP-Server ist deshalb eine mögliche Prompt-Injection-Fläche. Im hier beschriebenen Ansatz bleiben Ausführungswerkzeuge aus derselben Sitzung heraus oder hinter einer menschlichen Freigabe, wie bei OpenAlice und Lumibots deterministischer Prüfstufe.
4. Zuerst Simulation. Jeder Ausführungsserver in dieser Übersicht besitzt eine Testumgebung. Nutze sie ausgiebig.

Warum „fehlende Ebene“ passt

Vor MCP implementierten Agentenframeworks Daten- und Brokerzugang jeweils selbst. TradingAgents hat eigene Datenabläufe, AI Hedge Fund bindet einen Anbieter fest ein, FinRobot enthält zahlreiche Adapter im Verzeichnis data_source. MCP schafft eine gemeinsame Ebene: Broker pflegen Broker-Server, Datenanbieter Daten-Server. Agentenframeworks können sich auf Schlussfolgern und Werkzeugnutzung konzentrieren.

Damit verschiebt sich die Frage. Der Zugang ist weitgehend erschlossen; Urteilsfähigkeit ist es nicht. Entscheidet ein Modell mit denselben klaren Werkzeugen so, dass die Entscheidung am Markt Bestand hat? Deshalb beginnt unsere Forschung bei den tatsächlichen Systemfunktionen, etwa in der Untersuchung von zwanzig Agenten, statt bei einem weiteren Konnektor.