opennews-mcp
opennews-mcp 是一款专为加密货币领域设计的开源 MCP 服务器,致力于将分散的市场情报无缝整合进 AI 工作流。它接入了包括彭博社、CoinDesk 在内的 72 多个实时数据源,覆盖新闻资讯、新币上线、链上异动、模因币情绪及市场行情五大维度。
面对海量且杂乱的市场信息,opennews-mcp 解决了用户难以高效筛选高价值资讯的痛点。它不仅抓取新闻,更利用 AI 对每条内容进行深度分析,生成 0-100 分的影响力评分、多空交易信号以及中英双语摘要。这意味着用户无需手动浏览数十个网站,只需向连接的 AI 助手发出自然语言指令,例如“查找比特币相关的重大利好消息”,即可获取经过过滤和评估的关键情报。
opennews-mcp 特别适合开发者用于构建金融类 AI Agent,也适用于需要实时数据支持的研究人员及交易者。其技术亮点在于原生支持 MCP 协议,能够安全地与 Claude 等模型集成,并提供了 WebSocket 实时推送功能,确保市场变动第一时间触达。此外,项目强调安全性,允许用户在安装前通过 AI 审查代码逻辑,保障 API Token 与本地配置的安全。
使用场景
量化交易员小李正在监控加密货币市场波动,需要快速整合全球资讯辅助投资决策。
没有 opennews-mcp 时
- 需要同时打开几十个网页查看彭博、推特和链上数据,信息碎片化严重且难以同步更新。
- 难以从海量噪音中筛选出高影响新闻,人工阅读效率极低,容易遗漏关键的监管或资金流向信号。
- 英文资讯占多数,翻译和总结耗时,导致对突发市场情绪变化的反应滞后,错失最佳入场时机。
使用 opennews-mcp 后
- opennews-mcp 一键聚合 72+ 个信源,直接在对话窗口获取跨平台的最新行情与官方公告。
- AI 自动为每条新闻打分并给出做多或做空信号,直接过滤低价值内容,聚焦核心交易机会。
- 支持中英文双语摘要,配合实时 WebSocket 推送重大事件,确保第一时间捕捉市场异动并生成报告。
它将分散的信息流转化为结构化的交易策略,让 AI 助手成为全天候的加密情报分析师。
运行环境要求
- Linux
- macOS
- Windows
不需要 GPU
未说明

快速开始
OpenNews MCP (Model Context Protocol) 服务器
72+ 实时数据源 · 5 类引擎分类 · AI 评分 · 交易信号
快速安装
首先,在 https://6551.io/mcp 获取您的 API Token (令牌)。
Claude Code
claude mcp add opennews \
-e OPENNEWS_TOKEN=<your-token> \
-- uv --directory /path/to/opennews-mcp run opennews-mcp
将
/path/to/opennews-mcp替换为您的本地项目路径,并将<your-token>替换为您的 API Token。
OpenClaw
export OPENNEWS_TOKEN="<your-token>"
cp -r openclaw-skill/opennews ~/.openclaw/skills/
让 AI 审查并安装
不确定此 MCP (Model Context Protocol) 是否安全?在安装前,发送以下提示词给您的 AI 助手以审查源代码:
复制以下提示词并粘贴到您的 AI 助手中(将
<project-path>和<your-token>替换为实际值):
Please help me review and install the opennews-mcp MCP server. The project is at <project-path>.
Steps:
1. Review the security of the following files:
- src/opennews_mcp/api_client.py — Confirm it only connects to ai.6551.io, no data sent elsewhere
- src/opennews_mcp/config.py — Confirm token is only read from local config.json or env vars, not hardcoded or leaked
- src/opennews_mcp/tools/*.py — Confirm all tools only do API queries, no file writes, command execution, or dangerous operations
- pyproject.toml — Confirm dependencies are only mcp, httpx, websockets, no suspicious packages
2. Tell me your conclusion: Safe / Risky / Problematic, and the specific reasons
3. If safe, help me install (Token from https://6551.io/mcp):
claude mcp add opennews -e OPENNEWS_TOKEN=<your-token> -- uv --directory <project-path> run opennews-mcp
数据源 — 跨 5 大类别的 72+ 个来源
| 类别 | 数量 | 关键来源 |
|---|---|---|
| 新闻 | 53 | Bloomberg, Reuters, Financial Times, CNBC, CNN, BBC, Fox Business, CoinDesk, Cointelegraph, The Block, Blockworks, Decrypt, DlNews, A16Z, TechCrunch, Wired, Politico, Business Insider, Twitter/X, Telegram, Weibo, Truth Social, U.S. Treasury, ECB, TASS, Handelsblatt, Welt, Ambrey, Morgan Stanley, PR Newswire, Coinbase, Phoenixnews, 等 |
| 上市 | 9 | Binance, Coinbase, OKX, Bybit, Upbit, Bithumb, Robinhood, Hyperliquid, Aster |
| 链上 | 3 | Hyperliquid Whale Trade, Hyperliquid Large Position, KOL Trade |
| 模因 | 1 | Twitter meme coin social sentiment |
| 市场 | 6 | Price Change, Funding Rate, Funding Rate Difference, Large Liquidation, Market Trends, OI Change |
所有文章均经过 AI 分析,包含影响力评分(0-100)、交易信号(做多/做空/中性)以及双语摘要(英文/中文)。
它能做什么?
连接后,只需告诉您的 AI 助手:
| 您说 | 它执行 |
|---|---|
| “最新加密货币新闻” | 获取最新文章 |
| “搜索 SEC 监管新闻” | 全文关键词搜索 |
| “与 BTC 相关的新闻” | 按币种筛选 |
| “彭博社文章” | 按来源筛选 |
| “链上事件” | 按引擎类型(onchain)筛选 |
| "AI 评分高于 80 的重要新闻” | 高分筛选 |
| “看涨信号” | 按交易信号(做多)筛选 |
| “订阅实时新闻” | WebSocket 实时更新 |
可用工具
| 类别 | 工具 | 描述 |
|---|---|---|
| 发现 | get_news_sources |
完整引擎树 — 所有 5 个类别和 72+ 个来源及其元数据 |
list_news_types |
所有来源代码的扁平列表,用于筛选 | |
| 搜索 | get_latest_news |
跨所有 72+ 个来源的最新文章 |
search_news |
跨所有来源的全文关键词搜索 | |
search_news_by_coin |
按币种(BTC, ETH, SOL...)跨所有来源 | |
get_news_by_source |
按特定来源(例如 engine_type="news", news_type="Bloomberg") | |
get_news_by_engine |
按类别:news, listing, onchain, meme, market | |
search_news_advanced |
多过滤器:结合币种 + 关键词 + 引擎类型 | |
| AI | get_high_score_news |
高 AI 影响力评分文章(0-100 分制) |
get_news_by_signal |
按 AI 交易信号:long / short / neutral | |
| 实时 | subscribe_latest_news |
WebSocket 实时流,支持币种及引擎类型过滤 |
配置
获取 API Token
在 https://6551.io/mcp 获取您的 API Token。
设置环境变量:
# macOS / Linux
export OPENNEWS_TOKEN="<your-token>"
# Windows PowerShell
$env:OPENNEWS_TOKEN = "<your-token>"
| 变量 | 必填 | 描述 |
|---|---|---|
OPENNEWS_TOKEN |
是 | 6551 API Bearer Token (来自 https://6551.io/mcp) |
OPENNEWS_API_BASE |
否 | 覆盖 REST API URL |
OPENNEWS_WSS_URL |
否 | 覆盖 WebSocket URL |
OPENNEWS_MAX_ROWS |
否 | 每次请求的最大结果数(默认 100) |
也支持项目根目录下的 config.json(环境变量优先级更高):
{
"api_base_url": "https://ai.6551.io",
"wss_url": "wss://ai.6551.io/open/news_wss",
"api_token": "<your-token>",
"max_rows": 100
}
WebSocket 实时订阅
端点: wss://ai.6551.io/open/news_wss?token=YOUR_TOKEN
订阅实时加密货币新闻更新。
订阅新闻
{
"jsonrpc": "2.0",
"id": 1,
"method": "news.subscribe",
"params": {
"engineTypes": {
"news": ["Bloomberg", "CoinDesk"],
"onchain": []
},
"coins": ["BTC", "ETH"],
"hasCoin": true
}
}
响应:
{
"jsonrpc": "2.0",
"id": 1,
"result": {
"success": true,
"filters": {
"engineTypes": {...},
"coins": [...],
"hasCoin": true
}
}
}
过滤参数(均为可选):
engineTypes: 将引擎类型映射到新闻类型代码的对象- 键:引擎类型(例如
"news","onchain","listing","meme","market") - 值:新闻类型代码数组(例如
["Bloomberg", "CoinDesk"]) - 空数组
[]表示该引擎下的所有新闻类型 - 使用
list_news_types工具获取可用代码
- 键:引擎类型(例如
coins: 币种符号数组(例如["BTC", "ETH"])- 按特定币种筛选新闻
- 空数组
[]或省略以接收所有币种
hasCoin: 布尔值,如果为 true 则仅接收带有币种标签的新闻
取消订阅
{
"jsonrpc": "2.0",
"id": 2,
"method": "news.unsubscribe"
}
服务器推送 - 新闻更新
当新新闻匹配您的筛选条件时,服务器会推送:
{
"jsonrpc": "2.0",
"method": "news.update",
"params": {
"id": "unique-article-id",
"text": "Article title or content",
"newsType": "Bloomberg",
"engineType": "news",
"link": "https://...",
"coins": [
{
"symbol": "BTC",
"market_type": "spot",
"match": "title"
}
],
"ts": 1708473600000
}
}
服务器推送 - AI 新闻更新
对于带有 AI 分析的新闻(如果已订阅):
{
"jsonrpc": "2.0",
"method": "news.ai_update",
"params": {
"id": "unique-article-id",
"text": "Article title",
"newsType": "Bloomberg",
"engineType": "news",
"link": "https://...",
"coins": [...],
"aiRating": {
"score": 85,
"grade": "A",
"signal": "long",
"status": "done",
"summary": "Chinese summary",
"enSummary": "English summary"
},
"ts": 1708473600000
}
}
数据结构
每篇文章返回:
{
"id": "unique-article-id",
"text": "Title / Content",
"newsType": "Bloomberg",
"engineType": "news",
"link": "https://...",
"coins": [{ "symbol": "BTC", "market_type": "spot", "match": "title" }],
"aiRating": {
"score": 85,
"grade": "A",
"signal": "long",
"status": "done",
"summary": "Chinese summary",
"enSummary": "English summary"
},
"ts": 1708473600000
}
| AI 字段 | 描述 |
|---|---|
score |
0-100 影响力评分 |
signal |
long(看涨)/ short(看跌)/ neutral(中性) |
status |
done = AI 分析完成 |
其他客户端的手动安装(点击展开)
在以下所有配置中,将
/path/to/opennews-mcp替换为您实际的本地项目路径,并将<your-token>替换为来自 https://6551.io/mcp 的令牌。
Claude Desktop
编辑配置文件(macOS: ~/Library/Application Support/Claude/claude_desktop_config.json, Windows: %APPDATA%\Claude\claude_desktop_config.json):
{
"mcpServers": {
"opennews": {
"command": "uv",
"args": ["--directory", "/path/to/opennews-mcp", "run", "opennews-mcp"],
"env": {
"OPENNEWS_TOKEN": "<your-token>"
}
}
}
}
Cursor
~/.cursor/mcp.json 或 设置 > MCP 服务器 (模型上下文协议):
{
"mcpServers": {
"opennews": {
"command": "uv",
"args": ["--directory", "/path/to/opennews-mcp", "run", "opennews-mcp"],
"env": {
"OPENNEWS_TOKEN": "<your-token>"
}
}
}
}
Windsurf
~/.codeium/windsurf/mcp_config.json:
{
"mcpServers": {
"opennews": {
"command": "uv",
"args": ["--directory", "/path/to/opennews-mcp", "run", "opennews-mcp"],
"env": {
"OPENNEWS_TOKEN": "<your-token>"
}
}
}
}
Cline
VS Code 侧边栏 > Cline > MCP 服务器 > 配置,编辑 cline_mcp_settings.json:
{
"mcpServers": {
"opennews": {
"command": "uv",
"args": ["--directory", "/path/to/opennews-mcp", "run", "opennews-mcp"],
"env": {
"OPENNEWS_TOKEN": "<your-token>"
},
"disabled": false,
"autoApprove": []
}
}
}
Continue.dev
~/.continue/config.yaml:
mcpServers:
- name: opennews
command: uv
args:
- --directory
- /path/to/opennews-mcp
- run
- opennews-mcp
env:
OPENNEWS_TOKEN: <your-token>
Cherry Studio
设置 > MCP 服务器 > 添加 > 类型 stdio:命令 uv,参数 --directory /path/to/opennews-mcp run opennews-mcp,环境变量 OPENNEWS_TOKEN。
Zed Editor
~/.config/zed/settings.json:
{
"context_servers": {
"opennews": {
"command": {
"path": "uv",
"args": ["--directory", "/path/to/opennews-mcp", "run", "opennews-mcp"],
"env": {
"OPENNEWS_TOKEN": "<your-token>"
}
}
}
}
}
任何支持 stdio 的 MCP 客户端
OPENNEWS_TOKEN=<your-token> \
uv --directory /path/to/opennews-mcp run opennews-mcp
兼容性
| 客户端 | 安装方式 | 状态 |
|---|---|---|
| Claude Code | claude mcp add |
一键式 |
| OpenClaw | 复制技能目录 | 一键式 |
| Claude Desktop | JSON 配置 | 支持 |
| Cursor | JSON 配置 | 支持 |
| Windsurf | JSON 配置 | 支持 |
| Cline | JSON 配置 | 支持 |
| Continue.dev | YAML / JSON | 支持 |
| Cherry Studio | GUI | 支持 |
| Zed | JSON 配置 | 支持 |
相关项目
- twitter-mcp - Twitter/X 数据 MCP 服务器
开发
cd /path/to/opennews-mcp
uv sync
uv run opennews-mcp
# MCP 检查器测试
npx @modelcontextprotocol/inspector uv --directory /path/to/opennews-mcp run opennews-mcp
项目结构
├── README.md
├── openclaw-skill/opennews/ # OpenClaw 技能
├── knowledge/guide.md # 嵌入式知识
├── pyproject.toml
├── config.json
└── src/opennews_mcp/
├── server.py # 入口点
├── app.py # FastMCP 实例
├── config.py # 配置加载
├── api_client.py # HTTP + WebSocket
└── tools/ # 工具
许可证
MIT
常见问题
相似工具推荐
stable-diffusion-webui
stable-diffusion-webui 是一个基于 Gradio 构建的网页版操作界面,旨在让用户能够轻松地在本地运行和使用强大的 Stable Diffusion 图像生成模型。它解决了原始模型依赖命令行、操作门槛高且功能分散的痛点,将复杂的 AI 绘图流程整合进一个直观易用的图形化平台。 无论是希望快速上手的普通创作者、需要精细控制画面细节的设计师,还是想要深入探索模型潜力的开发者与研究人员,都能从中获益。其核心亮点在于极高的功能丰富度:不仅支持文生图、图生图、局部重绘(Inpainting)和外绘(Outpainting)等基础模式,还独创了注意力机制调整、提示词矩阵、负向提示词以及“高清修复”等高级功能。此外,它内置了 GFPGAN 和 CodeFormer 等人脸修复工具,支持多种神经网络放大算法,并允许用户通过插件系统无限扩展能力。即使是显存有限的设备,stable-diffusion-webui 也提供了相应的优化选项,让高质量的 AI 艺术创作变得触手可及。
everything-claude-code
everything-claude-code 是一套专为 AI 编程助手(如 Claude Code、Codex、Cursor 等)打造的高性能优化系统。它不仅仅是一组配置文件,而是一个经过长期实战打磨的完整框架,旨在解决 AI 代理在实际开发中面临的效率低下、记忆丢失、安全隐患及缺乏持续学习能力等核心痛点。 通过引入技能模块化、直觉增强、记忆持久化机制以及内置的安全扫描功能,everything-claude-code 能显著提升 AI 在复杂任务中的表现,帮助开发者构建更稳定、更智能的生产级 AI 代理。其独特的“研究优先”开发理念和针对 Token 消耗的优化策略,使得模型响应更快、成本更低,同时有效防御潜在的攻击向量。 这套工具特别适合软件开发者、AI 研究人员以及希望深度定制 AI 工作流的技术团队使用。无论您是在构建大型代码库,还是需要 AI 协助进行安全审计与自动化测试,everything-claude-code 都能提供强大的底层支持。作为一个曾荣获 Anthropic 黑客大奖的开源项目,它融合了多语言支持与丰富的实战钩子(hooks),让 AI 真正成长为懂上
ComfyUI
ComfyUI 是一款功能强大且高度模块化的视觉 AI 引擎,专为设计和执行复杂的 Stable Diffusion 图像生成流程而打造。它摒弃了传统的代码编写模式,采用直观的节点式流程图界面,让用户通过连接不同的功能模块即可构建个性化的生成管线。 这一设计巧妙解决了高级 AI 绘图工作流配置复杂、灵活性不足的痛点。用户无需具备编程背景,也能自由组合模型、调整参数并实时预览效果,轻松实现从基础文生图到多步骤高清修复等各类复杂任务。ComfyUI 拥有极佳的兼容性,不仅支持 Windows、macOS 和 Linux 全平台,还广泛适配 NVIDIA、AMD、Intel 及苹果 Silicon 等多种硬件架构,并率先支持 SDXL、Flux、SD3 等前沿模型。 无论是希望深入探索算法潜力的研究人员和开发者,还是追求极致创作自由度的设计师与资深 AI 绘画爱好者,ComfyUI 都能提供强大的支持。其独特的模块化架构允许社区不断扩展新功能,使其成为当前最灵活、生态最丰富的开源扩散模型工具之一,帮助用户将创意高效转化为现实。
ML-For-Beginners
ML-For-Beginners 是由微软推出的一套系统化机器学习入门课程,旨在帮助零基础用户轻松掌握经典机器学习知识。这套课程将学习路径规划为 12 周,包含 26 节精炼课程和 52 道配套测验,内容涵盖从基础概念到实际应用的完整流程,有效解决了初学者面对庞大知识体系时无从下手、缺乏结构化指导的痛点。 无论是希望转型的开发者、需要补充算法背景的研究人员,还是对人工智能充满好奇的普通爱好者,都能从中受益。课程不仅提供了清晰的理论讲解,还强调动手实践,让用户在循序渐进中建立扎实的技能基础。其独特的亮点在于强大的多语言支持,通过自动化机制提供了包括简体中文在内的 50 多种语言版本,极大地降低了全球不同背景用户的学习门槛。此外,项目采用开源协作模式,社区活跃且内容持续更新,确保学习者能获取前沿且准确的技术资讯。如果你正寻找一条清晰、友好且专业的机器学习入门之路,ML-For-Beginners 将是理想的起点。
ragflow
RAGFlow 是一款领先的开源检索增强生成(RAG)引擎,旨在为大语言模型构建更精准、可靠的上下文层。它巧妙地将前沿的 RAG 技术与智能体(Agent)能力相结合,不仅支持从各类文档中高效提取知识,还能让模型基于这些知识进行逻辑推理和任务执行。 在大模型应用中,幻觉问题和知识滞后是常见痛点。RAGFlow 通过深度解析复杂文档结构(如表格、图表及混合排版),显著提升了信息检索的准确度,从而有效减少模型“胡编乱造”的现象,确保回答既有据可依又具备时效性。其内置的智能体机制更进一步,使系统不仅能回答问题,还能自主规划步骤解决复杂问题。 这款工具特别适合开发者、企业技术团队以及 AI 研究人员使用。无论是希望快速搭建私有知识库问答系统,还是致力于探索大模型在垂直领域落地的创新者,都能从中受益。RAGFlow 提供了可视化的工作流编排界面和灵活的 API 接口,既降低了非算法背景用户的上手门槛,也满足了专业开发者对系统深度定制的需求。作为基于 Apache 2.0 协议开源的项目,它正成为连接通用大模型与行业专有知识之间的重要桥梁。
OpenHands
OpenHands 是一个专注于 AI 驱动开发的开源平台,旨在让智能体(Agent)像人类开发者一样理解、编写和调试代码。它解决了传统编程中重复性劳动多、环境配置复杂以及人机协作效率低等痛点,通过自动化流程显著提升开发速度。 无论是希望提升编码效率的软件工程师、探索智能体技术的研究人员,还是需要快速原型验证的技术团队,都能从中受益。OpenHands 提供了灵活多样的使用方式:既可以通过命令行(CLI)或本地图形界面在个人电脑上轻松上手,体验类似 Devin 的流畅交互;也能利用其强大的 Python SDK 自定义智能体逻辑,甚至在云端大规模部署上千个智能体并行工作。 其核心技术亮点在于模块化的软件智能体 SDK,这不仅构成了平台的引擎,还支持高度可组合的开发模式。此外,OpenHands 在 SWE-bench 基准测试中取得了 77.6% 的优异成绩,证明了其解决真实世界软件工程问题的能力。平台还具备完善的企业级功能,支持与 Slack、Jira 等工具集成,并提供细粒度的权限管理,适合从个人开发者到大型企业的各类用户场景。