Conectar
El mejor servidor MCP para datos bursátiles
No todos los servidores MCP de mercados son iguales. Unos exponen un puñado de endpoints sobre una capa de datos fina; otros son bases de datos para agentes, con decenas de superficies estructuradas, ciclos de actualización diarios y los detalles de corrección que de verdad importan en el análisis. Esta guía explica qué evaluar y cómo se comporta ClawTerminal en cada criterio.
La versión corta
- Un servidor MCP no es un chatbot ni una API tradicional — le da a un modelo que razona acceso estructurado a datos reales en el momento de la consulta. El modelo razona; el servidor consulta.
- Evalúa un servidor MCP de mercados en cinco dimensiones: amplitud de cobertura, frescura, integridad de los datos, diseño de herramientas y compatibilidad de transporte.
- ClawTerminal reúne unas 160 herramientas de informes de la SEC, fundamentales XBRL, precios, macro (FRED/EIA/Banco Mundial/USDA/CFTC), cripto, mercados de predicción, openFDA, operaciones del Congreso bajo la STOCK Act y lobby — todo tras un único endpoint.
- Beta cerrada gratuita. Consigue una clave y conecta en menos de un minuto.
Qué es un servidor MCP, en breve
El Model Context Protocol es un estándar abierto de Anthropic que permite a un asistente de IA llamar a herramientas externas en tiempo de ejecución. Un servidor MCP registra un conjunto de herramientas invocables. Un cliente MCP — Claude Desktop, Claude Code, Cursor, ChatGPT — permite al modelo descubrirlas e invocarlas. El modelo elige la herramienta y los argumentos; el servidor ejecuta la consulta y devuelve datos estructurados; el modelo razona sobre el resultado.
En análisis de mercados esta separación importa. No se le pide al modelo que recuerde una cifra de sus datos de entrenamiento: está llamando a una función que consulta una base de datos real. La conexión paso a paso para Claude Desktop y Claude Code está en otro artículo; este se centra en qué hace que merezca la pena conectarse a un servidor MCP de mercados.
Criterio 1: amplitud de cobertura
La primera pregunta es cuánta superficie invertible cubre realmente el servidor. Uno que solo devuelve cotizaciones sirve para una franja estrecha de preguntas. Uno construido como terminal de mercados completo puede encadenar superficies en una sola conversación: sacar un 13F, comprobar la reacción del precio al 8-K, comparar fundamentales XBRL y luego cruzarlo con el calendario de aprobaciones de la FDA.
Informes de la SEC
La cobertura mínima creíble de informes es: hechos relevantes 8-K, informes periódicos 10-K y 10-Q, operaciones de insiders del Form 4, titularidad real Schedule 13D/13G, carteras institucionales Form 13F-HR, carteras de fondos N-PORT, documentos de junta y retribución DEF 14A, y folletos de salida a bolsa S-1/424B. Cada uno es una superficie estructurada distinta, no una simple descarga de PDF.
ClawTerminal las ingiere todas. Los 8-K se buscan semánticamente sobre el texto completo, con indexación por código de item y estudios de reacción del precio anclados a la fecha del informe. Las filas del Form 4 están normalizadas — las compras en mercado abierto se pueden agrupar entre directivos y consejeros para sacar a la luz acumulaciones coordinadas. Las posiciones del 13F llevan la variación intertrimestral, así que puedes preguntar qué amplió o liquidó un gestor sin hacer tú la comparación. La guía del agente de inversión enseña cómo se encadenan estas superficies en la práctica.
Fundamentales y precios
Los fundamentales XBRL de companyfacts de la SEC cubren ingresos, resultado de explotación, flujo de caja operativo, inversión en capital, partidas de balance y acciones en circulación de varios miles de emisores estadounidenses. El servidor trata correctamente la distinción entre conceptos de duración e instantáneos en XBRL — los ingresos son un concepto de duración con fecha de inicio y fin; la caja del balance es un instante. Equivocarse ahí produce agregaciones TTM sin sentido.
Los precios son OHLCV diarios ajustados por splits, con dividendos y splits registrados aparte, procedentes de un espejo de Dolt con cursor de commit y guardados en parquet columnar que se consulta con DuckDB. La capitalización se calcula con el mismo cierre ajustado por splits que muestra el gráfico, así que los valores del screener son coherentes entre sí.
Datos macro, alternativos y especializados
Más allá de la renta variable, una cobertura seria implica contexto macro. ClawTerminal incluye series macro de dominio público de FRED, datos de energía de la EIA, precios de materias primas del Banco Mundial (oro, crudo, granos, metales, fertilizantes — mensuales desde 1960) y USDA NASS Quick Stats para el avance, estado y producción de las cosechas estadounidenses. Los datos de posicionamiento Commitment of Traders de la CFTC te permiten consultar la posición especulativa neta en cualquier mercado importante de futuros de materias primas o divisas.
En el lado alternativo: perps de Hyperliquid — cripto principal, perps de private equity pre-IPO de Ventuals (OPENAI, SPACEX, ANTHROPIC y otros), perps de activos tradicionales de trade.xyz (CL, GOLD, TSLA, NVDA y otros) y pares al contado de exchanges centralizados. Aprobaciones y retiradas de fármacos de openFDA, con estudios de eventos por empresa y cálculo de CAR ajustado al mercado alrededor de la fecha de aprobación. Operaciones del Congreso de EE. UU. bajo la STOCK Act desde los feeds de la Cámara y el Senado. Declaraciones de lobby LDA del Senado. Búsqueda en mercados de predicción entre plataformas.
Lo que cuesta un hueco de cobertura: cada superficie que no está en el servidor es una superficie que el modelo tiene que fabricar desde su memoria de entrenamiento. Para datos especializados como fechas de aprobación de la FDA o importes de operaciones del Congreso, esa fabricación está prácticamente siempre mal. La amplitud de cobertura es una cuestión de integridad de los datos, no solo de comodidad.
Criterio 2: frescura
Un conjunto de datos ingerido una vez y nunca actualizado es una instantánea que pierde utilidad desde el momento en que se construyó. En análisis de mercados, la pregunta relevante es si los informes que la SEC recibió ayer están hoy en la base de datos — no si el corpus se montó hace seis meses.
ClawTerminal ejecuta una cadena de ingesta basada en cron. Los informes de la SEC (8-K, Form 4, 13F, N-PORT, 13D/G, DEF 14A) se consultan en EDGAR a diario. Los precios se actualizan cada día desde una fuente Dolt con cursor de commit. La macro de FRED y EIA se sincroniza a diario. Las operaciones del Congreso se extraen cada día del feed de declaraciones de Capitol Trades. openFDA comprueba la fecha de exportación de origen y solo vuelve a descargar cuando la fuente ha avanzado.
La palabra “diario” importa porque las superficies que sostienen el análisis más sensible al tiempo — operaciones de insiders, 8-K, eventos de la FDA — tienen una señal que se degrada rápido. Un 8-K presentado en la apertura y que no llega a la base de datos hasta la semana siguiente no sirve para estudiar la reacción del precio.
Criterio 3: integridad de los datos
Aquí es donde la mayoría de los envoltorios finos fallan en silencio. Devolver una cifra no es lo mismo que devolver la cifra correcta. Los detalles de corrección que más importan en datos de mercado:
| Qué mirar | Por qué importa | Cómo lo resuelve ClawTerminal |
|---|---|---|
| Precios ajustados por splits | Una acción que hizo un split de 10 por 1 muestra una caída aparente del 90% en precios brutos. Los PER del screener, las rentabilidades y la capitalización requieren la serie ajustada. | Los splits se registran aparte; todas las consultas de OHLCV aplican el factor de ajuste. Capitalización = acciones × cierre ajustado por splits. |
| Duración frente a instante en XBRL | Los ingresos son un flujo (duración); la caja es un saldo (instante). Mezclarlos produce agregaciones TTM sin sentido. | Los conceptos de duración e instantáneos van por rutas de agregación distintas. get_fundamentals impone la distinción concepto a concepto. |
| Ratios que pueden ser nulos | Un PER con denominador negativo o cero debe ser NULL, no un número negativo grande que parece un valor válido. | Todas las columnas de ratios son NULL cuando el denominador no es positivo. Sin valores basura en los resultados del screener. |
| Importes de las operaciones del Congreso | Las declaraciones de la STOCK Act informan de un rango de valor, no de un importe exacto. Tomar el máximo del rango como cifra precisa exagera el tamaño de la posición. | Los importes se guardan como punto medio del tramo y así se documenta en la respuesta de la herramienta. Nunca se citan como cifras exactas. |
| Retraso del 13F | Los 13F institucionales se presentan 45 días después del cierre del trimestre. El trimestre más reciente de la base de datos siempre lleva al menos 45 días de retraso. | list_holdings devuelve la fecha del trimestre de referencia. Las herramientas no fingen conocer las posiciones del trimestre en curso. |
| Deduplicación de operaciones de insiders | Las modificaciones del Form 4 pueden provocar doble contabilización. Hay que normalizar tanto la tabla de derivados como la de no derivados. | Las filas se identifican por (accession, txn_idx); las atípicas con precio por acción superior a 1 M$ o valor total superior a 1 billón de dólares se ponen en cuarentena con una marca de calidad en vez de descartarse en silencio. |
Ninguno de estos requisitos es exótico. Son el mínimo necesario para que las cifras que devuelve el servidor sirvan para análisis de verdad y no solo para demos ilustrativas.
Criterio 4: diseño de las herramientas
Un servidor con 160 herramientas plantea problemas distintos a uno con 5. La lista de herramientas forma parte del contexto del modelo. Inundarlo con 160 esquemas hincha la ventana de contexto y puede degradar la calidad del razonamiento. Un servidor bien diseñado resuelve esto con un modo reducido y una capa de descubrimiento de herramientas.
El patrón de resolver la entidad primero
Los datos de mercado tienen un problema omnipresente de ambigüedad en los identificadores. “Apple” puede ser un ticker (AAPL), un CIK (320193), un CUSIP, un ISIN o una coincidencia de nombre en un campo de texto libre. Toda herramienta que reciba un identificador de empresa debería ir precedida de un resolutor universal que canonice la entrada.
ClawTerminal incluye una herramienta resolve_entity que acepta cualquiera de estos: ticker, CIK, nombre de empresa, CUSIP, ISIN, número de accession o nombre del titular — y devuelve la forma canónica. El modelo la llama primero; las herramientas posteriores reciben identificadores limpios y producen resultados correctos. Sin esto, la misma empresa puede volver de distintas herramientas con identificadores distintos y el modelo confunde o pierde la coincidencia.
Descubrimiento con más de 160 herramientas
La superficie completa de herramientas es demasiado grande para listarla en cada sesión. ClawTerminal lo resuelve con tres metaherramientas: search_tools acepta una descripción en lenguaje natural y devuelve las herramientas que encajan por similitud coseno sobre un índice de embeddings precalculado; get_tool_schema devuelve el esquema JSON completo de cualquier herramienta; invoke_tool llama a cualquier herramienta registrada por nombre y argumentos en JSON. El modelo puede descubrir lo que necesita por intención, inspeccionar el esquema e invocar — sin necesidad de tener 160 esquemas en contexto a la vez. En modo reducido, en la respuesta tools/list solo aparecen un núcleo estático de unas 20 herramientas y estas tres metaherramientas. Todo lo demás es accesible bajo demanda.
Convenciones coherentes para resultados vacíos: la mayoría de las herramientas de ClawTerminal devuelven [] o {} cuando no hay datos; unas pocas (sobre todo get_prices) devuelven {"error": "..."}. Ambas formas están documentadas y son coherentes dentro de cada herramienta, así que el modelo puede distinguir “no hay datos” de un error real sin adivinar.
Criterio 5: acceso y transporte
La prueba práctica es si el servidor funciona de verdad en los clientes que usa la gente. El ecosistema MCP se ha fragmentado un poco: Claude Desktop y Claude Code usan transporte HTTP con una cabecera Bearer; el diálogo de conectores de ChatGPT y el campo de conector personalizado de Claude Desktop no permiten poner cabeceras Authorization propias; Cursor y Codex tienen sus propias convenciones de configuración.
ClawTerminal lo resuelve con dos patrones de ruta. La ruta estándar es https://mcp.clawterminal.ai/mcp con una cabecera Authorization: Bearer sk-live-… — funciona con Claude Desktop (configuración JSON), Claude Code (claude mcp add), Cursor, Codex y cualquier cliente propio en Python o curl. Para clientes gráficos que no pueden poner cabeceras, una ruta con la clave incrustada en la URL en https://mcp.clawterminal.ai/k/<sk-live-…>/mcp, con la autenticación en “ninguna”, pasa la clave a través de Caddy, que elimina el prefijo antes de reenviar. En ese caso la URL es la credencial — trátala como una contraseña.
Las instrucciones completas para cada cliente están en la página de configuración, incluida una skill de una línea que puedes pegar en cualquier asistente para saltarte por completo la configuración JSON.
Arquitectura: por qué es una base de datos y no un chatbot
El encuadre importa para entender a qué te estás conectando. ClawTerminal está diseñado explícitamente como una base de datos para agentes de IA. Los documentos originales de la SEC aterrizan en el almacenamiento de objetos Cloudflare R2. Las filas estructuradas — metadatos normalizados de informes, operaciones de insiders, posiciones del 13F, fundamentales, series macro — viven en Postgres con pgvector para búsqueda híbrida BM25 más semántica. Los precios son ficheros parquet columnares en R2, consultados en tiempo de ejecución por una instancia de DuckDB en memoria que ATTACHea Postgres y lee R2 con la extensión httpfs de S3. No se genera ningún dato bajo demanda; todo se ingiere, se valida y se guarda antes de que el modelo lo pida.
Es la arquitectura adecuada para el análisis porque separa limpiamente la capa de datos de la de razonamiento. El modelo no genera cifras; las recupera. Si una herramienta devuelve una cifra mala, el problema está en la tubería de ingesta, donde se puede diagnosticar y arreglar. Si un chatbot genera una cifra mala, el problema está en los pesos del modelo, donde no.
La capa comunitaria — el tablón de Ideas con ideas de inversión puntuadas automáticamente contra el SPY, las Watchlists con barridos automáticos y las Carteras con analítica de riesgo completa — se apoya en los mismos cimientos estructurados. Las ideas fijan su precio de entrada al último cierre ajustado anterior a la publicación, y se puntúan al vencer el horizonte con la misma serie de precios que alimenta al resto de herramientas.
Los datos reales siguen necesitando criterio. Que una herramienta devuelva la cifra correcta no hace correcta su interpretación. Las posiciones del 13F llevan 45 días de retraso. Los importes de las operaciones del Congreso son puntos medios de un tramo. Las compras agrupadas de insiders arrastran ruido de IPO y PIPE. La resolución de CIK en la FDA es aproximada y parcial por diseño. El servidor documenta todas estas limitaciones en las respuestas de las herramientas. El análisis sigue siendo cosa tuya. Nuestros artículos de manual repasan los filtros que importan en cada superficie.
Qué pinta tiene la experiencia una vez conectado
Una vez conectado, la interacción es lenguaje natural. Unos ejemplos de cómo se dispara la cadena de herramientas por debajo:
- “¿Qué insiders de biotech han comprado con fuerza en los últimos 30 días?” →
cluster_insider_buysfiltra por SIC 2836 y ordena por importe de compra en mercado abierto. - “Enséñame los últimos cambios del 13F de Berkshire.” →
resolve_entitycanoniza el nombre y luegofund_holding_changescompara los dos trimestres más recientes. - “¿Qué aprobaciones de la FDA ha habido en oncología este año?” →
list_drug_approvalsfiltrado por área terapéutica y rango de fechas, con el CIK de la empresa para cualquier consulta bursátil posterior. - “¿Qué senadores operaron con tecnológicas en el 1T?” →
recent_congress_tradesfiltrado por clase de activo y sector, anclado en la fecha de publicación. - “Fíltrame small caps estadounidenses con Sharpe superior a 1,5 y flujo de caja libre positivo.” →
screen_equitiescon un filtro multirregla sobre la tabla del screener de renta variable, que combina fundamentales XBRL, ratios derivados del precio y métricas de riesgo del último año.
No necesitas saberte los nombres de las herramientas para obtener estas respuestas. La metaherramienta search_tools de ClawTerminal permite al modelo encontrar la capacidad adecuada por intención. Y como las más de 160 herramientas comparten un único endpoint y una única clave Bearer, ninguna de estas superficies requiere una credencial ni una conexión aparte.