Self-hosted MCP сервер для финансовых данных: как подключить любой локальный LLM к реальным данным SEC, 13F и биржевым инсайдам

Представьте: вы задаете своему локальному Llama 4 (или последнему Qwen) вопрос: "Какие позиции Berkshire Hathaway изменились за прошлый квартал?" А он молчит. Потому что его обучали на данных 2024 года, и он понятия не имеет, что Уоррен в январе 2026 нарезал портфель. Знакомо?

Выход — дать LLM доступ к реальным данным. Не через платные API, которые требуют карту и лимиты, а через self-hosted MCP-сервер, который сам ходит в SEC EDGAR, парсит 13F и вытаскивает инсайдерские сделки. И да — это open source и бесплатно.

Что за зверь и зачем он нужен

MCP-сервер для финансовых данных — это прослойка между вашей локальной нейросетью и государственными базами SEC. Он реализует протокол MCP (Model Context Protocol), так что любой LLM, поддерживающий этот протокол (а их уже десятки), может вызвать его функции как обычные инструменты.

Сервер умеет:

• Ходить в SEC EDGAR и вытаскивать последние 10-K, 10-Q, 8-K.
• Парсить 13F filings — те самые квартальные отчеты хедж-фондов. Кто купил, кто продал, какие объемы.
• Собирать инсайдерские сделки (Form 4) — покупки/продажи топ-менеджеров.
• Кэшировать результаты (SEC любит банить за частые запросы).

Все данные — публичные, без единого API-ключа. Только ваш IP и терпение SEC серверов.

Альтернативы: почему не взять готовое

Рынок финансовых API — это зоопарк. Alpha Vantage, Polygon, Intrinio, Tiingo — от $50 до $200 в месяц за приличный тариф. Да, у них есть SDK для Python, но встроить их в LLM — еще тот геморрой. Нужно писать функции, обрабатывать ошибки, следить за лимитами. MCP-сервер делает это за вас и выставляет единый интерфейс.

Альтернатива из мира MCP — FIBO-сервер для AI-агентов, но он про онтологии, а не про сырые данные. Наш вариант — для тех, кому нужны именно filings и сделки, а не абстракции.

Как это работает вживую

Допустим, вы подняли сервер на своем NAS или VPS. Подключили его к llama-server Web UI или через MCP Hangar — единую панель управления. Дальше диалог:

// Конфигурация MCP сервера в клиенте (например, Continue.dev или Claude Desktop)
{
  "mcpServers": {
    "sec-filings": {
      "command": "python",
      "args": ["-m", "sec_mcp_server"],
      "env": {
        "SEC_CACHE_DIR": "./cache"
      }
    }
  }
}

Теперь LLM видит инструменты: get_latest_13f(ticker), get_insider_trades(ticker, days), search_sec_filing(company, form_type). И может их вызвать.

1 Поднимаем сервер через Docker

docker run -d \
  --name sec-mcp \
  -p 8080:8080 \
  -v ./sec-cache:/app/cache \
  ghcr.io/your-org/sec-mcp-server:latest

Образ весит ~150 МБ, в основе — Python 3.12 с aiohttp и lxml. Если хотите собрать сами — исходники на GitHub, лицензия MIT.

2 Проверяем, что работает

Для теста можно вызвать инструмент напрямую через MCP-клиент. Я использую MCP Chat Studio — это Postman для MCP. Открываю, выбираю сервер, пишу:

{
  "method": "tools/call",
  "params": {
    "name": "get_latest_13f",
    "arguments": {
      "ticker": "BRK.B"
    }
  }
}

Ответ приходит через 2-3 секунды — сервер сходит на SEC, распарсит XML и вернет JSON с holdings. LLM (даже маленькая локальная модель с 120x сжатием) обработает и выдаст анализ.

Когда реальность бьет по рукам

Не все так радужно. SEC иногда меняет структуру XML — и парсер ломается. Инсайдерские сделки приходят с задержкой до 2 дней (по закону Form 4 подается в течение 2 рабочих дней). 13F — только квартальные данные, никакого real-time.

Но для аналитики, бэктестов и AI-агентов, которые пишут обзоры — этого хватает за глаза. К тому же кэш спасает: если 10 инвесторов спрашивают про один и тот же отчет, сервер отдает из хранилища.

Кому это реально нужно

• Квантам и дата-сайентистам, которые строят AI-агентов для анализа рынка. Вместо того чтобы писать парсеры, вы получаете API по MCP.
• Retail-инвесторам, которые хотят генерировать отчеты по своим портфелям на основе последних 13F. LLM + MCP = аналитик за 0 рублей.
• Разработчикам AI-инструментов, которые ищут способ автоматизировать аналитику без дашбордов.
• Параноикам конфиденциальности, которые не хотят светить свои инвестиционные идеи в облачных API.

Кстати, если вы уже используете MCP для автоматизации (читали статью про выброс Ansible и Jenkins), то финансовый сервер может стать вашим следующим модулем в пайплайне.

А что с качеством данных

SEC — не биржа. В XBRL (формат отчетности) иногда ошибки: пропущенные цифры, опечатки. Сервер старается валидировать, но 100% гарантии нет. Для инвестиционных решений все равно нужна дополнительная проверка. LLM — не финансовый советник.

Но для скрининга идей, генерации гипотез или просто для того, чтобы быть в курсе, кто из больших дядек вышел из акций TSLA — это бесценно.

Мой личный совет: поставьте такой сервер сегодня, прикрутите к локальному LLM и задайте ему вопрос про последний отчет любого хедж-фонда. После первого же ответа вы поймете, почему MCP — это USB-порт для ИИ, а финансовые данные — идеальный кейс.

Подписаться на канал