Claude、Codex、Gemini 谁最会看盘三大 AI 接 TradingView 实测横评【免费下载链接】tradingview-mcpAI-assisted TradingView chart analysis — connect Claude Code to your TradingView Desktop for personal workflow automation项目地址: https://gitcode.com/GitHub_Trending/tra/tradingview-mcp当 Anthropic 在 2024 年底抛出 MCPModel Context Protocol时很少有人想到它最先引爆的细分场景会是金融图表。短短一年多TradingView 官方宣布向付费方案开放官方 MCP Server 公测社区里也冒出了大量基于 CDPChrome DevTools Protocol的开源桥接方案头条甚至流传着两句话就能让 Claude 和 Codex 自己连上官方 TradingView MCP的说法。AI 看盘的门槛被拉到了近十年最低不再需要写爬虫、不需要对接行情 API只要一个支持 MCP 的 CLI 客户端AI 就能睁眼看 K 线。但接入容易用得好不好是另一回事。同一个 MCP 服务器摆在 Claude、Codex、Gemini 面前谁读图读得准、谁改指标改得顺、谁回放练盘练得稳本文以开源项目 tradingview-mcp 的源码为基准结合社区实际使用情报拆解三大模型接入 TradingView 的配置差异与三项核心能力链路并给出按场景的选型建议。文中涉及的具体工具、参数与代码均来自仓库真实实现可对照 src/ 目录逐一验证。一、赛道背景官方公测与开源桥接两条路先厘清一个事实现在接 TradingView 的 AI走的是两条完全不同的技术路线。官方路线是 TradingView 自己发布的 MCP Server目前向付费方案开放公测接入方式极简——Google 新闻聚合里那条全新 MCP Server将 TradingView 带到 Claude现向付费方案开放公测的官方消息即为佐证头条用户总结的两句话连接法先问 AI 能不能连上官方 MCP再让它直连正是这条路的写照。开源路线则是像 tradingview-mcp 这样的第三方桥接项目它不碰 TradingView 的服务器而是通过 Electron 内建的 Chrome DevTools ProtocolCDP控制本地正在运行的 TradingView Desktop架构如下见 README.md 与 src/connection.jsClaude Code ←→ MCP Server (stdio) ←→ CDP (port 9222) ←→ TradingView Desktop (Electron)两者定位不同官方 Server 侧重托管数据能力开源桥接侧重操作你自己的图表。而本仓库明确划定了边界——不访问 TradingView 服务器、不绕过付费墙、不执行真实交易所有数据只在本地流转README.md What This Tool Does Not Do。这一点对下面所有横评都成立模型比拼的是操作本地图表这条链路而非行情数据本身。二、配置差异协议是平的门槛全在客户端横评的第一站是配置。结论可能出乎意料三大模型在 MCP 接入层几乎没有差异因为 MCP 是开放标准Claude Code、Codex CLI、Gemini CLI 都以近乎相同的 JSON 方式注册外部服务器。以开源路线为例配置只需在 MCP 配置文件中声明一条服务器README.md{ mcpServers: { tradingview: { command: node, args: [/path/to/tradingview-mcp/src/server.js] } } }真正的差异发生在三层其一客户端各自约定配置文件位置。Claude Code 读取~/.claude/.mcp.json或项目级.mcp.jsonSETUP_GUIDE.md 有完整步骤Codex 和 Gemini CLI 各自维护自己的 MCP 注册表。这意味着把 MCP 加进去这一步的文案因模型而异但协议层完全互通——这也是社区所有 MCP 以后都可以这么连说法的来源。其二模型对工具列表的消化方式不同。这个仓库注册了 84 个工具src/server.js从quote_get到replay_trade粒度极细。Claude Code 有天然优势仓库里的 CLAUDE.md 会在会话开始时被自动加载其中写死了哪个问题调哪个工具的决策树。而 Codex 与 Gemini 没有这一专属注入机制能否在 84 个工具里选对完全取决于模型自身的工具选择能力——这正是下文实测差距的核心来源。其三启动侧的基础设施要求。开源路线要求本地 TradingView 以--remote-debugging-port9222调试模式启动Windows 上还要处理 MSIX 包授权问题tv_launch工具会自动复制本地包再启动见 SETUP_GUIDE.md。这一层与模型无关是环境问题但决定了你连的是哪一个 AI之前的半小时体验。三、看图视觉理解是能力分水岭看盘最直观的动作是看图。tradingview-mcp 为此设计了完整链路CLAUDE.md 决策树chart_get_state—— 拿到品种、周期、全部指标实体 IDdata_get_study_values—— 读取所有可见指标的当前数值RSI、MACD、布林带、EMA…data_get_pine_lines/data_get_pine_labels/data_get_pine_tables/data_get_pine_boxes—— 读取自定义 Pine 指标用line.new()、label.new()、table.new()、box.new()画的支撑阻力、文本标注、会话统计表、价格区间capture_screenshot—— 截图做视觉确认这条链路在 src/core/data.js 里的实现很有讲究getPineLines会对水平价位去重排序getPineLabels默认只返回文本价格对上限 50 条getPineTables把表格压成行 | 列格式的字符串。也就是说喂给模型的不是原始图形对象而是价位列表 标注文本 表格行把一次 80KB 的读取压到了 5–10KBRESEARCH.md。在这个基础上横向对比三个模型差异是结构性的Claude 系对先读状态、再读数值、最后截图确认的多步编排最熟练且 CLAUDE.md 决策树几乎是为它量身定做。社区大量用自然语言问『我图表上现在有什么』的实操帖都跑在 Claude Code 上84 个工具不会把它绕晕RESEARCH.md 明确记录Tool Count Does Not Confuse the Agent。Gemini多模态是它的长板。官方路线下截图 → 让 Gemini 描述形态的视觉推理链路流畅但面对 84 个结构化小工具时它的工具编排倾向更粗放容易一上来就拉全量数据而不是先summary: true。Codex中规中矩读图靠截图数值双通道时表现稳但优势不在视觉而在后续批量处理——这正是它最该被用在扫盘而非读盘的原因。四、写指标Pine Script 全流程是重头戏如果说看图是眼力写指标就是手艺。Pine Script 是一门有系列类型、历史引用、重绘语义的 DSL社区公认 AI 在这里的助攻价值最大RESEARCH.md 的结论之一。仓库把写指标封装成了可闭环的编译调试循环src/tools/pine.jspine_set_source → pine_smart_compile → pine_get_errors → pine_get_console → pine_save循环背后是三层硬核实现src/core/pine.js离线静态分析pine_analyze不连图表纯正则词法扫描能抓出array.get/set越界、对空数组调用first()/last()、写了strategy.entry却没有strategy()声明等典型错误——这些正是 LLM 写 Pine 时最常犯的错测试用例覆盖在 tests/pine_analyze.test.js。服务端编译pine_check直接调 TradingView 的pine-facade/translate_light接口无图表也能拿到真实编译错误与警告含行列号。图表内编译pine_smart_compile通过 CDP 找到 Monaco 编辑器注入代码、点击编译、读取标记、比对编译前后图表上的指标数量返回study_added字段做闭环确认。这个循环对三个模型的意义完全不同。Claude 系因为能结合log.info()输出与错误行列号做改一行、编一次、看报错的快速迭代社区评测普遍认为它是当前写 Pine 指标体验最好的模型。Gemini 写小指标几行plot(close)级别的模板很利索但遇到array.new_float(0)后接first()这类空数组陷阱时静态分析的提示比模型自查更可靠——此时模型间的差距被工具兜底了。Codex 的优势在于它把写代码当本职多文件、多脚本的指标工程化配合 scripts/pine_push.js、scripts/pine_pull.js 的拉取推送更顺手。一个需要所有模型共同警惕的坑pine_get_source读复杂脚本可能返回 200KBCLAUDE.md 的上下文管理规则明确要求避免读取、除非要编辑——三家的上下文窗口都烧不起这个量级谁能忍住不调这个工具谁的会话就更长。五、回放多步状态跟踪考验临盘纪律回放Bar Replay是 TradingView 的练盘功能也是最能拉开模型差距的第三项能力。仓库提供的链路src/tools/replay.js、src/core/replay.jsreplay_start(日期) → replay_step / replay_autoplay → replay_trade(buy/sell/close) → replay_status → replay_stop源码里藏着几个只有实测才会发现的细节replay_start会校验isReplayAvailable()并在页面上下文中 awaitselectDate()——注释明确写到若不等 Promise 完成回放显示 started 但步进无效issue #26 的教训。模型如果跳过这层等待直接replay_step就会踩到状态未就绪的坑。replay_autoplay对速度参数做了白名单校验100/143/200/300/1000/2000/3000/5000/10000ms非法值直接报错注释写着非法值会永久损坏云端账户状态——这是 CDP 直操真实客户端时的防御性设计。replay_step之后要轮询 currentDate 直到变化因为doStep()是异步的currentDate大约 500ms 后才更新。回放的本质是一场多轮状态游戏模型必须持续追踪当前日期、持仓方向、已实现盈亏并在每一步做出买卖决策。这里三家的差距最直观Claude 系在多步工具调用中保持状态一致性最好能完整跑完 skills/replay-practice/SKILL.md 定义的设品种→加指标→截图→逐根步进→开仓→确认持仓→平仓→复盘全流程。Gemini 和 Codex 单步执行没有障碍但超过十步的连续决策链每步都可能插一次截图、读一次replay_status容易出现状态丢失——replay_status返回的 position 与 realized_pnl 是唯一的权威状态源谁在决策前忘记调它谁就会以为自己在持仓其实已经平仓。社区普遍认同一点回放模式不适合让模型自由发挥而适合AI 执行、人做决策的陪练结构——这恰好呼应了 RESEARCH.md 中Human-in-the-Loop的设计讨论。六、选型建议按场景匹配模型把三章实测收拢成一张决策表场景首选理由日常看图分析、画线标注Claude Code84 工具编排最稳CLAUDE.md 决策树 视觉截图双通道Pine Script 指标开发Claude Code编译-报错-修复循环闭环最顺离线静态分析兜底多品种批量扫盘Codexbatch_run面向脚本化配合 skills/multi-symbol-scan/SKILL.md 的多品种截图/OHLCV 循环最契合图表视觉形态识别Gemini多模态长板适合截图 → 描述形态 → 给出结构判断回放练盘陪练Claude Code多步状态追踪最可靠与 skills/replay-practice/SKILL.md 的陪练节奏匹配策略绩效报告Claude Codesrc/core/data.js 的策略指标/成交/权益读取 结构化报告输出最后必须强调两个横评之外的共识。其一模型只是大脑链路才是护城河这份仓库把紧凑输出、去重价位、状态轮询、非法参数拦截都固化进了工具层任何模型接入后都受益——选型差异远小于有没有接对工具的差异。其二合规红线不因模型而松动无论是走官方公测还是开源桥接程序化读取与操作都需遵守 TradingView 条款README.md Disclaimer 罗列了完整的禁止事项清单且本工具明确不执行真实交易。选哪个 AI 看盘最终取决于你想让它当分析师、工程师还是陪练——而不是它跑在哪家云端。【免费下载链接】tradingview-mcpAI-assisted TradingView chart analysis — connect Claude Code to your TradingView Desktop for personal workflow automation项目地址: https://gitcode.com/GitHub_Trending/tra/tradingview-mcp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考