现在我有充足的素材，输出完整的中文学习笔记。

用 CDP 把 Claude 接入 TradingView：一个值得认真对待的工程实验

核心观点

这个项目的本质不是"交易机器人"，而是一个接口层实验：用 MCP（Model Context Protocol）把 TradingView 这个专业金融桌面客户端的内部状态，翻译成 Claude 能理解和操作的结构化工具集。它的价值不在于帮你挣钱，而在于解决一个真实的工程摩擦——Pine Script 开发体验极差，AI 辅助无处落地。

这件事处于一个微妙的节点：MCP 本身于 2024 年底由 Anthropic 提出，目前还处于快速扩张期，各类 MCP Server 遍地开花；把 LLM 接入金融工具的尝试也开始从"概念演示"走向"实用工具"。但要说范式突破，还为时过早——这更像是 MCP 浪潮在垂直场景的一次认真落地，而非凭空出现的颠覆性技术。

关键机制：CDP 是这件事能成立的唯一原因

最核心、也最值得拆解的一点是：作者没有逆向 TradingView 的 API，也没有爬取服务器数据，而是走了 Chrome DevTools Protocol（CDP）这条路。

TradingView Desktop 是一个 Electron 应用（底层是 Chromium）。所有 Chromium 内核的程序天生支持 CDP——这是 Google 为调试工具内置的标准协议，VS Code、Slack、Discord 都是同类。只需要在启动时加一个标准 flag：

/path/to/TradingView --remote-debugging-port=9222

就能在本机 9222 端口建立 WebSocket 连接，从而读取 DOM 状态、执行 JavaScript、模拟输入、截图——而这一切完全发生在本地，不经过 TradingView 服务器。

这个机制的巧妙之处在于：它不需要任何 TradingView 的配合或授权，因为调试接口是操作系统层面的能力，不是 TradingView 特有的漏洞。这也是作者能理直气壮地说"这是合理使用"的技术依据。

它能做什么：78 个工具的分类理解

项目提供了 78 个 MCP 工具，本质上可以分为三层：

读取层（让 AI 有眼睛）：

  • chart_get_state：读取当前 symbol、timeframe、所有 indicator 名称和 ID
  • data_get_study_values：读取 RSI、MACD、BB、EMA 等指标数值
  • data_get_pine_lines/labels/tables/boxes：读取自定义指标绘制的支撑/压力线、文字标注、数据表格
  • quote_get / data_get_ohlcv：当前价格和 K 线数据

控制层（让 AI 有手）：

  • chart_set_symbol / chart_set_timeframe：切换品种和周期
  • pine_set_source → pine_smart_compile → pine_get_errors：Pine Script 开发的完整工作流
  • draw_shape：画趋势线、水平线、矩形、文字注释
  • alert_create / alert_delete：管理价格提醒
  • replay_start / replay_step / replay_trade：历史回放练习

监控层（让 AI 持续感知）：

  • tv stream quote/bars/values/lines/tables：JSONL 格式的本地流式输出，可以配合 jq 管道处理

完整的 CLI 接口意味着它不只是给 Claude 用的，任何能调 shell 的程序都能集成。

代码示例：Pine Script 的 AI 辅助开发流

最典型的工作流是 Pine Script 开发，这也是作者认为最有价值的场景：

# 1. 让 Claude 写一个 VWAP 偏差检测脚本
# Claude 调用：pine_set_source 注入代码到编辑器

# 2. 编译并检查错误
# Claude 调用：pine_smart_compile
# Claude 调用：pine_get_errors

# 3. 读取运行时输出
# Claude 调用：pine_get_console

# 4. 保存到 TradingView 云端
# Claude 调用：pine_save

以前的工作流是：在 TradingView 编辑器里写代码 → 报错 → 手动搜索文档 → 复制错误信息到 ChatGPT → 粘贴修改回去 → 重复。现在这个循环完全在 Claude 内部闭合。

CLI 管道示例：

# 实时监控价格变化
tv stream quote | jq '.close'

# 过滤特定指标的数据表格
tv stream tables --filter Profiler

# 捕捉当前图表状态用于分析
tv screenshot -r chart

交叉验证

信源一：amazingindex.com（2026-07-22）

该站点对此项目打出 60/100 的推荐指数，认为它确实填补了"AI 助手与专业金融终端协议桥接"的空白，并特别认同它对 Pine Script 开发体验的改善。但该评测明确提示："仅用于个人分析，不要构建核心交易系统"，并指出 CDP 方案依赖 TradingView 桌面端内部实现细节，官方更新随时可能破坏集成。这和原文的免责声明高度吻合，并非单纯捧场。

信源二：wenyiblog.top — 《CDP 协议自动化实战：用 Chrome DevTools Protocol 控制 Electron 应用》（2026-06-20）

这是一篇独立的 CDP 技术文章，没有提到 TradingView MCP，但对 CDP 控制 Electron 应用的局限性讲得比原文诚实得多：

  • 多窗口处理复杂：需要手动选择正确的 WebSocket target，新弹窗需要重新连接
  • WebSocket 连接不稳定：需要实现指数退避重连机制
  • Shadow DOM 无法穿透：部分组件状态读不到
  • 开启调试端口本身是安全风险：在内网或公用机器上，9222 端口对本机其他进程完全暴露

原文对这些问题的描述相当简略。结合该技术文章的信息，可以确认：原文关于 CDP 机制的描述是准确的，但对其不稳定性的描述是有所淡化的。

两个信源共同指向的一个核心结论：这个工具的"致命弱点"不是功能缺失，而是维护成本——每次 TradingView 更新 Electron 内部结构，都可能导致部分工具失效，而用户只能等待开源社区修复。

边界：哪些情况它会让你失望

原文整体偏向展示功能，有些边界需要单独强调：

  1. TradingView 更新即可能断裂。作者建议"固定 TradingView 版本"，但实际上大多数用户不会这么做，而且固定版本意味着放弃安全更新。

  2. 流数据的 TOS 风险被低估。原文用一个 Warning 带过了"Programmatic consumption of TradingView data may conflict with their Terms of Use"，但这其实是个严肃的法律问题。TradingView 的服务条款明确禁止通过程序化方式提取和再利用数据，即使数据"在本地"，自动化流式读取本质上和数据抓取无异。

  3. Pine Script 的 AI 辅助存在上下文限制。Pine Script v5 本身是门小语言，但 Claude 对其边界案例（如复杂策略回测逻辑、多周期数据引用）的掌握质量因版本而异，AI 写出的代码不应不经验证直接使用。

  4. 不适合实时交易信号。工具本身明确说"不执行真实交易"，但如果用它构建"AI 读图 → 生成信号 → 手动下单"的半自动流程，延迟和可靠性问题仍然存在。

  5. Windows 用户体验存疑。文档中 Linux/Mac 的脚本明显更完善，Windows 路径处理和 CDP 连接稳定性的问题在 Issues 区是可以预期的。

个人启发：这对你意味着什么

对 Pine Script 开发者：这是目前最直接的生产力提升路径。如果你已经在用 Claude Code，现在有一条成本几乎为零的路径让它帮你写、调、编译 Pine Script。不需要等 TradingView 官方做 AI 集成。立即可以做的动作：克隆项目，花 20 分钟完成配置，用一个你最近卡住的 Pine Script 问题来验证效果。

对量化研究者：项目的 RESEARCH.md 文件描述了一个有价值的开放问题——LLM agent 如何在有状态的实时金融界面上操作，其失败模式是什么？这比"AI 炒股"的噱头更有价值。如果你在做 Human-AI Collaboration 相关研究，这是一个现成的实验平台。

对决策者（团队负责人）：不要把它引入任何涉及资金的关键路径。把它定位为"AI 开发工具加速器"而非"交易系统组件"，边界非常清晰。

对普通用户：如果你只是偶尔用 TradingView 看图，配置成本（Node.js、Claude Code 订阅、手动启动调试模式）可能不值得。它的价值密度正比于你使用 Pine Script 的频率。

延伸思考

  1. MCP 的价值密度取决于"状态暴露程度"：TradingView 这个案例之所以有价值，是因为 Pine Script 的运行时输出、K 线数据、指标值都是结构化的、可读的状态。如果一个应用的内部状态完全是视觉像素（如大多数游戏），CDP + LLM 的效果会大打折扣——这意味着 MCP 的下一个真正有意思的战场，是那些"内部状态结构化但接口封闭"的桌面软件（Bloomberg Terminal？Figma？）。

  2. "本地优先"的 AI 工具形态是否可持续？ 这个工具最核心的卖点之一是"数据不出本地"，这在当前隐私敏感的金融场景下非常有吸引力。但维持这个特性的代价是——它必须依赖一个本地运行的桌面客户端，而 TradingView 本身有明显的 Web 化趋势。一旦 TradingView 完全迁移到 Web 或引入 Electron 签名校验，整个方案的技术前提就会消失。

  3. AI + 专业工具的"接口层"会形成独立市场吗？ 这个项目是一个作者的个人实验，但它揭示了一个更大的模式：每一个"有订阅费但没有开放 API"的专业工具（TradingView、Notion、Linear……），都存在一个"让 AI 看懂它"的工程机会。未来是否会出现专门做这类 CDP/自动化桥接的 MCP 中间件公司，还是 Anthropic 会在 Claude 层面统一解决这个问题？这个方向值得持续关注。

📚 参考来源

  1. GitHub - tradesdontlie/tradingview-mcp: AI-assisted TradingView chart analysis — connect Claude Code to your TradingView Desktop for personal workflow automation · GitHub
# AI # 自动化
Logo
https://edu.csdn.net/learn/39067/627173?utm_source=2019755004

汇聚全球AI编程工具，助力开发者即刻编程。

更多推荐

【无标题】

一开始觉得这样很偷懒，后来发现其实比手写还累。你得把需求描述得足够精确AI才能给对的东西，这个过程其实在逼你提升技术表达能力和代码审查能力。还有就是经常发现AI写的代码有隐藏bug，不仔细看根本看不出来。我会先在脑子里把功能逻辑想清楚，这步不能跳。然后用大白话描述给AI，尽量把边界条件和异常处理也说清楚。它生成之后我一行行读，看到不对的就标出来让它改，改完我再读，来回到我满意为止。大家用AI写代码

avatar AI编程社区

diansai-report-writer

AI助力电赛报告写作：开源工具diansai-report-writer问世 针对全国大学生电子设计竞赛中设计报告写作的痛点，开发者推出开源AI工具diansai-report-writer。该工具作为AI Skill文件，通过对话交互方式，按竞赛评分标准分8步生成完整报告框架，涵盖方案论证、理论计算、测试分析等核心内容，并内置10项防扣分检查机制。支持Claude Code/Codex CLI等

avatar AI编程社区
cover

Claude Code让普通人也能编程

avatar AI编程社区