OpenNews MCP：给 AI 助手接上 85+ 实时新闻与交易信号源

           作者感：自己写适配器既费时又难维护，换个助手又要重写一遍。新闻、评级、信号分散在不同产品里，你要在多个标签页之间拼凑才能形成判断。OpenNews MCP 解决这个问题。它用 MCP 这一标准协议，把 85+ 数据源和 AI 评级、交易信号收敛成一个工具集，任何支持 MCP 的客户端都能即插即用（S05）。它解决的不是「哪个数据源最强」，而是「把我需要的实时信息，变成助手一句话就能调到的能力」。对做二级市场研究、舆情监控或只是想让助手「知道今天的事」的人来说，这种即插即用的数据层，比自己攒爬虫省下的时间非常可观。· 

这三点解决的根本问题是：把「实时外部信息」变成大模型对话里的原生能力，而不是每次都靠人肉复制粘贴。对已经把 AI 助手当主力工作台的开发者，这点收益很直接——你问一句，助手自己去拉最新新闻和信号，再结合它的推理给出判断。更关键的是它走 MCP 标准协议，意味着一次配置，多个客户端通用，不用为不同工具各写一套胶水代码。它也不试图替代专业终端，而是给助手补上「实时感」，让研究、监控这类本就依赖新鲜信息的任务真正落地到对话里。

它是一个用 uv 管理的 Python 项目，运行形态是标准 MCP stdio 服务器，因此几乎不挑操作系统，只要装了 Python 与 uv 即可。先确认本机有 uv（没有先按官方方式安装）；再克隆仓库到本地某路径，比如 ~/code/opennews-mcp（S02、S03）。配置的核心是指令里那两个东西：把 /path/to/opennews-mcp换成你真实的本地路径，把 <your-token>换成你在 OpenNews 申请的 API Token（S06）。不需要把它单独部署成服务，客户端会在需要时拉起它。要确认装成功，最直观的是在客户端里执行一次 MCP 工具的列举或一次新闻查询，看到返回即可；不必先跑通全部 85 个源。注意：OPENNEWS_TOKEN 是必需项，没有令牌服务器大概率起不来或调用被拒，申请与保管请按官方说明，不要硬编码进会公开的仓库。

主路径是从克隆到在 Claude Code 里第一次用到它的工具。最简单的一条是 Claude Code 一键接入：执行 claude mcp add opennews -e OPENNEWS_TOKEN=<token> -- uv --directory /path/to/opennews-mcp run opennews-mcp，把路径与令牌填好，Claude Code 就会把 opennews 注册成一个可用服务器（S02）。之后你直接在对话里让它「查一下今天关于某只股票的新闻和评级」，助手会自行调用对应工具。若用 Cursor / Windsurf / Cline，则是编辑对应的 MCP 配置文件，写入 command: uv、args: ["--directory","/path/to/opennews-mcp","run","opennews-mcp"]、env: {OPENNEWS_TOKEN: "<token>"}（S03）。订阅号正文外链默认不可点，下面仓库地址在发布时用编辑器链接组件再挂。如果客户端列不出工具，先确认 uv 能在该路径跑起 opennews-mcp、Token 是否生效、路径是否写错；多数报错都出在这三项。

只接一个客户端不够「通用」。因为 OpenNews 走标准 MCP，同一份本地安装可以被多个客户端共享——你只要在各自的配置文件里指向同一个 --directory路径与同一个 Token 即可，不用为 Cursor 装一份、为 Claude Code 又装一份（S03、S04）。仓库还提供了 OpenClaw 的 skill 目录与 docs、knowledge 等模块，便于在更多宿主里复用（S07）。排障时记住三点：其一，stdio 模式下客户端负责拉起进程，所以 uv 必须能在你的 shell 里直接调用；其二，Token 缺失或失效是最常见报错；其三，路径写成相对路径容易踩坑，建议用绝对路径。下面这条命令能在不打开客户端的情况下，直接验证服务器本身能否启动：

这些命令都是普通 shell，能在你自己的机器上复现；把启动验证写进步骤，比在客户端里反复试错可靠得多。一个简单的判断标准：凡是「客户端里工具出不来」，先单独跑这条启动命令看报错；凡是「多个客户端都想用」，就共享同一份 --directory与 Token。这样配置一次，全工作台受益。

从形态看，OpenNews MCP 是一个典型的 MCP stdio 服务器：客户端（如 Claude Code）按配置拉起 uv run opennews-mcp这个进程，双方通过标准输入/输出按 MCP 协议交换工具清单与调用请求；服务器内部再去聚合它对接的 85+ 数据源，并把结果连同 AI 评级、交易信号一起回给客户端（S03、S05）。因为协议是标准的，服务器本身不需要知道你用的是哪个客户端，客户端也不需要知道数据从哪来，二者解耦。仓库里 src/opennews_mcp是服务器实现，knowledge与 docs提供知识与文档，openclaw-skill/opennews则是面向另一宿主的技能封装（S07）。下面这张图给出从客户端到服务器再到数据源的链路，帮你判断它适不适合接进自己的 AI 工作台。

          OpenNews MCP 并不是给所有人都准备的。它适合已经把 Claude Code、Cursor 这类支持 MCP 的客户端当日常研究或交易工作台的用户——你本就习惯在对话里推进工作，缺的只是「实时信息」这一环，接上它边际收益最高。第二类是高频率做舆情、二级市场或竞品监控的人，他们需要把新闻、评级、信号变成可反复触发的查询，而不是每次手动开十几个网站拼凑。第三类是想给自有系统补一层标准数据接入的开发者，MCP 的解耦特性让服务器一次写好、多个宿主复用，省去为每个客户端各写一套适配器的麻烦。反过来，如果你只是偶尔和 AI 聊聊天、对实时数据没有硬需求，那么申请 Token、配绝对路径、管理客户端这套前期成本可能并不划算；如果你的数据源必须完全私有、不能出公网，那么它依赖 OpenNews 云端服务的形态也会成为阻碍。一个务实的判断标准：先用 Claude Code 一键接入跑通一次新闻查询，确认数据确实进来、格式可用，再决定要不要把它请进常驻工具集；前一步几乎零成本，却足以回答「它到底值不值」。

落到具体节奏上，建议分三步：第一步，只读 README 的 Quick Install 与 Compatibility，确认你常用的客户端在官方支持列表里，并申请好 OPENNEWS_TOKEN；第二步，用 claude mcp add或对应 JSON 配置接一次，直接问助手一个「今天关于某只股票发生了什么」类的问题，验证返回结构是否符合预期；第三步，确认每天都要用之后，再把同一份 --directory与 Token 复制到 Cursor、Windsurf 等其他客户端，并深入 docs 与 knowledge，把评级与信号真正接进你的研究或监控流程。前两步不花钱、不改架构，就能先吃到「统一实时视角」的红利，避免在用不上的工具上提前投入配置时间。

      OpenNews 的价值在统一接入与协议适配，底层覆盖度、更新频率、信号质量都取决于它对接的 85+ 源与官方评级逻辑，做严肃交易决策时仍需交叉验证，不能把单点信号当成买卖指令（S05）。它需要 OPENNEWS_TOKEN，意味着你依赖 OpenNews 这一外部服务及其配额与条款，离线或令牌失效时工具会不可用（S06）。许可证为 MIT（S01），二次分发或内嵌相对宽松，但仍要遵守服务侧的使用条款。本次抓取未枚举具体的工具（tool）标识符，正文仅描述能力层级，使用请以仓库 src/opennews_mcp实际提供的工具名为准，不要假设某条具体命令存在。星星 2,368、MIT、技术栈 Python(uv) 均为 2026-09-19 检索日数据，会随时间变化，引用时请按当时页面核对，不要把数字写成永久事实。对使用者来说，更该记住的是：它补上了助手的实时短板，但结论仍要你自己把关。还有一点值得提醒：S05 里「85+ 数据源、6 大引擎类别」是官方宣称的能力层级，本次抓取未能逐一枚举具体工具名，正文也刻意没有臆造任何工具标识符；你在接入后应以仓库 src/opennews_mcp实际暴露的工具清单为准，不要凭正文猜测某条命令是否存在。把它的定位：它是补上助手实时短板的「数据管道」，不是替你做决策的终端，真正的买卖或判断，永远要落到你自己的交叉验证上。

仓库在 https://github.com/6551Team/opennews-mcp。下一步建议先读 README 的 Quick Install 与 Compatibility，确认你常用的客户端在支持列表里，并申请好 OPENNEWS_TOKEN；再用 claude mcp add或对应 JSON 配置接一次，直接问助手一个「今天发生了什么」类的问题验证返回。订阅号正文链接默认不可点，仓库请在发布时用公众号编辑器的插入链接组件再挂一次。如果你本就把 Claude Code / Cursor 当研究主力，这个 MCP 的边际收益最高；如果你只是偶尔用 AI 聊聊天，配置成本可能不划算。一个稳妥的上手节奏：先用 Claude Code 一键接入跑通一次新闻查询，确认数据确实进来、格式可用，再把同一份配置复制到 Cursor 等其他客户端；前一步零额外成本，就能判断它值不值得进入你的常驻工具集。等确认每天都要用，再深入 docs 与 knowledge，把评级与信号真正接进你的研究或监控流程。

#开源项目 #MCP #实时数据 #AI助手