API vs MCP:量化数据接入的两种范式

量化研究取数有两条路:HTTP API(程序自己调)和 MCP(让 LLM 直接调用工具链)。它们不是替代关系,而是面向不同使用者的两层接入。本文讲二者差异与协同。

HTTP API:程序的接入方式

最经典的方式。你写 Python/Go/JS,按文档拼 URL,带 token 鉴权,拿 JSON 回来:

r = requests.get("https://reachrich.ai/api/market/quote",
                 params={"code":"600519"}, headers={"Authorization": "Bearer ..."})

• 优势:稳定、可缓存、易做批量、并发可控;
• 场景:回测 pipeline、定时数据落地、生产策略取数。

MCP:LLM 直接调用工具链

MCP (Model Context Protocol) 是新兴标准——让 LLM(Claude/GPT)直接发现并调用一组"工具"。对量化场景:

• LLM 在对话中自动调用 rr_quote(code='600519') 取实时报价;
• 多工具组合("帮我看下 600519 的 F10、最近资金流、并对比同行业")LLM 自己分解、依次调用;
• 用户用自然语言,不写代码。

优势:研究探索、对话式分析、低门槛接入; 场景:研究员临时查数、AI agent 工作流、与其他 MCP 工具组合(交易/可视化)。

不是替代,是分层

ReachRich 同时提供两层——HTTP API 走 token 鉴权,MCP 直接挂到 Claude/Cursor/Cline,统一数据契约。

安全与限流

无论哪种接入,都要做配额、鉴权、审计——尤其量化数据是有商业价值的资产,不能裸 endpoint。详见 接入方式。