Alphalabs Intelligence

io.github.Pak209由 GitHub 帳號 Pak209 發布v1.0.0更新於 Oct 24, 2026

Live trading-pipeline intelligence for AI agents: signal scoring, calibration, recorded outcomes.

已驗證Streamable HTTP可網頁執行金融

概覽

AI 產生的概覽

讓助理以 AlphaLabs 引擎為交易想法評分，並查詢校準、結果與特徵歸因等彙總統計。

可以做什麼
提供 AlphaLabs 交易訊號引擎的查詢工具：列出產品與價格、用固定規則為使用者自己的交易想法評分並回傳評分編號、依評分編號解釋各項子訊號與權重，以及取得管線校準、已記錄結果與特徵歸因等彙總統計。
適用情境
適合在需要以一致的評分規則檢視自己的交易想法、或想了解某套訊號引擎的校準與歷史表現時加入。若需要即時行情、下單或帳戶資料，則不適用。
執行需求
需連線至遠端端點，無需本機套件。需在 Authorization 標頭提供 API 金鑰；免費測試金鑰可透過電子郵件申請。
安裝前請注意
需提供 Authorization 標頭中的 API 金鑰，請妥善保管。工具僅回傳引擎的彙總統計與評分，不含持倉、訂單或帳戶資料，價格與成交量確認也未納入評估；輸出僅供參考，不構成投資建議。

安裝

在 SourceWeft 中

  1. 開啟 儀表板中的 Alphalabs Intelligence，將其新增到工作區。
  2. 為需要使用其工具的對話啟用該服務。

Web executable，透過 Streamable HTTP。 遠端服務在工作區中設定後即可從網頁執行環境執行。

交給代理程式安裝

把這段提示詞貼上到 Claude Code、Codex、Cursor 等代理程式，或 SourceWeft 對話中。代理程式會讀取該伺服器的安裝指南，先向你展示發布者、端點和登入方式，經你同意後再把它新增到你的客戶端。金鑰不會寫進任何命令。

閱讀 https://sourceweft.com/mcp/io.github.Pak209%2Falphalabs-intelligence/install.md，並按其中說明把這個 MCP 伺服器接入我的客戶端。修改任何設定之前，先告訴我它的發布者、端點和登入方式，等我確認。不要把 API 金鑰寫進命令或我會提交的檔案；問我金鑰應從哪裡取得。

檢視代理程式所依據的安裝指南

其他 MCP 客戶端

把它新增到你客戶端的 mcpServers 設定中。

{
  "mcpServers": {
    "alphalabs-intelligence": {
      "type": "http",
      "url": "https://api.pak-labs.com/mcp"
    }
  }
}

工具

6

alphalabs_get_catalog

Free: list AlphaLabs Intelligence products, prices, and auth model.

無需輸入參數。

alphalabs_calibration_report

Live paper-trading pipeline calibration telemetry: stage funnel, gate failures, near-misses. Derived analytics only — no positions, orders, or account data exist on this surface.

無需輸入參數。

alphalabs_evaluate_signal

Score YOUR trade idea through the live AlphaLabs deterministic engine: composite score, tier, per-component sub-signals, floors. Price/volume confirmation is not evaluated (no vendor market data). Returns an evaluation_id for alphalabs_explain_decision.

輸入參數bias必填thesisticker必填catalystconfidencecatalyst_typecatalyst_score

alphalabs_outcome_report

Recorded outcomes of the live pipeline's own decisions: hit rates, score-band tables, accepted-vs-rejected edge, gate near-miss regret. Aggregated engine telemetry — percent moves and counts only.

無需輸入參數。

alphalabs_feature_attribution

Which engine inputs actually predict outcomes, measured on recorded live results: Spearman rankings, median-split deltas, dead inputs.

無需輸入參數。

alphalabs_explain_decision

Glass-box breakdown of a prior evaluation by evaluation_id: every sub-signal, weight, floor, and the composite reasoning.

輸入參數evaluation_id必填

版本歷史

1
  1. v1.0.0最新Sep 16, 2026

評分

已滿足適用檢查項的 83%

該評分衡量此收錄條目的完整程度，依據註冊中心條目、端點與公開來源計算得出。它不是對伺服器本身的評價，也不表示伺服器安全或目前可用：可連通性是帶日期的檢查結果，評分也不包含安裝量或使用者評價。

  • 近 30 天內可連通必需25 分
  • 已宣告認證方式必需10 分
  • 已列出工具必需15 分
  • 描述必需15 分
  • 圖示10 分
  • 文件15 分

    請宣告包含 README 的 GitHub 儲存庫，或在 OAuth 受保護資源後設資料中提供 resource_documentation。

  • 授權條款不適用

    託管服務按其提供方的條款使用，因此這裡不要求授權條款。此檢查項不計入百分比。