tradememory-protocol

tradememory-protocol — память трейдинга для MT5 с анализом сделок и стратегий

От сообществаРаботаетБез входаГлобальныйБесплатноТолько чтение

Что умеет

  • Сохранять и вспоминать сделки в многоуровневой памяти
  • Смотреть агрегированную статистику по стратегиям
  • Получать рефлексию и контекст по конкретной сделке
  • Запускать бэктесты и эволюцию торговых стратегий
  • Проверять аудиторский след и легитимность сделок

Какие данные видит

Ассистент работает с торговой историей и памятью, привязанной к аккаунту пользователя.

Нужен ли аккаунт

Не нужен: сервер работает без входа

MCP-сервер tradememory-protocol хранит и анализирует торговые сделки на MT5 в трёхуровневой архитектуре: сырые данные, обнаруженные паттерны и корректировка стратегии. 15 инструментов позволяют сохранять и вспоминать сделки, смотреть статистику по стратегиям, получать рефлексию по конкретной сделке и запускать движок эволюции стратегий с бэктестами.

Как подключить

Как подключить tradememory-protocol к Claude

Адрес сервера, который нужно вставить в настройках Claude:

https://tradememory-protocol--mnemox-ai.run.tools

  1. Откройте Claude (сайт claude.ai или приложение для компьютера).
  2. Перейдите в Настройки → Коннекторы (в английском интерфейсе: Settings → Connectors).
  3. Нажмите Добавить пользовательский коннектор (Add custom connector).
  4. Вставьте адрес сервера, скопированный ниже, в поле URL удалённого MCP-сервера и нажмите Добавить.
  5. В чате нажмите + → Коннекторы и включите новый коннектор.

Пользовательские коннекторы доступны на тарифах Free, Pro, Max, Team и Enterprise. На Free можно добавить только один. В Team и Enterprise коннектор сначала добавляет владелец организации в Настройки организации → Коннекторы.

Авторизация

После нажатия Добавить откроется окно входа в сервис. Войдите под своим аккаунтом и подтвердите доступ. Пароль Claude не видит.

Как подключить tradememory-protocol к ChatGPT

Адрес сервера, который нужно вставить в настройках ChatGPT:

https://tradememory-protocol--mnemox-ai.run.tools

  1. Откройте ChatGPT в браузере (chatgpt.com). Нужен тариф Plus, Pro, Business, Enterprise или Edu.
  2. Один раз включите режим разработчика: Настройки → Приложения → Дополнительные настройки → Режим разработчика (Settings → Apps → Advanced settings → Developer mode).
  3. Откройте Настройки → Коннекторы и нажмите Создать (Create).
  4. Заполните форму: Название (любое), Описание (одна фраза, что делает сервис), URL MCP-сервера (скопируйте ниже).
  5. В поле Аутентификация выберите OAuth, если сервис требует вход, иначе Нет. Нажмите Создать.
  6. В новом чате откройте + → Приложения/Коннекторы и включите коннектор.

Название раздела у OpenAI менялось (Connectors → Apps/Plugins). Если пункт называется иначе, ищите «режим разработчика» в настройках. В рабочих пространствах Business/Enterprise администратор должен разрешить пользовательские коннекторы.

Авторизация

При первом использовании ChatGPT откроет окно входа в сервис. Войдите и подтвердите доступ.

Как подключить tradememory-protocol к Cursor

Адрес сервера, который нужно вставить в настройках Cursor:

https://tradememory-protocol--mnemox-ai.run.tools

Быстрый способ: нажмите кнопку Открыть в Cursor ниже, Cursor сам предложит добавить сервер.

Вручную:

  1. В Cursor откройте Settings → Cursor Settings → MCP и нажмите Add new global MCP server.
  2. Вставьте JSON, скопированный ниже, в открывшийся файл ~/.cursor/mcp.json (для одного проекта: .cursor/mcp.json в корне проекта).
  3. Сохраните файл. Сервер появится в списке MCP; при необходимости пройдите авторизацию по кнопке рядом с ним.

Авторизация

Если сервис требует вход, рядом с сервером в списке MCP появится кнопка авторизации.

Список инструментов сервера (20)

Технические названия из tools/list. Нужны только разработчикам.

get_strategy_performanceGet aggregate performance stats per strategy. Use this to evaluate which strategies are working and which need adjustment.
get_trade_reflectionGet the full context and reflection for a specific trade. Use this to deep-dive into a particular trade's reasoning and lessons.
remember_tradeStore a trade into OWM multi-layer memory with automatic updates. Writes to episodic memory and automatically updates semantic (Bayesian), procedural (running averages + hold time + Kelly), and affective (EWMA confidence/streaks). Also writes to trade_records for backward compatibility.
recall_memoriesRecall memories using OWM outcome-weighted scoring. Queries episodic and semantic memories, scores them by outcome quality, context similarity, recency, confidence, and affective modulation. Returns ranked memories with score breakdown.
get_behavioral_analysisGet behavioral analysis from procedural memory. Returns aggregate trading behavior stats: hold times, disposition ratio, lot sizing variance, and Kelly criterion comparison.
get_agent_stateGet the current agent affective state (confidence, risk, drawdown). Returns confidence level, risk appetite, drawdown percentage, win/loss streaks, equity tracking, and a recommended action based on current drawdown severity.
create_trading_planCreate a prospective trading plan that activates when conditions are met. Stores a rule-based plan in prospective memory. The plan stays active until triggered, expired, or manually cancelled.
check_active_plansCheck active trading plans against current market context. Queries all active prospective plans, expires any past their expiry date, and matches remaining plans against the provided context.
evolution_fetch_market_dataFetch OHLCV market data from Binance for evolution analysis. Downloads historical price bars for backtesting and pattern discovery. Use this before discover_patterns or run_backtest to get data.
evolution_discover_patternsDiscover trading patterns from market data using LLM analysis. Uses Claude to analyze OHLCV data and generate candidate trading patterns with entry/exit conditions. Each pattern can be backtested afterward.
evolution_run_backtestBacktest a candidate pattern against historical OHLCV data. Takes a pattern dict (from discover_patterns) and runs a vectorized backtest. Returns fitness metrics: Sharpe ratio, win rate, trade count, max drawdown, total PnL.
evolution_evolve_strategyRun full evolution loop — generate, backtest, select, eliminate. Multi-generation strategy evolution: generates candidate patterns via LLM, backtests on in-sample data, validates survivors on out-of-sample data, eliminates weak hypotheses. Returns graduated strategies and graveyard.
evolution_get_logGet the log of past evolution runs from this session. Returns a list of all evolution runs with their results, including graduated strategies, graveyard, token usage, and backtest counts. Data is in-memory (resets on server restart).
export_audit_trailExport Trading Decision Records for audit and compliance review. Provides a complete, tamper-evident record of trading decisions including the memory context (similar trades, beliefs) that informed each decision.
verify_audit_hashVerify the integrity of a Trading Decision Record. Recomputes the SHA256 data_hash from stored inputs and compares with the hash computed at decision time. A mismatch indicates tampering.
verify_audit_chainVerify the integrity of the audit chain. Walks the chain from `from_seq` (default: 1, the genesis record) to `to_seq` (default: latest), checking that every record's `prev_hash` matches the previous record's `data_hash`, and that each `data_hash` equals SHA256(prev_hash || content_hash). Returns a dict with `verified`, `checked_count`, `first_break_at`, `reason`. A `first_break_at` of None with `verified=True` means the chain is intact across the verified range.
get_daily_rootGet (or rebuild) the daily Merkle root for a UTC date. The Merkle root summarises every audit_chain entry whose `chained_at` falls inside the UTC day. Verifying this single 32-byte root proves the integrity of every TDR for that day without re-walking each one.
validate_strategyValidate a trading strategy using statistical tests (DSR + Walk-Forward + Regime + CPCV). For educational and research purposes only. Not financial advice. Upload a trade log CSV (QuantConnect format) or daily returns CSV. The tool runs four statistical tests: 1. Deflated Sharpe Ratio (DSR) — detects overfitting from multiple testing 2. Walk-Forward Validation — checks out-of-sample consistency 3. Regime Analysis — performance across bull/bear/crisis markets 4. CPCV — cross-validated Sharpe stability across time periods
check_trade_legitimacyCheck if the agent has sufficient data and confidence to trade. Call this before making any trade decision. Evaluates sample size, memory quality, regime experience, streak state, and drawdown to determine whether the agent has earned the right to trade at full size.
compute_dqsCompute Decision Quality Score before executing a trade. Evaluates the quality of the decision *process* (not outcome) across 5 factors: regime match, position sizing vs Kelly, process adherence (OWM similarity), risk state, and historical pattern.