上下文窗口难题tradingview-mcp 如何把 80KB 图表状态压缩到 10KB 以内【免费下载链接】tradingview-mcpAI-assisted TradingView chart analysis — connect Claude Code to your TradingView Desktop for personal workflow automation项目地址: https://gitcode.com/GitHub_Trending/tra/tradingview-mcp[输出文章]上下文窗口难题tradingview-mcp 如何把 80KB 图表状态压缩到 10KB 以内tradingview-mcp是一款面向本地 TradingView 桌面端的AI 图表分析工具它通过 MCP 协议把 Claude Code 连接到你的 TradingView让 AI 直接看懂并操作你的 K 线图、指标与 Pine Script。而它最精巧的设计是解决大模型的上下文窗口难题——把一次完整图表分析所需的80KB 原始状态压缩到 5~10KB以内让 AI 分析又快又省。为什么上下文窗口是 AI 图表分析的头号难题想象一下AI 要看清一张专业图表需要读取原始数据体积单个复杂 Pine Script 源码200KB500 根 OHLCV K 线数据~40KB全部指标参数 图形对象线、标签、表格、箱体几十 KB一次帮我分析这张图表的完整工作流如果把这些原始数据一股脑塞给大模型轻松突破80KB。上下文被数据挤满模型要么被截断要么记住了没用的东西——分析质量反而下降。RESEARCH.md 中明确写道上下文管理是首要约束这是项目最核心的设计问题。核心理念紧凑默认细节按需tradingview-mcp 给出的答案很简单所有工具默认只返回AI 真正需要的紧凑数据原始数据保留在verbose: true等可选参数后面需要时才打开。这一条原则贯穿了全部 84 个 MCP 工具。下面拆解 5 个具体的压缩手段。五大压缩手段全拆解1️⃣ OHLCV 摘要模式40KB → 500Bdata_get_ohlcv工具支持summary: true参数不返回全部 K 线而是只返回最高价、最低价、区间、涨跌幅、平均成交量 最近 5 根 K 线。40KB 的数据瞬间变成约500 字节的统计摘要——对大多数分析场景完全够用。核心实现见 src/core/data.js。2️⃣ 价格线与箱体去重只留价格丢掉图形指标画出的支撑/阻力线在底层是几十个带坐标、颜色、ID 的线对象。但 AI 真正关心的只是这些价格位在哪里。Pine 线只返回去重后的水平价格位按从高到低排序Pine 箱体只返回去重后的{high, low}价格区间。实现见 src/core/data.js线与 src/core/data.js箱体。3️⃣ 标签限量 字段瘦身每指标最多 50 条文本标签默认只保留文字 价格两个字段如 PDH 24550丢弃坐标、字号、颜色等元数据并且每个指标最多返回 50 条取最新的防止某个指标刷屏。实现见 src/core/data.js。4️⃣ 表格转文本行去掉单元格元数据Pine 表格在底层是成百上千个带行列 ID 的单元格对象。tradingview-mcp 把它们拼装成按行格式化的文本字符串AI 读起来像读表格体积却只有原来的零头。实现见 src/core/data.js。5️⃣ 自动过滤加密乱码参数部分受保护指标的输入参数是编码后的二进制乱码blob毫无可读性。工具会自动过滤掉超过 500 字符的字符串参数避免这些噪音污染上下文。实现见 src/core/data.js。精细化分工具只读取你需要的部分压缩之外第二个关键设计是工具粒度与其一个读取整张图表的巨无霸工具不如拆成 84 个精细小工具报价、K 线、指标值、Pine 线、Pine 标签……各自独立每个工具输出都控制在百字节到几 KB 级别。AI 该调用哪个工具项目用 CLAUDE.md 里的一张决策树解决——用户说什么 → 该调哪些工具一目了然。配合study_filter参数只读指定指标、max_labels限制标签数量输出量可精确控制。 还有一个巧妙细节截图工具capture_screenshot只返回文件路径~300B而不是图片数据视觉信息交给 AI 按需读取上下文几乎零开销。数字说话压缩前后对比来自 CLAUDE.md 的输出体积实测紧凑模式工具典型输出quote_get实时报价~200 字节data_get_study_values全部指标读数~500 字节data_get_pine_lines价格线去重后~1-3 KBdata_get_pine_labels标签限量 50~2-5 KBdata_get_pine_tables表格文本行~1-4 KBdata_get_ohlcvsummary 模式~500 字节data_get_ohlcv100 根 K 线~8 KB完整分析我的图表工作流~5-10KB对比不压缩时的~80KB——上下文占用降低约 90%。这正是 README.md 中Context Management一节总结的设计成果。快速上手三步连接你的图表克隆并安装需要 TradingView 桌面版 Node.js 18git clone https://gitcode.com/GitHub_Trending/tra/tradingview-mcp cd tradingview-mcp npm install带调试端口启动 TradingView使用 scripts/launch_tv_debug_mac.sh、scripts/launch_tv_debug.bat 或 scripts/launch_tv_debug_linux.sh 一键启动。验证连接把项目加入 MCP 配置后对 Claude 说用 tv_health_check 验证 TradingView 已连接即可。关键源码索引文件作用src/core/data.js五大压缩手段的核心实现src/tools/data.js数据类 MCP 工具的定义与参数说明CLAUDE.md工具决策树 上下文管理规则RESEARCH.md上下文窗口等研究问题与设计发现README.md安装步骤与工具输出体积参考总结tradingview-mcp 用紧凑默认 按需展开 精细化工具 决策树导航的组合拳把 AI 图表分析的上下文开销压缩了近一个数量级。 它给出的启示很普适给 AI 喂数据不是越多越好而是刚好够用最好——这对每一个想把自己的工具接入大模型的开发者都是一次值得借鉴的设计课。 [/输出文章]【免费下载链接】tradingview-mcpAI-assisted TradingView chart analysis — connect Claude Code to your TradingView Desktop for personal workflow automation项目地址: https://gitcode.com/GitHub_Trending/tra/tradingview-mcp创作声明：本文部分内容由AI辅助生成（AIGC），仅供参考