前言
做量化和 AI 辅助交易的朋友，大概都绕不开一个问题：怎么把 AI 的「分析结论」真正落地到「交易执行」。
这篇文章介绍一个基于 MCP 协议的解法：RHTHS。
技术背景
同花顺 PC 端有一套内置的策略 API，称为 ths_api，原本是给策略脚本调用的。这套 API 可以完成：账户资金查询、持仓查询、委托查询、实时行情获取、买卖下单、条件单管理等核心交易操作。
和 GUI 自动化（pyautogui、pywinauto 等）相比，ths_api 的优势非常明显：
| 稳定性 | 受窗口布局影响，易碎 | 不依赖界面 |
| 速度 | 需等渲染，秒级 | 毫秒级 |
| 数据一致性 | OCR/截图误差 | 与客户端一致 |
| 维护成本 | 版本更新就要改坐标 | API 稳定 |
RHTHS 的架构
RHTHS 通过本地 Hook 将 ths_api 暴露为 HTTP 网关（:19312），然后：
- rhths-mcp.exe：作为 MCP Server，对接 AI 客户端
- rhths.exe：CLI 工具，供脚本直接调用
同花顺进程
└── RhThsHost.dll (ths_api → HTTP :19312)
├── rhths-mcp.exe → OpenClaw / Hermes / Cursor（MCP）
└── rhths.exe → Python / PowerShell / 计划任务（CLI）
MCP 工具列表（部分）
| rh_trade_account | 查资金账户 |
| rh_trade_positions | 查持仓 |
| rh_trade_orders_today | 查当日委托 |
| rh_trade_buy | 买入（支持 dry_run） |
| rh_trade_sell | 卖出 |
| rh_market_wencai | 问财自然语言选股 |
| rh_market_kline | K线数据 |
| rh_market_timeshare | 分时数据 |
| rh_condition_resume | 恢复条件单 |
| rh_system_start_xiadan | 启动下单程序 |
安装与使用
MCP 配置文件模板：https://github.com/miaolink/THS_MCP_Quant/blob/main/mcp.server.rhths-trade.json
实际使用体验
在 Hermes Agent 中配置后，可以直接说：
「帮我查一下今天持仓，然后用问财选一下今天涨停的 PE 小于 30 的票，给我一个对比分析。」
AI 会依次调用 rh_trade_positions 和 rh_market_wencai，返回结构化数据，再进行分析。
下单部分默认 dry_run: true（模拟），显式传 confirm_live: true 才会实盘，安全性有保障。
适用场景
- AI 客户端（OpenClaw/Hermes/Cursor）对接同花顺账户
- Python 量化脚本定时调用
- 事件驱动型自动交易（条件单 + MCP 联动）
限制说明
- Windows 10/11 only
- 同花顺账号需要两年以上（平台限制）
- 标准版实盘有每日次数限制（高级版无限制）
- 实盘交易遵守券商规则，风险自负
总结
如果你在做 A 股 AI 辅助交易，且使用同花顺 PC 端，RHTHS 提供了目前来看最稳定的本地化方案。
GitHub：https://github.com/miaolink/THS_MCP_Quant
