trench-mcp: Robinhood Chain market intelligence for AI agents(trench-mcp:给 AI Agent 的链上市场情报 MCP 服务)
trench-mcp: Robinhood Chain market intelligence for AI agents(trench-mcp:给 AI Agent 的链上市场情报 MCP 服务)
📅 2026-09-16 | 🏷️ Web3 & Crypto | ⭐ 11(7 天窗口,2026-09-11 创建)
🔗 原文:https://github.com/Floopi10/trench-mcp
是什么
一个把链上市场数据接进 AI Agent 的开源 MCP 服务器:AI 客户端(Claude、Codex 或任何 MCP 兼容工具)通过五个只读工具,查询 Robinhood Chain 上的池子数据,并按「你的仓位规模」建模退出压力。它刻意不做的事同样重要:不连钱包、不收私钥、不签名、不交易——只给 Agent「观察市场的证据」,不给「下单的手」。
🔍 小白解读
先说几个词
- MCP(模型上下文协议):给 AI 客户端接外部工具的标准插座——写一个 MCP 服务器,所有支持协议的 AI 都能调用你的功能。
- Robinhood Chain:券商 Robinhood 的链,主打代币化股票等现实资产上链;本报上期报道过其收入超过 Ethereum 主网。
- 流动性池:去中心化交易的资金池,你的单子越大,把池子「搬空」得越多、成交价越差——小水池跳水花大。
- 退出压力(exit pressure):估算「如果现在把手头仓位全部卖掉,市场结构会承受多大冲击」。5 万美元和 500 美元的仓位面对的不是同一个市场。
- 恒定积模型(constant-product proxy):最经典的自动做市商定价公式;用它做近似估算便宜快速,但不是真实执行价的保证。
这篇到底在说什么
AI Agent 现在能读合约、能总结行情帖,但回答不了交易者真正关心的操作问题:「这个仓位如果现在必须离场,会怎样?」TRENCH 把回答这个问题需要的要素收进一个结构化结果:代币、仓位规模、观测到的主池数据、RPC 区块高度,以及一个显式的压力模型(SLIP 引擎)。数据来自 DexScreener 的池子观测和 Robinhood Chain RPC 的区块读取,两者被诚实地标注为「两次独立观测,不是同一区块的原子快照」。作者对局限写得异常坦白:SLIP 是「已披露的恒定积代理模型」,不是完整的 Uniswap v4 执行模拟;结果只是模型估计,不是可执行报价,更不是代币安全判定;实时请求失败时不会静默用演示数据顶包。使用方式两条路:浏览器终端零安装直接用,或本地/托管 MCP 端点接入你的 Agent。五个工具全部只读,demo 数据单独打标。
这跟普通人有什么关系
它是「AI 理财助手」这类产品该有的安全形态样板:先只读、后决策、永不托管。普通用户判断一个 AI 炒作工具可不可信,可以先看它敢不敢把「不碰你的钱包」写进架构里。
为什么值得架构师关注
- 链上 Agent 的工具层范式:「结构化证据 + 显式假设 + 只读边界」是 Agent 接入金融数据的健康模式;相比把仓位私钥一把梭的「自主交易 Agent」,这种设计大幅压缩了攻击面与合规风险。
- 数据诚实性的工程实现:「池子与 RPC 是两次独立观测」「失败不用 demo 顶包」「估算不冒充报价」——这些边界声明值得抄进任何 Agent 数据产品的规格书。
- Web3×AI 的早期样本:星数仅 11、单人文档,属于极早期项目;它的价值在于验证需求形态(MCP 化的链上情报)而非当下可用性,关注此类项目的演化比直接采用更有意义。
核心内容
- 提供 5 个只读 MCP 工具,面向 Claude/Codex 等 MCP 客户端;数据源为 DexScreener 池子观测 + Robinhood Chain RPC(链与区块)。
- SLIP 引擎:按输入的 USD 仓位规模(内置 10%/25%/50%/100% 四档对比)建模退出压力,计算过程确定性、假设显式披露。
- 明确边界:恒定积代理模型而非完整执行模拟;结果为模型估计而非可执行报价或安全判定;池子与 RPC 为独立观测、非原子快照;实时请求失败不会静默替换为演示数据。
- 安全设计:不连接钱包、不接触私钥、不发起签名或交易;浏览器终端可零安装使用,亦可本地 stdio/HTTP 或托管 MCP 端点接入。
- 支持结果导出 JSON/Markdown,附来源引用、观测时间与模型假设;创建 5 天 11 星,早期个人项目。
行动建议
做链上数据或 Agent 产品的团队,把它当「设计参考」克隆审视,重点学三点:MCP 工具的粒度划分、数据边界声明的方式、只读+无托管的信任模型;若要接入 Robinhood Chain 数据,先验证其上游(DexScreener/RPC)的稳定性与延迟再定架构。它不是生产级依赖,不建议直接上生产——跟踪其演化即可。