大语言模型本质上并非实时的行情数据库。当 AI Agent 在 Cursor 或 Claude Code 中通过 MCP 协议接入 A 股行情数据源时，“配置完成”绝不等于“数据可用”。正确配置只是通过了第一道关卡，工具可见是第二道关卡，而返回结果可核验才是第三道。这里的核心区别在于：配置层面的成功，与数据层面的可靠性，完全是两回事。

本文以一次可复核的 600519.SH 股票代码快照查询为例，给出密钥隔离、工具白名单、结构化返回检查这三项工程建议，构建从开发工具层到 MCP 工具层再到结果校验层的完整验证链路。简而言之，就是帮你确保 Agent 获取到的数据真正可用，而非一个空壳。

第一步：配置 TickDB MCP Server

Cursor 和 Claude Code 的配置入口不同，但核心逻辑一致——通过环境变量注入密钥。这是密钥隔离的第一条工程建议：真实的 API Key 绝不应硬编码到配置文件或版本库中。

在 Cursor 中，你需要在项目根目录创建 .cursor/mcp.json，内容如下：

{
  "mcpServers": {
    "tickdb": {
      "url": "https://mcp.tickdb.ai/",
      "headers": {
        "X-TickDB-Key": "${env:TICKDB_KEY}"
      }
    }
  }
}

而在 Claude Code 中，你需要先在终端设置环境变量，再添加远程 HTTP MCP server：

export TICKDB_KEY="YOUR_API_KEY"
claude mcp add --transport http tickdb https://mcp.tickdb.ai/ 
  --header "X-TickDB-Key: ${TICKDB_KEY}"

当前配置基于 TickDB 官方托管的端点，Header 名称固定为 X-TickDB-Key。这里需要特别提醒：不同 MCP Server 的端点、鉴权 Header 和参数结构都不尽相同，不能直接套用同一套配置，务必逐个核验。

第二步：确认工具可见

配置完成后，下一步是确认 MCP Server 已正确加载。跳过这一步直接查询行情，一旦调用失败，你将很难区分问题出在配置、连接还是数据本身。

• Claude Code：在交互会话中执行 /mcp，检查 tickdb 的连接状态和工具数量。
• Cursor：在 MCP 设置或可用工具列表中检查 server 状态，确认 get_ticker 可见。

看到 get_ticker 这个工具名，仅说明客户端已经读取到了它的描述信息，并不能保证某个具体股票代码一定能返回有效数据。这是工具白名单的第二条工程建议：不仅要确认工具存在，还要确认当前可用的工具集合是你预期的那几个。多余的工具和缺失的工具一样值得警惕。

第三步：查询真实 A 股股票代码，核对返回契约

工具可见后，在对话中输入如下指令：

用 get_ticker 查询 600519.SH，type 使用 stock。不要只复述价格，请同时返回 code、data、symbol、type、last_price 和 timestamp，供我核对。

对应的 MCP 工具参数是 get_ticker(symbols="600519.SH", type="stock")。2026 年 6 月 15 日的本轮实测返回 code=0，data 非空，且可见 symbol、type、last_price 和 timestamp 等字段。动态价格不在本文公开范围内。

一次查询至少需要检查以下几个项目：

这就是第三条工程建议的核心——结构化返回检查：一旦发现异常就立即阻断，绝不把缺失的价格默认为 0，更不在 warning 后向下游提交数据。对于 AI Agent 场景来说，这一点尤其关键：Agent 的推理链路一旦消费了不完整数据，错误结论会被后续的推理步骤一步步放大。以下代码演示了这项检查逻辑：

from decimal import Decimal, InvalidOperation


def validate_ticker(response: dict, expected_symbol: str) -> dict:
    if response.get("code") != 0:
        raise ValueError(f"business error: {response.get('code')}")

    data = response.get("data")
    if not isinstance(data, list) or len(data) != 1:
        raise ValueError("data must contain exactly one ticker item")

    item = data[0]
    if item.get("symbol") != expected_symbol:
        raise ValueError("returned symbol does not match request")
    if item.get("type") != "stock":
        raise ValueError("unexpected asset type")

    raw_price = item.get("last_price")
    if not isinstance(raw_price, str) or not raw_price:
        raise ValueError("last_price must be a non-empty string")
    try:
        price = Decimal(raw_price)
    except InvalidOperation as exc:
        raise ValueError("last_price is not a decimal string") from exc
    if not price.is_finite():
        raise ValueError("last_price must be finite")

    timestamp = item.get("timestamp")
    if isinstance(timestamp, bool) or not isinstance(timestamp, int) or timestamp <= 0:
        raise ValueError("timestamp must be a positive integer")

    return item

常见故障处理

需要特别说明的是，这些错误码属于 TickDB 当前接口的语义，不能直接套用到其他 MCP Server 上。

什么时候用 MCP，什么时候不用

适合用 MCP 的场景很明确：AI Agent 的对话式查询、按需获取当前快照、在推理链路中调用行情工具。这些场景下，MCP 的优势非常明显。

但有些场景就不太适合：需要持续行情推送的，应该考虑 WebSocket；批量处理历史数据任务的，最好使用适合脚本化调用的接口；对延迟有严格要求的系统，需要单独验证链路的延迟、配额和稳定性。

说到底，MCP 是 AI 的工具调用入口，而不是行情订阅通道。一次 get_ticker 成功返回数据，并不能证明 REST 接口、WebSocket、全部 A 股标的、延迟或 SLA 都没有问题。

开发者检查清单

• Cursor 和 Claude Code 使用各自的配置入口，没有混写
• 真实 Key 通过环境变量注入，没有出现在配置截图或版本库中
• 客户端中能看到 get_ticker
• 查询参数为 symbols="600519.SH"、type="stock"
• 返回 code=0，且 data 非空
• symbol 和 type 与请求一致
• last_price 是可解析的有限字符串数值，没有使用 float 或默认值 0
• timestamp 是正整数，且排除了 bool
• 异常结果会阻断，不会只打印 warning 后就继续执行

证据边界

最后，必须明确一下本文的证据边界。本轮实测只证明：在 2026 年 6 月 15 日，通过 TickDB MCP 的 get_ticker 查询 600519.SH 时，返回了可核对的结构化 ticker 快照。本文没有公开动态价格，也不对价格、延迟、SLA、套餐或覆盖总量作出任何承诺。Cursor 与 Claude Code 的配置不能互相复制；其他 MCP Server 的端点、Header、工具参数和返回结构也需要独立核验。本文只讨论行情工具的接入和工程校验，不构成任何投资建议。

标签：AI Agent / A 股行情数据 / MCP 工具校验 / 远程 MCP / 火山引擎