MarketTrace para agentes de IA
El agent feed es un servidor MCP de solo lectura sobre la misma microestructura entre exchanges que alimenta este sitio: 6 activos (BTC, ETH, SOL, BNB, XRP, DOGE) en Binance, Bybit, OKX e Hyperliquid. Hechos y normalización, sin veredictos: cada métrica lleva su propia cobertura (venues, profundidad de ventana, frescura), así el agente sabe cuánto confiar en cada número.
Conectar
- En Claude: Settings → Connectors → Add custom connector.
- Pega la URL del servidor: https://api.markettrace.ai/mcp
- Autoriza cuando se te pida (magic link por email — sin claves API, nada que copiar).
- Pregunta. El feed es de solo lectura; nunca puede operar ni mover fondos.
https://api.markettrace.ai/mcp
Listado en el registro oficial de MCP como ai.markettrace/agent-feed.
Puente de código abierto y documentación en GitHub
Herramientas
get_market_state— Una instantánea normalizada entre exchanges: funding + percentil multianual, OI, volumen, CVD, desequilibrio del libro, liquidaciones, basis, drivers.get_funding_percentile— La tasa de funding actual clasificada frente a su propio historial multianual (0–100), con la racha del mismo signo.get_liquidations_recent— Totales de liquidaciones entre exchanges para una ventana: totales en USD, división long/short, número de eventos.get_ohlcv— Velas consolidadas entre exchanges (5m…1d) para ATR, rangos y volatilidad realizada.get_conditional_outcomes— Historial medido de retornos posteriores a una condición declarada (percentil de funding / racha / signo / features archivadas): base rates en lugar de folclore, con history_silent honesto cuando la evidencia es escasa.get_state_history— Serie temporal de cualquier campo numérico del estado de mercado desde el archivo de 15 minutos: la vista de tendencia detrás de la instantánea.
Qué preguntar
- «¿Cuál es el estado de mercado de BTC? ¿El posicionamiento está estirado?»
- «¿Qué pasó históricamente tras un funding por encima del percentil 90?»
- «¿Cómo se construyó el open interest en los últimos 3 días?»
- «¿Cuánto se liquidó en ETH en la última hora — longs o shorts?»
Modelo de honestidad
El feed informa lo que puede medir y lo dice cuando no puede: un historial corto responde con profundidad declarada en lugar de números inventados, los conditional outcomes pasan a history_silent por debajo del umbral de evidencia y cada respuesta autodeclara su frescura. Informa historia, no predicciones.