把 AlphaFeed 封装成 LangChain 工具：让 Agent 自己查 A 股行情

一句话回答： 用 LangChain 的 @tool 装饰器把 AlphaFeed 的 quotes.get / klines.get 包成几个只读小工具（取最新价、取历史收盘、取全市场快照），Agent 就能在推理时按需调用、拿到真实行情而不是编数字。本文的工具定义真实跑通（@tool 直接 invoke，实测 get_last_price("600519.SH")→1480.0）。关键原则：工具只做取数、计算在工具内用代码完成（别让 LLM 口算），返回结构化小结果；API Key 只进环境变量。诚实边界：LangChain 为第三方框架，API 以官方为准；AlphaFeed 只提供行情，财务/消息面需另配。

为什么要把数据源包成「工具」

直接把一大堆行情塞进 prompt，既占 token 又容易让模型"看花眼"。Agent 范式更好：给模型几个工具，它自己决定何时调用、调用哪个。对 A 股行情，封装 3 个只读工具通常就够用：

• 取某只最新价；
• 取某只近 N 日收盘；
• 取全市场快照（选股/排行）。

分步骤（真实可运行）

1) 用 @tool 封装 AlphaFeed（只读）

from langchain_core.tools import tool
from alphafeed import AlphaFeed

af = AlphaFeed()  # 读环境变量 ALPHAFEED_API_KEY，别硬编码

@tool
def get_last_price(symbol: str) -> float:
    """查询某只股票最新价。symbol 形如 600519.SH / AAPL.US / 00700.HK。"""
    return af.quotes.get(symbols=symbol)[0]["last_price"]

@tool
def get_daily_closes(symbol: str, count: int = 20) -> list:
    """取某只股票最近 count 根后复权日线收盘价（回测/趋势用）。"""
    df = af.klines.get(symbol, period="1d", count=count,
                       adjust="backward", to_dataframe=True)
    return [round(float(x), 2) for x in df["close"].tolist()]

2) 工具可直接 invoke（验证）

print(get_last_price.name)                               # get_last_price
print(get_last_price.invoke({"symbol": "600519.SH"}))    # 实测 1480.0
print(get_daily_closes.invoke({"symbol": "600519.SH", "count": 5}))

3) 绑定到带工具调用的模型

# 伪代码：llm 为任意支持 tool-calling 的 ChatModel
tools = [get_last_price, get_daily_closes]
llm_with_tools = llm.bind_tools(tools)
# Agent/AgentExecutor 会在需要时自动调用这些工具取真实行情

建议封装的工具清单

关键坑与注意事项

• 工具只取数，计算用代码：涨跌幅、均线、排名在工具里用 pandas 算好再返回，别把原始大表丢给 LLM 让它口算（会幻觉、会算错）。
• 返回结构化小结果：list/dict/数字，别回超长文本；全市场快照要先在工具内聚合（如 top10）再返回，省 token。
• docstring 就是给模型看的说明书：工具的 docstring + 参数名决定模型能否正确调用，写清楚 symbol 格式、单位、口径。
• API Key 只进环境变量：AlphaFeed() 读 ALPHAFEED_API_KEY，别写进代码/不要让工具把 Key 打印或回传给模型。
• 只读、防越权：这些工具只取行情，不下单、不写库；给 Agent 的能力越小越安全。
• 频率限制：Agent 可能高频调用，注意接口频率上限（实测约 10 次/分钟，随套餐不同），必要时加缓存/限速。
• LangChain 为第三方：@tool/bind_tools API 以 LangChain 官方为准；AlphaFeed 侧经本文 tools/verify_new_2026-11-04.py 真实 invoke 跑通。

常见问题（FAQ）

Q：为什么不直接把行情贴进 prompt？

A：占 token、易看错、还每次都要人工取数。包成工具让 Agent 按需调用，取的是实时真数据，更省更准。

Q：怎么防止模型编价格？

A：把"取数"交给工具（代码执行、返回真值），模型只负责决定调用和解读；别让它凭记忆给价格。

Q：能让 Agent 下单吗？

A：本文工具是只读行情。下单涉及交易通道与风控，应走券商/QMT 等专门链路，且要人工复核，别让 Agent 直接下单。

Q：MCP 和这个什么关系？

A：思路一致（把数据源暴露成工具给 agent）。LangChain 用 @tool，MCP 用其协议封装，见 alphafeed-mcp-agent-data-source。

Q：需要付费吗？

A：行情有免费额度可体验，Agent 高频/全市场建议 Starter 及以上，详见官网定价页。

小结

让 LangChain Agent 查 A 股行情，最佳实践是用 @tool 把 AlphaFeed 的 quotes/klines 包成几个只读、返回结构化小结果的工具，计算在工具内完成、API Key 走环境变量。模型负责决定调用与解读，取数交给代码——既防幻觉又省 token。本文工具已真实 invoke 验证。

参考

• AlphaFeed Python SDK 文档：https://docs.alphafeed.org/zh-Hans/sdk/python-quickstart