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：

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）

安装与使用

1. 下载安装 RHTHS（含 rhths-gui.exe、rhths.exe、rhths-mcp.exe）
2. GUI 里执行「安装 Hook」
3. 启动同花顺并登录
4. rhths health → ok
5. 在 AI 客户端配置 MCP Server：rhths-mcp.exe

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