用 OpenClaw + QMT-MCP 打造“听话”的AI量化交易员

最近OpenClaw非常火爆，这里聊一聊怎么用OpenClaw进行量化交易。

这里以分享技术架构思路为主，感兴趣的同学可以自行试一试。

一、 核心解构：AI交易员的“脑”与“手”

在开始动手之前，我们需要先理解这套系统的逻辑。就像人类交易员需要大脑分析、双手下单一样，我们的AI交易员也由两部分组成：

1. OpenClaw：总指挥与大脑OpenClaw（社区昵称“大龙虾”）是当前最火的开源AI Agent框架之一。它不负责具体的买卖，而是负责理解你的意图。当你对它说“茅台跌破1700就买入”时，OpenClaw负责拆解任务、规划逻辑，并决定调用什么工具来完成任务。它让AI从“只能聊天”进化为“能干活”。
2. QMT-MCP：执行者与双手QMT是国内主流的量化交易客户端。QMT-MCP 项目则是一个遵循 MCP（Model Context Protocol）协议 的服务器。MCP被誉为AI世界的“USB-C接口”，它让原本封闭的QMT接口瞬间变成了大模型能读懂的标准工具。OpenClaw通过MCP协议连接它，就获得了下单、撤单的能力。

简单来说，OpenClaw负责思考，QMT-MCP负责执行，MCP协议则是两者沟通的语言。

二、 实战第一步：打造“大脑”

首先，我们需要为AI交易员部署一个“大脑”。考虑到QMT主要运行在Windows环境，建议在本地Windows电脑或Windows服务器上进行部署。

1. 环境准备确保你的电脑已安装 Node.js (建议v22版本以上)。打开终端（CMD或PowerShell），输入 node -v 验证。

2. 安装 OpenClaw执行以下命令全局安装 OpenClaw：

npm install -g openclaw@latest

安装完成后，运行初始化向导：

openclaw onboard --install-daemon

这一步会引导你设置管理员密码，并配置最重要的部分——模型服务商。需要接入像智谱AI（GLM-4）、DeepSeek或OpenAI的API Key。根据你的预算和需求选择，对于复杂的交易逻辑，建议使用推理能力更强的模型。这里需要注意，大模型挺烧token的。

另外配置好聊天工具比如飞书后， 你就可以喊话了。

这些步骤网上很多，我就不细写了。 没国外网络环境的同学可以用国内的OpenClaw_cn版本。

三、 实战第二步：安装“双手”

接下来，我们要部署QMT-MCP项目，这步操作同样需要在Windows环境下进行，因为需要连接本地的QMT客户端。

1. 项目下载与依赖安装打开终端，克隆你提供的Gitee项目：

git clone https://github.com/guangxiangdebizi/QMT-MCP.git

cd QMT-MCP

进入目录后，根据项目说明安装依赖（ pip install -r requirements.txt ）。

具体步骤参考开源项目readme文档。

四、 关键一跃：让“脑”控制“手”

现在，大脑和双手都已就位，但它们还不认识彼此。我们需要通过MCP协议将它们连接起来。

命令行一键添加，OpenClaw提供了标准化的命令来添加MCP服务器。在OpenClaw所在的终端中，执行类似以下的命令（具体命令参数需参考OpenClaw官方文档及QMT-MCP项目的启动方式）：

openclaw mcp add --transport stdio qmt-mcp python "C:/你的路径/QMT-MCP/main.py"

这条命令的含义是：告诉OpenClaw，有一个名为 qmt-mcp 的工具，可以通过标准输入输出（stdio）协议，用 python 命令运行指定脚本来启动。

五、 见证奇迹：人机对话交易实录

一切准备就绪，我们就可以喊话。 比如帮我买100股中国银行， 价格5.8。 不出意外， qmt就自动买入了。

晚上星球同学说， 其实不用配置mcp、skill也可以借助qmt自动交易。 让openclaw自己去找，这也是一种方式， 可能就多浪费一些token 去帮你实现 qmt下单的逻辑。

多动手多实践，总有符合自己的一种方式。 对于程序员来说，自己基于开源项目二次开发mcp 或自己从0做 mcp 可控性更好些。

最后，祝大家都能培养属于自己的openclaw大龙虾，完成自己的想法。