用 tradingview-mcp 的 performance-analyst Agent 搭建 TradingView 策略绩效分析流水线

• MCP 服务
• AI 应用
• 人工智能
• 金融科技
• CLI

本指南围绕 agents/performance-analyst.md 这一 Agent 定义展开，讲解如何借助 tradingview-mcp 的 MCP 工具，在回测完成后自动采集 TradingView 策略测试器的全部绩效数据、按四个维度评估策略质量，并输出结构化分析报告。读完本文，你将掌握 performance-analyst 的数据采集管线、评估框架与报告模板，并了解其底层在 src/core/data.js 中如何实现“自动打开面板、自动取消隐藏策略、等待报告计算”等关键机制。

performance-analyst 是什么：一个专攻回测评审的 Agent

performance-analyst是仓库 agents/ 目录下唯一的 Agent 定义文件，其 frontmatter 明确了它的定位与运行配置：

--- name: performance-analyst description: Trading strategy performance analyst. Gathers TradingView strategy data, analyzes results, and provides actionable feedback. Use when reviewing backtest results. model: sonnet tools: - "*" ---

• name：Agent 的标识符，用于在 Agent 编排系统中被引用；
• description：决定了系统在什么场景下选中它——即“审查回测结果（reviewing backtest results）”时；
• model: sonnet：指定该 Agent 默认使用 Anthropic 的 sonnet 级模型，在分析吞吐与成本之间取平衡；
• tools: "*"：允许 Agent 使用仓库注册的全部 MCP 工具（src/tools/ 下所有工具注册模块），但 performance-analyst 的核心工作流只依赖其中 5 个数据/截图工具。

该 Agent 的工作职责是：收集 TradingView 上全部可用的策略绩效数据，给出深入分析。它与 skills/strategy-report/SKILL.md（策略绩效报告技能）形成互补——Agent 负责“如何分析”，skill 负责“如何产出报告”，两者共享同一套数据工具与指标口径。

数据采集：五步完成绩效数据取证

performance-analyst 的采集流程在文档中固定为 5 个工具调用，下面逐一结合源码说明其参数、返回值与底层行为。

1. data_get_strategy_results —— 获取整体指标

定义于 src/tools/data.js，核心实现为 src/core/data.js 的getStrategyResults()。该工具无需参数，返回metrics对象，字段与 TradingView Strategy Tester 的 “Key stats” 一一对应：

返回结构还附带strategy（策略名）、currency（币种）、source（恒为internal_api）。若图上有多个策略，只有被 Strategy Tester 选中的那个reportData非空，因此底层会优先选择“报告已计算”的策略（见findStrategy()的实现注释）。

2. data_get_trades —— 获取交易明细

定义于 src/tools/data.js，核心实现为getTrades()（src/core/data.js）。参数max_trades控制返回笔数，默认 20、上限 20（常量MAX_TRADES = 20）。

底层通过strat.ordersData()读取订单流，总是返回最近（tail）的订单——因为交易者最关心的是最新一段交易。每个交易字段做了可读化映射：

• type：订单类型（tp）；
• side：buy/sell（由o.b判定）；
• entry、price、qty：入场标识、价格、数量；
• time_index：K 线时间索引。

3. data_get_equity —— 获取资金曲线

定义于 src/tools/data.js，核心实现为getEquity()（src/core/data.js）。优先读取reportData中的equity/equityChart曲线；若该版本未直接暴露逐根 K 线资金曲线，则返回buyHold基准点数并提示改用data_get_strategy_results获取汇总盈亏。

4. chart_get_state —— 获取图表上下文

定义于 src/tools/chart.js 的getState()（src/core/chart.js），返回：

• symbol：当前交易品种；
• resolution：当前周期；
• chartType：图表类型（数字编号，Candles=1、Line=2 等，见 src/core/chart.js 的类型映射）；
• studies：当前图表上全部指标/策略的{ id, name }列表。

它让分析结果能附带“该策略在什么品种、什么周期上跑出来的”这一必要上下文。

5. capture_screenshot —— 采集图表与测试器截图

定义于 src/tools/capture.js，核心实现为captureScreenshot()（src/core/capture.js）。三个关键参数：

• region：full（整页，默认）、chart（仅图表画布）、strategy_tester（仅策略测试器面板，通过[data-name="backtesting"]或[class*="strategyReport"]定位）；
• method：cdp（默认，通过 CDP 的Page.captureScreenshot截取并落盘 PNG）或api（触发 TradingView 内置takeScreenshot()）；
• wait_for_render：设为true时先等待图表画布稳定再截图，避免在chart_set_symbol/chart_set_timeframe之后截到陈旧画面。

截图统一保存到仓库根目录下的screenshots/目录，文件名形如tv_<region>_<时间戳>.png。分析时建议按 strategy-report skill 的步骤各截一张：region="chart"用于看策略叠加形态，region="strategy_tester"用于留证绩效数字。

CLI 等价路径：不使用 Agent 时，同样的数据可通过 src/cli/commands/data.js 获得，例如tv data strategy、tv data trades -n 10、tv data equity，以及tv ohlcv -s、tv values、tv quote <symbol>。

分析框架：四个维度审视策略

采集完成后，performance-analyst 按以下四维框架评估策略（文档原文定义）：

• Profitability（盈利能力）：净利、盈利因子（Profit Factor）、平均每笔盈亏——回答“这个策略到底赚不赚钱”；
• Consistency（一致性）：胜率、最大连亏次数、资金曲线平滑度——回答“赚钱是不是稳定、可持续”；
• Risk（风险）：最大回撤、最差单笔交易、风险调整后收益（夏普/索提诺）——回答“为赚这些钱承担了多大风险”；
• Edge Quality（优势质量）：优势是稳健的还是脆弱的？比如“高胜率但单笔盈利极小”或“低胜率但单笔盈利极大”的形态差异，直接决定了策略对滑点、参数微调的敏感度。

可结合 skills/strategy-report/SKILL.md 中沉淀的判读基准作为量化锚点：盈利因子以> 1.5为健康；回撤> 20%视为过高；盈利因子< 1.2时策略可能需要进行根本性调整；交易笔数过少时建议拉长回看区间或放宽入场条件。

结构化报告：四个必备板块

performance-analyst 的输出被固定为结构化报告，四个板块齐全才算一次完整评审：

1. Summary：2～3 句话的总览，先给结论；
2. Key metrics table：指标表格（可直接采用上文 metrics 字段表）；
3. Strengths and weaknesses：优劣势清单；
4. Specific, actionable recommendations：可执行的改进建议，而不是空泛评价。

完整模板可参考 strategy-report skill 中给出的示例骨架（## Strategy Report: [Strategy Name]加上 Symbol/Timeframe/Period 头信息），Agent 版本与之兼容，只是强调“建议必须具体可执行”。

底层原理：面板自动打开与隐藏策略自动解锁

performance-analyst 能“拿来即用”的关键，在于策略读取工具内置了三层自动修复逻辑（ensureStrategyTesterReady()，src/core/data.js）：

1. 自动打开 Strategy Tester 面板：TradingView 在面板未打开前从不计算策略报告。底层通过window.TradingView.bottomWidgetBar.showWidget('backtesting')自动呼出面板——这也与ui_open_panel strategy-tester（src/tools/ui.js）能力一致；
2. 自动取消隐藏策略：对图例中被“隐藏（crossed-out eye）”的策略，TradingView 同样不计算报告，且隐藏策略与“面板未打开”在数据上无法区分。底层unhideStrategies()（src/core/data.js）会遍历全部策略数据源，把properties().visible === false的策略恢复可见，并在返回结果中通过unhidden_strategies字段告知 Agent 发生了什么；
3. 轮询等待报告就绪：打开面板后最多等待 6 秒，每 500ms 轮询reportData.performance是否已填充，直到ready/no-strategy才返回，避免读到空报告。

策略的识别也并非简单的“非价格研究即策略”：早期实现曾因is_price_study判断失误把所有策略误排除（对应 issue #48/#173/#181），现改为依据metaInfo().isTVScriptStrategy || is_strategy判定，并回退到“暴露reportData/ordersData的任何数据源”，详见 src/core/data.js 的注释。

这些行为均有测试佐证：tests/e2e.test.js 验证了data_get_strategy_results的面板依赖性与面板检测逻辑；tests/pine_analyze.test.js 则从另一侧确保策略脚本（含strategy()声明检查）在上图前就被正确校验。

落地实践建议

• 触发时机：在回测跑完、Strategy Tester 面板可见之后调用 performance-analyst，效果最佳；即使面板关闭或策略被隐藏，底层也会自动处理；
• 取证留档：务必执行两次capture_screenshot（chart与strategy_tester），让报告中的数字有截图佐证；
• 上下文精简：若图表上有大量历史数据，data_get_ohlcv的summary=true可只取统计摘要，节省 Agent 上下文（见 src/tools/data.js），把更多上下文留给绩效分析本身；
• 组合使用：需要更细粒度交易拆解（多空分别表现、持仓时间）时，可结合 skills/strategy-report/SKILL.md 的 Trade Analysis 步骤，对data_get_trades返回的明细做二次统计。

至此，一条“回测 → 采集 → 四维评估 → 结构化报告 → 改进建议”的完整策略评审流水线即可由 performance-analyst 自动完成，而所有数据都直接来自真实的 TradingView Strategy Tester，非估算或模拟。

• MCP 服务
• AI 应用
• 人工智能
• 金融科技
• CLI