sec-edgar-mcp: MCP-server som kopplar EDGAR-filingar till LLM-arbetsflöden
sec-edgar-mcp, skapat av Stefanoamorelli, är en MCP-server som ger AI-modeller strukturerad åtkomst till U.S. SEC EDGAR-systemet för finansiell forskning och verifiering. Verktyget möjliggör programmatisk företagsupptäckte, inlämningshämtning och extraktion av numeriska fakta så att modeller kan svara på tekniska frågor med källbar bevisning. Nyckelfunktioner inkluderar riktad extraktion av inlämningsavsnitt, XBRL-parsing, insidertransaktionsåtkomst och direkta URL:er till inlämningar. Det riktar sig till analytiker, kvantitativa forskare, investeringsteam och utvecklare som bygger LLM-stödda finansiella applikationer.
Det omvandlar regulatoriska inlämningar till modellklara sammanhang för exakt forskning
Verktyget fungerar som en bro så att LLM:er kan utföra forskningsuppgifter utan manuell skrapning, vilket stödjer företagsupptäckter, inlämningssökning efter CIK eller ticker, och hämtning av specifika rapportavsnitt. Det stödjer uppgifter som kontroller av företagsresultat, frågor om regulatorisk efterlevnad och spårning av insidertransaktioner genom att exponera inlämningsinnehåll i ett format som en assistent kan ta emot för fokuserade svar.
Det producerar verifierbara numeriska utdata med direkta källkopplingar
Svar inkluderar direkta URL:er till de ursprungliga SEC-inlämningarna, ett mått avsett att minska hallucinationer genom att möjliggöra verifiering. Servern utför XBRL-utvinning för att hämta exakta numeriska fakta från interaktiva datainlämningar, vilket hjälper till att producera svar som refererar till specifika rader och inlämningspassager snarare än parafraserade sammanfattningar.
Det kräver MCP-klienter och grundläggande utvecklarinställningar men integreras med Python-verktyg
Distribution passar utvecklararbetsflöden: servern är byggd på edgartools Python-biblioteket och körs via Docker, pip eller uv. Den är kompatibel med MCP-kapabla klienter som Claude Desktop och Cursor. Konfiguration kräver en giltig User-Agent-sträng (namn och e-post) för att följa SEC:s rättvisa tillgångspolicy, så administratörer måste tillhandahålla det värdet innan frågor tillåts.
Det är optimerat för token-effektiv grundning men förutsätter utvecklarresurser
Designen minskar tokenförbrukningen med ungefär 10–20x genom att extrahera riktade avsnitt istället för att strömma hela inlämningar till modellen, vilket kan sänka kontextbloat i LLM-promptar. Den effektiviteten passar team som integrerar citeringsstödd regulatorisk data i applikationer, medan oberoende analytiker utan utvecklarstöd kan finna den initiala installationen och MCP-integrationen krävande.
Praktiskt val för utvecklarteam som behöver citerad SEC-data
För team som bygger LLM-baserade finansiella verktyg, erbjuder sec-edgar-mcp ett praktiskt sätt att förankra resultat i regulatoriska inlämningar och minska kontextvolymen. Dess beroende av MCP-kompatibla klienter och en Python-distributionsväg innebär att det passar tekniska användare; att para ihop genererade svar med en snabb kontroll av den länkade inlämningen förblir ett klokt arbetsflödessteg för beslut med hög insats.
