connerlambden/helium-mcp

Получает страницу с оценками предвзятости новостных источников. Возвращает источники, активные за последние 36 дней, с более чем 100 проанализированными статьями, отсортированные по убыванию avg_social_shares. Ответ также содержит total, offset, limit, has_more и один общий блок bias_score_methodology. Каждая запись содержит: - source_name, slug_name, page_url - articles_analyzed: общее количество проанализированных статей для этого источника - avg_social_shares: среднее количество репостов в соцсетях на статью (косвенный показатель охвата/влияния) - emotionality_score (0-10): средняя эмоциональная насыщенность текста - prescriptiveness_score (0-10): насколько сильно источник указывает читателям, что думать/делать - bias_values: словарь, сопоставляющий ключ классификатора с целочисленной взвешенной оценкой источника для отображения (-50 до +50 для биполярных, 0 до +50 для униполярных). Ключи используют те же канонические имена, что и get_bias_from_url, когда доступен агрегированный показатель источника, но оценки статей используют диапазон от -10 до +10 или от 0 до 10. Сравнивайте направление напрямую; нормализуйте перед сравнением величины. Политические / идеологические (биполярные: neg=левый полюс, pos=правый полюс): 'liberal conservative bias' neg=либеральный, pos=консервативный 'populist elitist bias' neg=популистский, pos=элитарный 'libertarian authoritarian bias' neg=либертарианский, pos=авторитарный 'dovish hawkish bias' neg=миролюбивый, pos=ястребный 'establishment bias' neg=анти-истеблишмент, pos=про-истеблишмент Достоверность / качество (биполярные): 'overall credibility' neg=низкая достоверность, pos=высокая достоверность 'integrity bias' neg=низкая честность, pos=высокая честность 'article intelligence' neg=низкий интеллект, pos=высокий интеллект 'delusion bias' neg=стремление к истине, pos=заблуждение 'objective subjective bias' neg=объективный, pos=субъективный 'objective sensational bias' neg=объективный, pos=сенсационный 'descriptive prescriptive bias' …

Получает анализ предвзятости для конкретной статьи по её URL. Используйте этот инструмент, когда у вас есть прямая ссылка на статью и вы хотите узнать её политическую направленность, достоверность, эмоциональность и другие параметры предвзятости, без необходимости заранее знать название источника. При успехе (found=true) возвращает: - article_id, classification_id, requested_url, matched_url, title, source, date, link, category - teaser: отрывок статьи - summary: резюме от ИИ в одно предложение - context: сгенерированный ИИ контекст для статьи - implicit_assumptions: неявные или непроговорённые предпосылки, на которые опираются утверждения или подача статьи (список кратких строк, если доступно) - extracted_data: структурированные количественные и качественные факты, извлечённые из статьи - raw_data: устаревшая сериализованная форма extracted_data - bias_description: текстовое описание предвзятости этой конкретной статьи - bias_values: словарь оценок статьи по каждому параметру с каноническими текстовыми ключами, например {"liberal conservative bias": 4, "overall credibility": 7, "emotional bias": -5, ...} Оценки статьи находятся в диапазоне от -10 до +10 для биполярных параметров и от 0 до 10 для униполярных. Положительные значения смещены ко второму полюсу каждого параметра (консервативный, авторитарный и т. д.). - bias_analysis_status: 'evidence_ready', 'evidence_unverified', 'evidence_partial', 'scored_legacy' или 'pending' - bias_dimensions при include_evidence=true: оценка каждого параметра, шкала, статус доказательств, утверждение, дословное доказательство, контрдоказательство, уверенность и обоснование. Цитаты включают метод проверки и точные смещения символов, когда сопоставление с исходным текстом успешно. Статус доказательств параметра (evidence_status) может быть: verified, provided_unchecked, quote_mismatch, metadata_incomplete, metadata_only или missing. - bias_analysis: происхождение контракта/схемы/модели/промпта, статус генерации и рецензирования, область входных данных/хэш/размер, цель анализа, метод проверки цитат, явный…

Получает полную историческую цепочку опционов для тикера на конкретную дату. Возвращает полную цепочку опционов, включая все сроки истечения и контракты, с ценами bid, ask, mid, греками и фирменными значениями модели Helium (helium_theo, helium_pitm, should_i_buy, should_i_sell, terminal_buy_pl, terminal_sell_pl и т. д.), встроенными в каждый контракт. Возвращает: - symbol, date, data_source ('recent' или 's3') - num_expirations: количество различных дат истечения - total_contracts: общее количество опционных контрактов - option_chain: словарь, где ключ - индекс срока истечения, а значение - список опционных контрактов Каждый контракт включает такие поля, как: putCall, symbol, description, bid, ask, mark, mid_price, strikePrice, expirationDate, daysToExpiration, delta, gamma, theta, vega, impliedVolatility, openInterest, volume, helium_theo, helium_pitm, should_i_buy, should_i_sell, terminal_buy_pl, terminal_sell_pl и другие. Аргументы: symbol: тикер, например 'AAPL', 'TSLA', 'SPY'. date: дата в формате ГГГГ-ММ-ДД, например '2026-04-10'.

Получает цену конкретного опционного контракта, спрогнозированную проприетарной ML-моделью Helium. Helium обучает регрессионные модели для каждого тикера на исторических данных по опционам. Этот инструмент ищет самую свежую доступную цепочку опционов для тикера (сегодня или до 5 дней назад), находит точный контракт, соответствующий страйку/дате истечения/типу, и прогоняет его через эту модель, чтобы получить прогнозируемую справедливую цену. Возвращает: - symbol: тикер - strike: использованная цена страйка - expiration: использованная дата истечения - option_type: 'call' или 'put' - predicted_price: прогнозируемая моделью Helium цена опциона в долларах - prob_itm: вероятность истечения в деньгах (0.0-1.0) или null, если модель недоступна - options_data_date: дата снимка цепочки опционов, на котором запускалась модель (чтобы вы понимали, насколько свежие базовые рыночные данные) Выбрасывает ошибку, если для тикера нет данных цепочки опционов за последние 5 дней или если точный контракт (комбинация страйк/дата истечения/тип) не существует в этой цепочке. Аргументы: symbol: тикер, например 'AAPL', 'SPY'. strike: цена страйка числом, например 150.0. expiration: дата истечения в формате 'YYYY-MM-DD', например '2026-06-20'. option_type: должно быть 'call' или 'put'.

Получает всесторонний анализ предвзятости для новостного источника. Возвращает: - source_name, slug_name, page_url - source_match: исходный запрос и детерминированный метод сопоставления - articles_analyzed: общее количество статей в базе данных предвзятости для этого источника - last_updated: временная метка агрегации профиля источника - avg_social_shares: среднее количество репостов в соцсетях на статью - emotionality_score (0-10): насколько эмоционально написаны тексты - prescriptiveness_score (0-10): насколько сильно источник указывает читателям, что думать или делать - bias_values: канонические взвешенные баллы уровня источника в виде обычного текста (-50 до +50 биполярная шкала, 0 до +50 униполярная). Ключи совпадают с инструментами для статей; это направленные сводки по источнику, а не средние сырые баллы статей. - bias_scores: устаревшие отображаемые баллы с эмодзи-префиксом - bias_score_methodology: область применения и оговорки о доказательной базе для агрегированных баллов - bias_description: сгенерированное ИИ итоговое повествование-сводка о предвзятости в виде чистого текста - bias_description_metadata: время генерации, статус автоматической проверки и область доказательной базы - bias_description_html: необязательный HTML для сайта, когда include_html=true - liberal_conservative_description: повествование о политической направленности - libertarian_authoritarian_description: повествование о позиции по отношению к власти - signature_phrases: уникальные слова и фразы, непропорционально часто встречающиеся по сравнению с другими источниками - signature_negative_phrases: уникально негативные и тревожные фразы - most_shared_phrases: фразы из самых вирусных статей - most_emotional_phrases: фразы из самых эмоциональных статей - pays_for_traffic_keywords: ключевые слова, по которым этот источник покупает рекламу - similar_sources: источники с наиболее похожим профилем предвзятости - most_different_sources: источники с наиболее отличающимся профилем предвзятости - trends_graph_url: URL-адрес графика объёма публикаций этого источника в динамике - bias_plot_urls: словарь URL-адресов изображений 2D-точечных графиков предвзятости (political_lib_auth, subjective_objective, informative_opinion,…)

Получает полные данные по тикеру акции, ETF или криптовалюты. Возвращает: - ticker, name, type (например, 'stock', 'etf', 'crypto'), industry - latest_price, page_url - bullish_case, bearish_case, potential_outcomes, takeaway, analysis_date (сгенерировано ИИ) - price_forecast_days, price_forecast_percent, price_forecast_lower/upper_bound_percent (модельный прогноз цены) - future_uncertainty_urls: dict с необработанными данными Plotly (извлечёнными из каждого сохранённого графика Plotly) для future_uncertainty (с ключом по количеству дней вперёд), term_structure, volatility_surface и return_profile: данные, лежащие в основе интерактивных графиков, которые сайт теперь рендерит вместо старых статических изображений (когда доступны) - future_uncertainty_last_updated, term_structure_last_updated - iv_rank_percentile (0-100, ранг IV за последний год) - long_vol_call, long_vol_put, short_vol_call, short_vol_put: полные dict опционных пакетов (когда доступны) Выбрасывает ошибку, если тикер не распознан. Аргументы: ticker: Символ тикера, например, 'AAPL', 'AMZN', 'BTC', 'ETH', 'SPY'.

Получает лучшие стратегии торговли опционами с короткой и длинной волатильностью. Возвращает два ранжированных списка: short_volatility (продажа премии / тета-стратегии) и long_volatility (покупка премии / гамма-стратегии), каждый содержит до limit тикеров. Каждая запись содержит те же поля, что и get_ticker: - ticker, name, latest_price, page_url - bullish_case, bearish_case, potential_outcomes, takeaway, analysis_date (сгенерировано ИИ, если доступно) - price_forecast_days, price_forecast_percent, price_forecast_lower/upper_bound_percent (если доступны) - iv_rank_percentile (0-100, ранг IV за прошедший год, если доступно) - short_vol_call, short_vol_put: лучшие опционные пакеты для короткой волатильности (если доступны) - long_vol_call, long_vol_put: лучшие опционные пакеты для длинной волатильности (если доступны) Варианты сортировки: - "helium_rank" (по умолчанию): Helium AI edge score, лучшее общее математическое ожидание - "odds_of_profit": наибольшая вероятность прибыли - "historical_performance": лучшая историческая прибыль/убыток в годовом выражении по сделкам из бэктестов - "reward_to_risk": лучшее соотношение прибыли к риску - "smallest_max_loss": стратегии с наименьшим максимально возможным убытком Аргументы: sort: метод ранжирования (по умолчанию "helium_rank"). Один из: 'helium_rank', 'odds_of_profit', 'historical_performance', 'reward_to_risk', 'smallest_max_loss'. limit: количество результатов на тип стратегии (1-20, по умолчанию 5).

Search Helium's balanced news stories — AI-synthesized articles that aggregate multiple sources. Unlike search_news (which returns individual RSS articles), this returns Helium's own synthesized stories: each one draws from multiple sources and includes an AI-written summary, takeaway, context, evidence breakdown, potential outcomes, and relevant tickers. Returns a list of stories, each with: - title, simple_title, date, category - page_url: full URL to the story on heliumtrades.com - image: story image URL (when available) - summary: Helium's synthesized overview - takeaway: key conclusion - context: background context - evidence: numbered evidence items - potential_outcomes: forward-looking outcomes with probabilities - relevant_tickers: related stock tickers - num_sources: number of source articles synthesized - rank: search relevance score Args: query: Search keywords (required). limit: Max results (1-50, default 10). category: Filter by category. One of: 'tech', 'politics', 'markets', 'business', 'science'. days_back: Only include stories from the last N days. 0 means no date filter.

Ищет в базе мемов Helium по тексту (OCR + подпись). Возвращает подходящие мемы, ранжированные по релевантности. Каждый результат включает: - id, caption, ocr (текст, извлечённый из изображения) - image: полный URL изображения мема - source: исходная платформа (например, 'reddit') - num_likes: лайки/апвоуты оригинального поста - date, is_video, rank Аргументы: query: ключевые слова для поиска (обязательно). Сопоставляются с текстом OCR и подписями. limit: максимум результатов (1-100, по умолчанию 20). days_back: включает только мемы за последние N дней. 0 означает отсутствие фильтра по дате (по умолчанию).

Ищет новостные статьи. Возвращает список подходящих статей. Каждая статья включает: - article_id, classification_id, title, source, date, link, category, rank, total_shares, summary - bias_values: словарь с оценками предвзятости по каждому измерению с текстовыми ключами (например, 'liberal conservative bias'), та же схема, что и у get_bias_from_url и get_all_source_biases (когда доступно) - bias_analysis_status: 'evidence_ready', 'evidence_unverified', 'evidence_partial', 'scored_legacy' или 'pending' - evidence_ratio: доля оценённых измерений предвзятости, чья подтверждающая цитата проверена (0.0-1.0). Увеличьте min_evidence, чтобы запрашивать только статьи с проверенными цитатами. - bias_dimensions при include_evidence=true: самодостаточный объект, объединяющий для каждого измерения оценку, шкалу, статус доказательств, утверждение, доказательство, контрдоказательство, уверенность и обоснование. Цитаты содержат метод проверки и точные смещения символов, когда сопоставление с исходным текстом успешно. Статус доказательств измерения принимает одно из значений: verified, provided_unchecked, quote_mismatch, metadata_incomplete, metadata_only или missing. - bias_analysis: происхождение контракта/схемы/модели/промпта, статус генерации и проверки, область входа/хэш/размер, ограничения, метод проверки цитат и явный охват доказательств - context: сгенерированная ИИ контекстная информация о статье (когда доступно) - implicit_assumptions: неявные или непроговорённые предпосылки, на которые опираются утверждения или подача статьи (список кратких строк, когда доступно) - extracted_data: структурированные количественные и качественные факты, извлечённые из статьи - raw_data: устаревшая сериализованная форма extracted_data Аргументы: query: необязательные ключевые слова для поиска. Оставьте пустым, чтобы вернуть самые свежие статьи в области поиска (используйте с bias для их ранжирования). Например, 'NVDA earnings'. limit: максимальное количество результатов (1-100, по умолчанию 20). source: фильтр по названию источника, например 'CNN', 'Reuters'. category: фильтр по категории.…