sec-edgar-mcp: MCP-server verbindt EDGAR-indieningen met LLM-werkstromen
sec-edgar-mcp, gemaakt door Stefanoamorelli, is een MCP-server die AI-modellen gestructureerde toegang geeft tot het U.S. SEC EDGAR-systeem voor financieel onderzoek en verificatie. De tool maakt programmatische bedrijfsontdekking, indieningsherstel en extractie van numerieke feiten mogelijk, zodat modellen technische vragen kunnen beantwoorden met bewijs dat kan worden geciteerd. Belangrijke mogelijkheden zijn onder andere gerichte extractie van indieningssecties, XBRL-parsering, toegang tot insidertransacties en directe URL's naar indieningen. Het richt zich op analisten, kwantitatieve onderzoekers, investeringsgroepen en ontwikkelaars die LLM-ondersteunde financiële toepassingen bouwen.
Het transformeert regelgevende indieningen in model-klaar context voor nauwkeurig onderzoek
De tool fungeert als een brug zodat LLM's onderzoeksopdrachten kunnen uitvoeren zonder handmatig te schrapen, ter ondersteuning van bedrijfsontdekking, indieningsopzoekingen op basis van CIK of ticker, en het ophalen van specifieke rapportsecties. Het ondersteunt taken zoals controles van bedrijfsresultaten, vragen over naleving van regelgeving, en het volgen van insidertransacties door indieningsinhoud bloot te stellen in een formaat dat een assistent kan verwerken voor gerichte antwoorden.
Het produceert verifieerbare numerieke outputs met directe bronlinks
Antwoorden bevatten directe URL's naar de oorspronkelijke SEC-indieningen, een maatregel die bedoeld is om hallucinaties te verminderen door verificatie mogelijk te maken. De server voert XBRL-extractie uit om exacte numerieke feiten uit interactieve gegevensindieningen te halen, wat helpt bij het produceren van antwoorden die specifieke lijnitems en indieningspassages verwijzen in plaats van parafraserende samenvattingen.
Het vereist MCP-clients en basis ontwikkelaarsetup maar integreert met Python-tools
Implementatie past in ontwikkelaarsworkflows: de server is gebouwd op de edgartools Python-bibliotheek en draait via Docker, pip of uv. Het is compatibel met MCP-capabele clients zoals Claude Desktop en Cursor. Configuratie vereist een geldige User-Agent string (naam en e-mail) om te voldoen aan het SEC eerlijke-toegang beleid, zodat beheerders die waarde moeten opgeven voordat queries zijn toegestaan.
Het is geoptimaliseerd voor token-efficiënte grondslagen maar gaat uit van ontwikkelaarbronnen
Het ontwerp vermindert het tokenverbruik met ongeveer 10–20x door gerichte secties te extraheren in plaats van hele indieningen in het model te streamen, wat de contextbloat in LLM-prompts kan verlagen. Die efficiëntie is geschikt voor teams die citatie-ondersteunde regelgevende gegevens in applicaties integreren, terwijl onafhankelijke analisten zonder ontwikkelaarssteun de initiële setup en MCP-integratie veeleisend kunnen vinden.
Praktische keuze voor ontwikkelteams die op citaten gebaseerde SEC-gegevens nodig hebben
Voor teams die LLM-ondersteunde financiële tools bouwen, biedt sec-edgar-mcp een praktische manier om outputs te baseren op regelgevende indieningen en het volume van de context te verminderen. De afhankelijkheid van MCP-compatibele clients en een Python-implementatiepad betekent dat het geschikt is voor technische gebruikers; het koppelen van gegenereerde antwoorden met een snelle controle van de gelinkte indiening blijft een verstandige workflowstap voor beslissingen met hoge inzet.
