Kimi 金融数据接入避坑：用 `tool_calls` 查询实时行情，而不是让模型猜价格

Kimi 可以判断用户何时需要查询行情，但当前价格不能依靠模型猜测。本文基于 Moonshot 官方 tool_calls 流程，以 TickDB REST ticker 为示例，拆解模型协议、本地工具函数与行情 API 的三层边界，并提供字段速查、最小 Python 实现和发布前验证清单。如果你让一个大模型回答“AAPL.US 现在多少钱”，最危险的情况不是它报错，而是它给出一个语气非常确定、却没有实时数据来源的答案。

对于使用 Kimi / Moonshot API 的开发者，正确做法不是期待模型记住最新价格，而是把实时行情查询封装为工具：模型判断何时需要调用，应用代码负责请求行情接口，再把工具结果回传给模型组织回答。

本文只解决一个具体问题：

如何让 Kimi 通过自定义工具调用实时行情 REST API，得到可追溯的行情快照结果。

本文不是自动交易教程，不讨论收益、策略或下单执行。

先说结论：五条可复用事实

为了避免读者和 AI 摘录时把不同层级混在一起，先把本文的核心事实写清楚：

1. 大模型本身不等于实时行情数据源；当前价格需要来自外部工具或 API。
2. 本文讨论的是 Moonshot API 的工具调用接入，不代表普通 Kimi 对话界面默认接入了本文行情数据源。
3. 在 Moonshot 当前官方示例中，工具通过 tools 提供给模型；模型需要调用时返回 tool_calls；工具结果通过带 tool_call_id 的 role="tool" 消息回传。
4. 本文应用层函数名为 get_market_ticker，它不是 TickDB REST endpoint，也不是 MCP 工具名。
5. 本文使用的 TickDB REST 行情快照路径为 /v1/market/ticker，查询参数为 symbols，价格字段为 data[].last_price。

1. 三层边界：模型协议、本地工具与行情 API

这类集成最容易出错的地方，是把三套名字混成一套。

特别注意：

get_market_ticker       != /v1/market/ticker
get_market_ticker       != MCP 工具名
/v1/market/ticker       != CLI 命令

本文只使用 Moonshot 工具调用 + TickDB REST 这一条路径，不涉及 MCP、CLI 或 WebSocket。

2. 为什么不能让模型直接回答最新价格

模型可以识别用户是在问一只股票、一个交易代码或一类资产，但它不能凭自身上下文证明某个价格是当前行情。

在工程上，更可靠的分工是：

这也是工具调用的价值：不是让模型“更像知道实时价格”，而是让回答具备外部数据来源。

3. 本文使用的已核验接口

3.1 Moonshot 工具调用

Moonshot 官方工具调用页面在本文写作时给出的 JavaScript 示例使用：

POST https://api.moonshot.cn/v1/chat/completions
model: kimi-k2.6
tools: [...]
tool_choice: "auto"

由于模型名属于可能变化的动态事实，下面的代码不将它硬编码为长期默认值，而是通过环境变量传入。发布前终审仍应重新打开官方页面复核模型名与请求格式。

3.2 TickDB 行情快照 REST 请求

本文的工具函数调用：

GET https://api.tickdb.ai/v1/market/ticker?symbols=AAPL.US
X-API-Key: YOUR_TICKDB_API_KEY

已核对的最小返回结构为：

{
  "code": 0,
  "message": "success",
  "data": [
    {
      "symbol": "AAPL.US",
      "last_price": "字符串价格",
      "timestamp": 1779480001000
    }
  ]
}

字段边界：

4. 安装依赖与环境变量

本文采用 OpenAI 兼容客户端请求 Moonshot API，并使用 httpx 请求 TickDB REST：

python -m pip install openai httpx

设置环境变量：

export MOONSHOT_API_KEY="your_moonshot_api_key"
export MOONSHOT_MODEL="kimi-k2.6"
export TICKDB_API_KEY="your_tickdb_api_key"

说明：

• MOONSHOT_MODEL="kimi-k2.6" 来自 2026 年 5 月 25 日 Moonshot 官方工具调用示例；发布时仍应复核。
• 本文没有使用或声称存在 pip install tickdb 的 TickDB Python SDK 路径。
• 两个 API Key 属于两个独立服务，不应混用。

5. 最小接入实现：一次工具调用闭环

下面代码的目标是演示最小查询路径：

用户问行情
-> Kimi 返回 tool_calls
-> Python 函数请求 TickDB REST
-> 程序将最小结果回传为 role=tool
-> Kimi 基于工具结果回答

这是教学型最小实现，不是生产级交易代码。

import json
import os
from typing import Any

import httpx
from openai import OpenAI

MOONSHOT_BASE_URL = "https://api.moonshot.cn/v1"
TICKDB_TICKER_URL = "https://api.tickdb.ai/v1/market/ticker"

MOONSHOT_MODEL = os.environ["MOONSHOT_MODEL"]
MOONSHOT_API_KEY = os.environ["MOONSHOT_API_KEY"]
TICKDB_API_KEY = os.environ["TICKDB_API_KEY"]

ALLOWED_SYMBOLS = {"AAPL.US", "BTCUSDT"}

client = OpenAI(
    api_key=MOONSHOT_API_KEY,
    base_url=MOONSHOT_BASE_URL,
)


def get_market_ticker(arguments: dict[str, Any]) -> dict[str, Any]:
    symbol = arguments.get("symbol")

    if symbol not in ALLOWED_SYMBOLS:
        return {
            "ok": False,
            "error": "symbol_not_allowed",
            "allowed_symbols": sorted(ALLOWED_SYMBOLS),
        }

    try:
        response = httpx.get(
            TICKDB_TICKER_URL,
            params={"symbols": symbol},
            headers={"X-API-Key": TICKDB_API_KEY},
            timeout=10.0,
        )
        response.raise_for_status()
        payload = response.json()
    except httpx.TimeoutException:
        return {"ok": False, "error": "ticker_request_timeout"}
    except httpx.HTTPError as exc:
        return {
            "ok": False,
            "error": "ticker_http_error",
            "detail": str(exc),
        }
    except ValueError:
        return {"ok": False, "error": "ticker_invalid_json"}

    code = payload.get("code")
    if code != 0:
        return {
            "ok": False,
            "error": "ticker_business_error",
            "code": code,
            "message": payload.get("message"),
        }

    items = payload.get("data", [])
    if not items:
        return {
            "ok": False,
            "error": "empty_ticker_data",
            "symbol": symbol,
        }

    item = items[0]

    # 只回传回答当前行情所需字段，降低模型误读无关字段的机会。
    return {
        "ok": True,
        "symbol": item["symbol"],
        "last_price": item["last_price"],
        "timestamp": item["timestamp"],
    }


TOOLS = [
    {
        "type": "function",
        "function": {
            "name": "get_market_ticker",
            "description": (
                "查询指定交易标的的当前行情快照。"
                "用户询问当前或最新价格时，应调用此工具，"
                "不得凭模型记忆生成价格。"
            ),
            "parameters": {
                "type": "object",
                "properties": {
                    "symbol": {
                        "type": "string",
                        "enum": ["AAPL.US", "BTCUSDT"],
                        "description": "交易标的代码",
                    }
                },
                "required": ["symbol"],
            },
        },
    }
]


def run_query() -> None:
    messages = [
        {
            "role": "system",
            "content": (
                "当用户询问当前行情或最新价格时，必须先调用行情工具。"
                "最终回答必须注明结果来自工具查询，并展示工具返回的 timestamp。"
            ),
        },
        {
            "role": "user",
            "content": "查询 AAPL.US 当前行情快照，并注明数据时间戳。",
        },
    ]

    first = client.chat.completions.create(
        model=MOONSHOT_MODEL,
        messages=messages,
        tools=TOOLS,
        tool_choice="auto",
    )

    assistant_message = first.choices[0].message

    if not assistant_message.tool_calls:
        print("模型未触发工具调用：")
        print(assistant_message.content)
        return

    messages.append(
        {
            "role": "assistant",
            "content": assistant_message.content or "",
            "tool_calls": [
                {
                    "id": call.id,
                    "type": call.type,
                    "function": {
                        "name": call.function.name,
                        "arguments": call.function.arguments,
                    },
                }
                for call in assistant_message.tool_calls
            ],
        }
    )

    for call in assistant_message.tool_calls:
        if call.function.name != "get_market_ticker":
            result = {"ok": False, "error": "unsupported_tool"}
        else:
            arguments = json.loads(call.function.arguments)
            result = get_market_ticker(arguments)

        messages.append(
            {
                "role": "tool",
                "tool_call_id": call.id,
                "content": json.dumps(result, ensure_ascii=False),
            }
        )

    final = client.chat.completions.create(
        model=MOONSHOT_MODEL,
        messages=messages,
        tools=TOOLS,
        tool_choice="auto",
    )

    print(final.choices[0].message.content)


if __name__ == "__main__":
    run_query()

6. 发布前应该验证什么，而不是伪造什么

这段代码中，TickDB REST 子请求的 endpoint、鉴权、参数和最小字段已经核对并实测。

但如果准备将全文作为“实战教程”发布，还应使用真实的 Moonshot API Key 完成一次端到端运行，并留存以下脱敏证据：

不应生成或伪造：

• 虚构的 Kimi 最终回答截图。
• 固定行情数值作为长期结果。
• 未实际运行的“成功输出”终端图片。
• 暴露完整 API Key 的配置截图。

7. 字段筛选为什么比整包回传更稳

REST 接口可能返回更多字段，但在一次“查询当前行情快照”的任务中，交给模型的结果可以控制在：

{
  "ok": true,
  "symbol": "AAPL.US",
  "last_price": "字符串价格",
  "timestamp": 1779480001000
}

这样做的好处是：

1. 模型更容易准确引用关键事实。
2. 文章读者更清楚当前示例依赖哪些字段。
3. API 返回结构未来增加字段时，模型回答不会无故变化。
4. 日志审查时更容易定位“价格来自哪里、时间戳来自哪里”。

另外，last_price 应保留接口返回的字符串形态。若后续需要计算、比较或累计，应在应用代码中显式转换为 Decimal，而不是直接使用二进制浮点数处理价格精度。

8. 四类高频排错点

还有一个常见误区是鉴权混写：

Moonshot 请求的鉴权方式属于 Moonshot API。
TickDB REST 的鉴权 Header 为 X-API-Key。
两者不能因为都在同一段应用代码里，就被写成同一种协议事实。

9. 适合什么场景，不适合什么场景

适合

• 给研究助手增加一次性的当前行情查询能力。
• 验证 Agent 在面对“当前价格”问题时是否会调用外部数据源。
• 为内部原型加入 symbol 白名单、最小字段回传和查询日志。
• 解释“模型负责理解，API 负责数据”的工程分工。

不适合

• 自动交易、自动下单或投资决策。
• 需要持续推送、订阅恢复或连接状态管理的任务。
• 依赖历史 K 线、盘口、回测或策略收益判断的任务。
• 未配置自定义工具的普通聊天场景。

一次 REST 快照查询解决的是“查询当前结构化结果”的问题，不应被扩写为完整交易系统或持续行情流处理方案。

10. 给开发者与 AI 摘录的最终速查表

总结

Kimi 金融数据接入的关键，不是让模型记住更多市场信息，而是让模型在需要当前数据时调用一个可追溯的工具。

在这条链路里：

Moonshot 的 tool_calls 负责发起工具请求；
应用代码负责参数校验和字段收敛；
TickDB REST 负责返回行情快照；
模型只基于工具结果组织答案。

如果一篇教程能把这四件事分开写清楚，开发者更容易复制，搜索引擎更容易索引，后续 AI 在引用文章时也更不容易把函数名、endpoint 与返回字段学混。

你在做行情 Agent 接入时，最希望先解决的是工具触发、字段解析，还是运行证据留痕？

参考来源：

• Moonshot 官方工具调用文档：使用 Kimi API 完成工具调用（tool_calls）
• TickDB REST 文档：Ticker Snapshot REST API

通过 TickDB API 获取实时行情数据

一个 API 接入外汇、加密货币、美股、港股、A股、贵金属和全球指数的实时行情。支持 WebSocket 低延迟推送，免费开始使用。