आपके AI असिस्टेंट को आज की मार्केट न्यूज़ नहीं पता। यहाँ है इसका हल।

आपके AI असिस्टेंट को आज की मार्केट न्यूज़ नहीं पता। यहाँ है इसका हल।

Claude या ChatGPT से पूछिए कि आज किसी स्टॉक को क्या हिला रहा है, और आपको तीन में से एक जवाब मिलेगा: एक विनम्र इनकार, महीनों पुरानी जानकारी से भरा एक आत्मविश्वासी अनुमान, या एक ऐसा सारांश जो सही लगता है पर निकलता गलत है। जब आप मार्केट से पहले कोई फ़ैसला लेने की कोशिश कर रहे हों, तो इनमें से कोई भी काम का नहीं है।

समस्या मॉडल में नहीं है। समस्या यह है कि मॉडल आज को नहीं देख सकता। आप इसे करीब दो मिनट में ठीक कर सकते हैं — अपने AI असिस्टेंट को MCP के ज़रिए फ़ाइनेंशियल न्यूज़ का एक लाइव, संरचित फ़ीड देकर — ताकि अनुमान लगाने के बजाय वह एक असली न्यूज़ डेटाबेस को क्वेरी करे और स्रोत वाले, मौजूदा डेटा से जवाब दे।

हर LLM का अंधा धब्बा

हर लार्ज लैंग्वेज मॉडल की एक नॉलेज कटऑफ़ होती है — एक तारीख जिसके बाद उसे बस पता ही नहीं कि क्या हुआ। ज़्यादातर सवालों के लिए यह ठीक है। मार्केट के लिए यही तो पूरा खेल है। "इस हफ़्ते की मीटिंग में Fed ने क्या संकेत दिया?" या "NVIDIA आज नीचे क्यों है?" — ये सवाल उस लकीर के गलत तरफ़ पड़ते हैं, और मॉडल या तो यह मान लेता है, या इससे भी बुरा, उस खाली जगह को किसी ऐसी चीज़ से भर देता है जो सही सुनाई देती है।

बिल्ट-इन वेब ब्राउज़िंग के साथ भी आप वहाँ नहीं पहुँचते। आपको मुट्ठी भर बिना रैंक वाले लिंक मिलते हैं, टिकर या सेंटीमेंट या तारीख से फ़िल्टर करने का कोई तरीका नहीं, कंपनी की पहचान साफ़ करने का कोई ज़रिया नहीं, और कोई गारंटी नहीं कि स्रोत वही हैं जिन पर आप भरोसा करेंगे। यह कुछ न होने से बेहतर है, पर यह वैसी रिसर्च नहीं है जिस पर आप कदम उठाएँ।

हेडलाइन कॉपी-पेस्ट करना जवाब क्यों नहीं है

मैनुअल जुगाड़ यह है कि आप खुद हेडलाइनें चैट में पेस्ट कर दें। यह एक बार, बुरी तरह काम करता है। न कोई सेंटीमेंट स्कोरिंग, न यह बताने का तरीका कि "Apple" से मतलब टिकर है या फल, न तारीख की फ़िल्टरिंग, और जैसे ही आप अगला मैसेज भेजते हैं, कॉन्टेक्स्ट फिर पुराना पड़ जाता है। आपने अपने एनालिस्ट को एक क्लिपबोर्ड बना दिया।

आप असल में यह चाहते हैं कि असिस्टेंट खुद जाकर न्यूज़ ले आए — फ़िल्टर की हुई, संरचित और मौजूदा — हर बार जब आप पूछें।

जब आपका असिस्टेंट लाइव न्यूज़ खींच सके तो क्या बदलता है

finlight का MCP सर्वर जोड़िए और आपके असिस्टेंट को एक नई क्षमता मिलती है: वह बातचीत के बीच में ही finlight के रियल-टाइम न्यूज़ डेटाबेस को सीधे क्वेरी कर सकता है। हर जवाब स्रोत वाला और मौजूदा होता है, मनगढ़ंत नहीं — यह असली आर्टिकल से आता है, जिनमें से हर एक पहले से सेंटीमेंट के लिए स्कोर किया हुआ और उसमें शामिल कंपनियों के साथ टैग किया हुआ होता है।

आप सादी भाषा में पूछते हैं। फ़िल्टरिंग असिस्टेंट संभालता है:

"मुझे पिछले 24 घंटों में NVIDIA के बारे में सभी नेगेटिव सेंटीमेंट वाली न्यूज़ दिखाओ।"

"मेरी वॉचलिस्ट का ज़िक्र करने वाली न्यूज़ ढूँढो — AAPL, MSFT, GOOGL, AMZN — सबसे हाल वाली पहले।"

"आज की Federal Reserve मीटिंग की कवरेज को टॉपिक के हिसाब से समूहबद्ध करके संक्षेप में बताओ।"

"इस तिमाही Tesla न्यूज़ का सेंटीमेंट वितरण क्या है?"

इनमें से हर के पीछे, असिस्टेंट कीवर्ड से सर्च कर रहा होता है, टिकर, सेंटीमेंट, सोर्स, देश और तारीख की रेंज के हिसाब से फ़िल्टर कर रहा होता है, पूरा आर्टिकल कंटेंट खींच रहा होता है, और हर कंपनी को उसके असली पहचानकर्ताओं तक हल कर रहा होता है — ताकि किसी डुअल-लिस्टेड कंपनी के बारे में सवाल सही स्टॉक लौटाए, न कि किसी और एक्सचेंज पर उसी नाम का कोई और।

आप इससे क्या कर सकते हैं

• माँगते ही मॉर्निंग ब्रीफ़िंग। "ओपन से पहले मेरे पोर्टफ़ोलियो के बारे में मुझे कुछ जानना चाहिए?" — जवाब आज सुबह की न्यूज़ से, न कि पिछली तिमाही के ट्रेनिंग डेटा से।
• एक नज़र में सेंटीमेंट। किसी नाम की कवरेज का लहजा पूछिए और स्कोर किए गए आर्टिकल पर आधारित एक वितरण पाइए, हर एक पर एक कॉन्फ़िडेंस संकेत के साथ।
• बिना टैब बदले रिसर्च। एनालिस्ट और PM उसी असिस्टेंट के भीतर टिकर और थीम की निगरानी करते हैं जिसका वे पहले से इस्तेमाल कर रहे हैं, दस न्यूज़ टैब से जूझने के बजाय।
• बनाने से पहले तेज़ खोज। क्वांट और डेव टीमें इंटीग्रेशन कोड की एक लाइन लिखने से पहले बातचीत के अंदाज़ में डेटा को टटोलकर देखती हैं कि वहाँ क्या-क्या है।

यह कैसे काम करता है, संक्षेप में

MCP (Model Context Protocol) एक खुला मानक है जो AI असिस्टेंट को बाहरी टूल और डेटा से जोड़ता है। finlight https://mcp.finlight.me पर एक MCP सर्वर चलाता है; आप इसे अपनी API key से एक बार ऑथराइज़ करते हैं, और उसके बाद जब भी किसी सवाल को लाइव न्यूज़ की ज़रूरत होती है, Claude या ChatGPT इसे कॉल कर सकते हैं। न कोई कोड लिखना है और न कुछ मेंटेन करना है।

सेटअप में करीब दो मिनट लगते हैं — Claude Desktop और ChatGPT के लिए चरण-दर-चरण गाइड अपने AI असिस्टेंट में finlight: MCP सर्वर में है। अगर आप पहले MCP की REST, WebSocket और webhooks से तुलना करना चाहें, तो देखिए कौन-सी डिलीवरी विधि किस काम में फ़िट बैठती है।

यह किसके लिए है

• एनालिस्ट और पोर्टफ़ोलियो मैनेजर जो अपने असिस्टेंट को छोड़े बिना मौजूदा, स्रोत वाले जवाब चाहते हैं।
• रिसर्च टीमें जो एक ही सवाल में कई सोर्स की कवरेज संश्लेषित करती हैं।
• मार्केट रिसर्च के लिए Claude या ChatGPT इस्तेमाल करने वाला हर कोई जो "मेरी ट्रेनिंग कटऑफ़ के बाद की जानकारी मेरे पास नहीं है" से थक चुका है।

शुरू करें

1. अपनी API key पाएँ — इसे आज़माने के लिए मुफ़्त टियर काफ़ी है।
2. MCP सेटअप गाइड के हिसाब से Claude या ChatGPT जोड़ें।
3. इससे कुछ ऐसा पूछें जिसका जवाब सिर्फ़ आज की न्यूज़ दे सकती है।

अपनी मुफ़्त API key पाएँ →