Oracle3 prediction-market arbitrage checks

Name: Oracle3 prediction-market arbitrage checks
Author: YichengYang-Ethan

von YichengYang-EthanVersion 1.2.2i★ –iLäuft auf deinem Computer

Name in der Registryio.github.YichengYang-Ethan/oracle3

Installieren

Überblick

Beschreibung vom Entwickler (englisches Original)

Kalshi and Polymarket data, venue fees, no-arbitrage checks and paper execution for AI agents.

Die drei Säulen von PopNx MCP

Diese drei werden nie zu einer Punktzahl zusammengefasst: Meinungen, Messungen und Beliebtheit sind verschiedene Dinge.

Stimmen der NutzeriNoch keine BewertungenBewertungen starten in einem späteren Schritt zusammen mit Benutzerkonten
Unsere Basischecksi1 von 1 bestandenAnhand öffentlicher Informationen geprüft; Code noch nicht gescannt
NutzungiNoch nicht gemessen★ –

Was du damit machen kannst

Für diesen Server haben wir noch keine Zusammenfassung in einfacher Sprache geschrieben. Unten stehen die Fakten, die wir aus der Registry gelesen haben.

Verbindung: Läuft auf deinem Computer
Transport: stdio
Kategorie: Sonstiges

Installation

Wähle die KI-App, die du nutzt, und kopiere die Einstellungen.

Bevor du installierst

Basischecks: 1 von 1 bestanden
Läuft auf deinem Computer mit den Rechten deines Benutzerkontos (Dateien, Netzwerk, Apps).
Das trägst du selbst ein: ORACLE3_MCP_LEDGER

Du brauchst

PyPIuv für Python installiert (für den Befehl uvx)

Welche App nutzt du?

ClaudeClaude CodeCursorVS CodeChatGPT

Wähle oben deine App. Wir merken sie uns, damit der Button beim nächsten Mal „In … installieren“ anzeigt.

Öffne Claude Desktop → Settings → Developer → Edit Config und füge dies in claude_desktop_config.json ein

{
  "mcpServers": {
    "oracle3": {
      "command": "uvx",
      "args": [
        "oracle3",
        "mcp"
      ],
      "env": {
        "ORACLE3_MCP_LEDGER": "your-value"
      }
    }
  }
}

Führe das in deinem Terminal aus

claude mcp add oracle3 --env ORACLE3_MCP_LEDGER=your-value -- uvx oracle3 mcp

Trag die leeren Werte ein, bevor du ihn startest.

In Cursor öffnen

Oder kopier die Einstellungen selbst

In .cursor/mcp.json in deinem Projekt oder in ~/.cursor/mcp.json einfügen

{
  "mcpServers": {
    "oracle3": {
      "command": "uvx",
      "args": [
        "oracle3",
        "mcp"
      ],
      "env": {
        "ORACLE3_MCP_LEDGER": "your-value"
      }
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

In VS Code öffnen

Oder kopier die Einstellungen selbst

In .vscode/mcp.json in deinem Projekt einfügen

{
  "servers": {
    "oracle3": {
      "type": "stdio",
      "command": "uvx",
      "args": [
        "oracle3",
        "mcp"
      ],
      "env": {
        "ORACLE3_MCP_LEDGER": "your-value"
      }
    }
  }
}

Dein Browser fragt, ob er die App öffnen darf, dann zeigt die App die Einstellungen und bittet dich um Bestätigung. Schlüsselwerte bleiben leer, damit du sie selbst einträgst.

Dieser Server läuft auf deinem Computer, und ChatGPT kann sich nur mit Servern im Internet verbinden. Wähle eine andere App.

Deine Auswahl bleibt in einem Cookie auf diesem Gerät; kein Konto nötig.

Werte, die du selbst einträgst

ORACLE3_MCP_LEDGER env
Path of the local paper-trading ledger (default ~/.oracle3/mcp_paper_ledger.json)

Diese Einstellungen werden aus dem Registry-Eintrag des Entwicklers erzeugt. Wenn in der README etwas anderes steht, folge der README.

Was er kann

Läuft auf deinem Computer; die Tool-Liste erscheint nach der Installation in deiner KI-App.

Basischecksi

Wir prüfen Informationen, die jeder sehen kann; den Code haben wir nicht gelesen. Checks, die nicht zutreffen, werden nicht mitgezählt. · Geprüft am 7. Nov. 2026

✓ Bestanden
Entwickler passt zum Repo
Der Registry-Name wurde mit dem GitHub-Konto YichengYang-Ethan bestätigt, dem das Repo gehört
… Noch nicht geprüft
Wird noch gepflegt
Dieses Repo haben wir noch nicht von GitHub gelesen
… Noch nicht geprüft
Hat eine Lizenz
Dieses Repo haben wir noch nicht von GitHub gelesen
– Nicht zutreffend
Endpunkt antwortet
Dieser Server läuft auf deinem Computer; es gibt keinen Endpunkt im Internet
– Nicht zutreffend
Anmeldung mit OAuth
Läuft auf deinem Computer und nutzt stattdessen lokale Einstellungen
… Noch nicht geprüft
Keine versteckten Anweisungen in Tool-Beschreibungen
Läuft auf deinem Computer; Tool-Listen können wir nur von Endpunkten im Internet lesen

Im Vergleich mit anderen in Sonstigesi

Mehr Sterne als 0 % der anderen 32691 Server in dieser Kategorie
Neuer in der Registry veröffentlicht als 52 % der anderen 32691 Server in dieser Kategorie
Basischecks gleich gut wie oder besser als bei 100 % der anderen 32691 Server in dieser Kategorie

Verglichen mit allen aktiven Servern dieser Kategorie in der Registry. Sterne zählen nur, wenn dem Herausgeber das Repo gehört.

Häufige Fragen

Ist Oracle3 prediction-market arbitrage checks sicher?

Er hat 1 von 1 zutreffenden Basischecks bestanden. Den Code haben wir nicht gelesen. Bevor du einen Schlüssel oder Token hinzufügst, sieh nach, welche Zugriffe der Server verlangt, und nutze einen Schlüssel, der nur die Berechtigungen hat, die du brauchst.

Welche Schlüssel oder Codes braucht er?

Die Registry nennt keinen erforderlichen Schlüssel, manche Server bitten dich aber bei der ersten Nutzung, dich anzumelden.

Läuft er auf meinem Computer oder in der Cloud?

Er läuft auf deinem Computer. Deine KI-App startet ihn bei Bedarf, und die Daten laufen nicht über die Server des Entwicklers (außer der Server ruft selbst einen Onlinedienst auf).

Wird er noch gepflegt?

Das GitHub-Repo wurde zuletzt – geändert, und die neueste Version (1.2.2) kam vor 37 Tagen in die Registry.

Welche Apps können ihn nutzen?

Apps, die MCP unterstützen, etwa Claude Desktop, Claude Code, Cursor und VS Code. Außerdem brauchst du Python (uv) auf deinem Computer.

Was kann ich stattdessen nutzen?

In derselben Kategorie: Spec Driven Development, Remote Desktop Commander, Dialyne

Alternativen

Server derselben Kategorie von anderen Entwicklern, sortiert nach Sternen.

So liest du eine Karte:★ GitHub-SterneiDrei Säulen: Bewertungen · Checks · NutzungiAktualisiert = neueste Version in der Registry veröffentlichti

Spec Driven Development

von formulahendry

MCP Server that facilitates spec-driven development workflows, not just Vibe Coding.

Läuft auf deinem Computer★ 440MITAktualisiert vor 14 Monaten

Installieren

Remote Desktop Commander

von desktop-commander

Remote Desktop Commander: use files, terminal and processes on your own computers from any AI app.

Läuft in der Cloud★ 211Aktualisiert vorgestern

Installieren

Dialyne

von dialyne

Real phone calls in France for AI agents: dial +33 numbers, menus, hold, AI disclosure.

Läuft in der CloudAktualisiert heute

Installieren

README vom Entwickler

README öffnen

Unverändert aus dem Repo des Entwicklers übernommen. PopNx MCP hat den Inhalt weder geprüft noch empfiehlt es ihn. HTML, Bilder und Skripte wurden entfernt. Links führen von dieser Website weg.

Oracle3

Build prediction-market agents that discover markets, analyze opportunities, and test strategies.

Connect AI agents to Kalshi and Polymarket through MCP. Give them reusable Skills for market research and strategy development, then build on a Python engine for paper and live execution.

13 MCP tools · 6 agent Skills · Kalshi & Polymarket data · Python 3.10+

Quickstart · MCP tools · Agent Skills · Project and contributions · Documentation

Why Oracle3

A connected research workflow. Discover contracts, inspect their rules and order books, compare related outcomes, and track simulated positions.
Calculations that include trading costs. Five relationship checks return candidate baskets, per-leg fees, and calculated net edge.
Tools and workflows for agents. Use MCP for structured access and Skills for repeatable research, strategy authoring, and operations.
An engine you can extend. Build strategies with Python interfaces, risk controls, and paper/live venue adapters.
A foundation for experiments. Reproducible software checks, automated tests, and installed-package validation make the implementation inspectable.

Public Kalshi and Polymarket market reads need no exchange credentials. MCP provides market data, calculations, and a local paper ledger; real-order execution uses the separate CLI/Python engine.

Quickstart

Install the current development checkout:

git clone https://github.com/YichengYang-Ethan/oracle3-prediction-market-agent.git

cd oracle3-prediction-market-agent python -m venv .venv .venv/bin/python -m pip install -e .

Connect it to Claude Code from this directory:

claude mcp add oracle3 -- "$PWD/.venv/bin/oracle3-mcp"

For other MCP clients, configure the absolute path to .venv/bin/oracle3-mcp as the command with an empty argument list. On Windows, use .venv\Scripts\python.exe and .venv\Scripts\oracle3-mcp.exe.

Client configuration and first tool call · Published-package installation

Give your agent a first task

Find Kalshi and Polymarket contracts about the next Fed rate decision. Compare their outcome definitions, resolution rules, and order-book quotes. Summarize the markets with their IDs, prices, and the assumptions needed to compare them.

For a calculation that works offline after installation:

Use Oracle3 to check an implication: A implies B. A has a YES bid of $0.60 and B has a YES ask of $0.55. Use the default Kalshi taker fee schedule and 100 contracts per leg. Show the basket, gross edge, fees, and net edge.

The synthetic example returns $5.00 gross edge − $3.4125 fees = $1.5875 calculated net edge, conditional on the supplied implication and quotes. See exact inputs and output.

What agents can do

Task	Tools	Result
Discover markets	`search_markets`, `get_market`	Contracts, metadata, and available resolution rules
Inspect market conditions	`get_quote`, `get_orderbook`	Prices, fee information, and displayed depth
Analyze related contracts	`check_constraint`, `check_constraint_live`	Baskets and net edge under a stated relationship
Calculate fees and model values	`trading_fee`, `fair_value`	Fee estimates and parameterized model outputs
Try a paper entry	`paper_order`, `paper_portfolio`	Simulated fills and holdings in a local ledger

Relationship checks cover implication, exclusivity, complement, same event, and event sum. They expose assumptions with their results, giving agents and researchers a common calculation layer.

All 13 MCP tools · Workflow examples

Reusable agent Skills

The repository includes six workflows that help agents move from individual tool calls to complete tasks:

Skill	Use it to
Data discovery	Find markets and organize research inputs
Constraint arbitrage	Examine related contracts and calculate fee-aware baskets
Quant strategy authoring	Develop strategies with Oracle3's Python interfaces
Agent strategy authoring	Build agent-driven decision workflows
Paper operations	Run and inspect simulated trading sessions
Live operations	Configure and operate the separate live engine

Claude Code project copies are included in .claude/skills/. Open the checkout as your project, or use your client's supported Skill installation mechanism. Skill setup.

For AI agents: start with llms.txt for task routing, the MCP reference for tool schemas, and AGENTS.md for contributing code.

Build with Python and the CLI

Use the same project for research scripts, agent strategies, and engine operations:

.venv/bin/oracle3 market search --exchange kalshi --query "fed" --json

.venv/bin/oracle3 market search --exchange polymarket --query "fed decision" --json

Component	Build with it
MCP server	Structured market access and local paper operations for agents
Relations and fees	Shared calculations for related-contract strategies
Strategies	Logical-relation, statistical, and model-driven approaches
Trading engine	Paper/live adapters for Kalshi, Polymarket, and Solana via DFlow
Pricing	Wang-transform models and estimators for research
oracle3-extras	Optional venue, data-provider, and wallet integrations

CLI guide · Integration guide · Execution reference

Built for experimentation

Oracle3 combines a concrete decision environment with structured tools, observable state, and a software validation harness. This supports work on agent interfaces, workflow guidance, and reproducible evaluation.

CI runs automated tests and checks the built package through real MCP sessions on SDK 1.x and 2.x. The harness documentation explains the reproducible checks. Model-level agent evaluation is a next research direction.

Project overview and Yicheng Yang's contributions · Fee-frontier study · Companion pricing research

Contribute

Help build better agent workflows, labeled evaluation tasks, strategy examples, and client integrations. New venue, data-provider, and wallet integrations start in oracle3-extras.

Contributing guide · Open problems · Discussions

Origin and attribution

Oracle3 began as ulab-uiuc/oracle3, developed by Yicheng Yang and Haofei Yu at U Lab (University of Illinois Urbana-Champaign). It also bundles the lab's Coinjure package. Yicheng Yang continues to develop and maintain the extensions in this repository. Read the project story and contributions.

We acknowledge the foundational work of the Coinjure team at the University of Illinois Urbana-Champaign—Haofei Yu, Yicheng Yang, Yuxiang Liu, and Prof. Jiaxuan You—on which Oracle3 builds.

For software citation, use CITATION.cff and Zenodo. For the pricing model, see the working paper.

License

Apache 2.0; see LICENSE. Original U Lab and Coinjure portions retain their MIT license in NOTICE.

*This software is for research and education. Trading involves financial risk.*

Oracle3 prediction-market arbitrage checks

Überblick

Die drei Säulen von PopNx MCP

Was du damit machen kannst

Installation

Bevor du installierst

Werte, die du selbst einträgst

Was er kann

Basischecksi

Entwickler passt zum Repo

Wird noch gepflegt

Hat eine Lizenz

Endpunkt antwortet

Anmeldung mit OAuth

Keine versteckten Anweisungen in Tool-Beschreibungen

Im Vergleich mit anderen in Sonstigesi

Häufige Fragen

Alternativen

Spec Driven Development

Remote Desktop Commander

Dialyne

README vom Entwickler

Oracle3

Why Oracle3

Quickstart

Give your agent a first task

What agents can do

Reusable agent Skills

Build with Python and the CLI

Built for experimentation

Contribute

Origin and attribution

License