HybridMicrostructure EA - MetaTrader 5EA

该EA设计为发送符合OpenAI风格的包含JSON有效载荷的HTTP POST请求（包含`messages`、`role: system`和`role: user`），并预期收到包含`decision`、`confidence`和`reason`的JSON响应。

要创建一个能够在几毫秒内响应这些 MT5 请求的本地 AI API（本地服务器），理想的编程语言是使用 FastAPI 框架的 Python。FastAPI 轻量级、速度极快，非常适合处理来自 MT5 的高频数据。

以下是完整的 Python 服务器代码。您稍后可以将真正的机器学习模型（例如 TensorFlow、Scikit-Learn，甚至用于本地 LLM 的 Ollama）集成到该引擎中。

1. Python 环境配置

请确保您的计算机已安装 Python。打开终端或命令提示符，并安装以下两个必备库：

pip install fastapi uvicorn

2. Python API 代码（local_ai_bridge.py）

在您的计算机上创建一个名为 local_ai_bridge.py 的文件，并复制以下代码：（Python）

from fastapi import FastAPI, Request
from pydantic import BaseModel
from typing import List, Optional
import json
import uvicorn

app = FastAPI(title="MT5 AI Microstructure Bridge")

# --- 数据模型（兼容 MQL5 数据格式） ---
class Message(BaseModel):
    role: str
    content: str

class AIRequest(BaseModel):
    model: str
    temperature: float
    response_format: Optional[dict] = None
    messages: List[Message]

# --- 主端点 (/analyze) ---
@app.post("/analyze")
async def analyze_market(payload: AIRequest):
    """
    This endpoint receives tick and microstructure data from MT5,
    analyzes the data, and returns a BUY/SELL/WAIT decision.
    """
    
    # 1. 从 MT5 发送的“user”消息中提取 JSON 数据
    user_content = "{}"
    for msg in payload.messages:
        if msg.role == "user":
            user_content = msg.content
            break
            
    try:
        facts = json.loads(user_content)
    except json.JSONDecodeError:
        return {"decision": "WAIT", "confidence": 0.0, "reason": "Invalid JSON format"}

    # 2. 提取市场数据
    order_type = facts.get("order_type", "WAIT")
    high_velocity = facts.get("high_velocity", False)
    snapback_pips = facts.get("snapback_pips", 0.0)
    min_snapback = facts.get("min_snapback_pips", 2.0)
    deviation_z = facts.get("deviation_z", 0.0)
    
    mtf = facts.get("mtf", {})
    m1_structure = facts.get("m1_structure", {})

    # 3. 人工智能/决策算法（日后可替换为机器学习模型）
    # 这是一个关于决策逻辑的简单示例
    
    confidence = 0.0
    decision = "WAIT"
    reason = ""

    # 评估当EA请求卖出确认时的逻辑
    if order_type == "SELL":
        score = 0
        
        # 验证回弹量和速度
        if snapback_pips >= min_snapback and high_velocity:
            score += 0.4

        # 验证极端偏离（超买状态）
        if deviation_z > 2.0:
            score += 0.3

        # 验证MTF对齐情况（至少H1或M15必须呈看跌趋势）
        if mtf.get("h1_down") or mtf.get("m15_down"):
            score += 0.2

        # 验证M1拒绝信号（长上影线）
        if m1_structure.get("upper_wick_ratio", 0.0) >= 0.2:
            score += 0.1

        confidence = score
        if confidence >= 0.70:
            decision = "SELL"
            reason = "High velocity drop, MTF align, Z-Score high"
        else:
            reason = f"Score only {confidence:.2 f}, lacking momentum"

    # 评估当EA请求买入确认时的逻辑
    elif order_type == "BUY":
        score = 0
        
        # 验证回弹量和速度
        if snapback_pips >= min_snapback and high_velocity:
            score += 0.4

        # 验证极端偏差（在 MQL5 中，deviation_z 已经进行了方向调整）
        if deviation_z > 2.0:
            score += 0.3

        # 验证MTF对齐情况（至少H1或M15必须呈看涨趋势）
        if mtf.get("h1_up") or mtf.get("m15_up"):
            score += 0.2

        # 验证M1拒绝信号（下影线较长）
        if m1_structure.get("lower_wick_ratio", 0.0) >= 0.2:
            score += 0.1

        confidence = score
        if confidence >= 0.70:
            decision = "BUY"
            reason = "High velocity bounce, MTF align, Z-Score high"
        else:
            reason = f"Score only {confidence:.2 f}, lacking momentum"

    # 4. 将 JSON 响应发回 MT5
    return {
        "decision": decision,
        "confidence": round(confidence, 2),
        "reason": reason[:60]  # 将MT5中的“原因”字数限制为最多60个字符
    }

if __name__ == "__main__":
    # 在端口 8787 上启动本地服务器，该端口与 MQL5 中的 InpAIEndpoint 参数一致
    print("AI Bridge Server is running on http://127.0.0.1:8787")
    uvicorn.run(app, host="127.0.0.1", port=8787)

3. 如何运行服务器并连接到 MT5

1. 打开终端，并导航至存储该 Python 文件的文件夹。
2. 运行以下命令：
3. 服务器将启动并在 [http://127.0.0.1:8787](http://127.0.0.1:8787) 上监听。
4. 在 MetaTrader 5 平台上，请确保已将 URL [http://127.0.0.1](http://127.0.0.1) 添加到允许的 WebRequest URL 列表中：
1. 转到“工具”→“选项”→“专家顾问”。
2. 勾选“允许对列出的 URL 进行 WebRequest”。
3. 将 URL [http://127.0.0.1](http://127.0.0.1) 添加到列表中。
5. 运行您的专家顾问（EA）。此时，该 EA 将向 Python API 发送实时数据；Python 将根据 Python 函数中的参数对数据进行分析，并向 MT5 发送买入/卖出/等待指令。

python local_ai_bridge.py

策略测试器可视化：