Requisitos previos
Cryptohopper MCP configurado en un cliente MCP — consulta el resumen de instalación.
Una idea general de lo que quieres preguntar. La disciplina en las indicaciones (prompts) ayuda más cuando la pregunta ya está clara en tu cabeza.
Las meta-reglas
Regla | Qué significa en la práctica |
Sé específico sobre el qué, no el cómo | Indica el par, exchange, timeframe, lookback, formato de salida. No nombres la herramienta MCP ni describas la mecánica de la llamada — el modelo elige la herramienta correcta mejor que tú especificándola. |
Establece las restricciones explícitamente | "Usa solo datos de ticker" o "limita el lookback de velas a 100 barras" impide que el agente obtenga demasiados datos. |
Demanda números concretos | "Incluye al menos un precio, porcentaje o ratio por afirmación" convierte veredictos vagos en fundamentados. |
Fija el formato de salida | Si quieres una tabla, dilo. Si quieres un orden específico de columnas, dilo. Sin esto, el formato varía en cada ejecución. |
Da margen para razonar, no para enrutar | El modelo debe tener libertad para concluir lo que quiera — pero no para elegir el timeframe. Eso lo decides tú. |
Pasos de configuración
1. Empieza con un prompt directo y sin rodeos
No te preocupes por la elegancia. "Usando el Cryptohopper MCP, obtén el ticker actual de BTC/USDT en Binance." Ejecútalo. Mira la salida. Anota lo que te gustaría que fuera diferente.
2. Itera añadiendo especificaciones una a una
Añade restricciones hasta que la salida sea lo que quieres. Cada frase debe añadir una restricción que afina — par, exchange, lookback, indicador, pregunta de salida, regla de gestión de datos. Por ejemplo: "Trae velas de 1h para ETH/USDT en Binance, últimas 150 barras. Calcula RSI(14). Dime el valor actual del RSI y si las últimas 10 barras muestran alguna divergencia entre el RSI y el precio. Basa todos los cálculos solo en barras cerradas; ignora la barra actual incompleta."
3. Guarda lo que funciona y versiona tu librería
En el momento en que un prompt produce una salida que realmente usarías, guárdalo con un nombre claro (daily_digest_v3, ta_single_pair, multi_venue_depth_check). Cuando cambies un prompt, conserva la versión antigua — ocasionalmente, la más simple funcionaba mejor.
4. Etiqueta los prompts por perfil de coste
Así evitas ejecutar un prompt caro cuando uno barato sería suficiente.
Etiqueta | Significado |
barato | Solo ticker, se ejecuta en cualquier nivel |
medio | Tickers + velas, Explorer+ |
caro | Incluye libros de órdenes o historial profundo |
Los patrones que valen la pena
Diez patrones cubren aproximadamente el 90% de lo que realmente querrás. Discusión completa en patrones de prompts que funcionan con el Cryptohopper MCP.
Patrón | Forma | Caso de uso |
El escaneo | "Para {conjunto}, muéstrame {N} que {criterio}" | Movimientos diarios, comprobaciones de lista de seguimiento |
La mirada profunda | "Trae velas de {timeframe} para {par}. Calcula {indicadores}. Dime {interpretación}" | TA a demanda |
Multi-timeframe | "Compara {indicador} en 1h/4h/diario. ¿Concuerdan?" | Validación de swing-trade |
Comprobación de profundidad | "Para {par} en {exchange}, ¿cuánto costaría {tamaño} dado el libro?" | Deslizamiento pre-trade |
Informe programado | "Cada {cadencia}, haz {escaneos}. Resume en {formato}" | Resúmenes y alertas |
Pregunta restringida | "Usa solo datos de ticker. {pregunta}" | Flujos de trabajo conscientes de cuotas |
Comparar y explicar | "Compara {A} y {B} en {eje}. Dime cuál es {más fuerte}" | Análisis de fuerza relativa |
Noticias más contexto | "Aquí tienes {artículo}. Identifica tokens, obtén contexto en vivo, dime qué está haciendo el mercado" | Investigación basada en noticias |
Autocomprobación | "Comprueba contra {segunda fuente}. Si hay divergencia, dímelo y no confirmes." | Decisiones de alto riesgo |
Meta-prompt | "¿Qué herramientas MCP tienes para cripto?" | Depuración, descubrimiento |
Ejemplos que funcionan frente a ejemplos que no
✗ Malo
"Háblame de ETH."
Sin exchange, sin timeframe, sin pregunta específica. El agente inventa un resumen genérico.
✓ Bueno
"Trae el ticker actual de ETH/USDT en Binance y las últimas 100 velas de 4h. Dime el precio actual, el cambio de 24h y si la tendencia de 4h es alcista/bajista/lateral. Limita la respuesta a tres frases."
Par, exchange, timeframe, lookback, preguntas específicas, longitud de salida fija.
✗ Malo
"¿Debería comprar BTC?"
Le pide al modelo un consejo que no puede dar responsablemente. O se negará o inventará una respuesta de apariencia plausible no basada en datos.
✓ Bueno
"Para BTC/USDT en Binance, trae velas de 1h (últimas 150). Reporta: tendencia actual, RSI(14), distancia de la EMA de 50 periodos y si el volumen de hoy está por encima o por debajo del promedio de 7 días. No des consejos de compra/venta — solo los datos y tu lectura de la configuración."
La misma pregunta subyacente, traducida a cosas que el modelo puede responder realmente con datos.
✗ Malo
"Ejecuta un TA."
Sin par, sin exchange, sin timeframe. Cada ejecución preguntará cuál.
✓ Bueno
"Ejecuta un TA en {par} en Binance, timeframe de 4h, últimas 150 barras. Incluye RSI(14), MACD, EMAs de 20/50/200 y soportes/resistencias recientes. Salida: tres párrafos — tendencia, momentum, niveles clave."
Parametrizado para el par; todas las demás opciones fijas.
Solución de problemas
La salida es genérica y no coincide con lo que querías
Vuelve a leer tu prompt. Si encuentras adjetivos como "bueno", "fuerte" o "saludable" — son subjetivos. Reemplázalos con umbrales numéricos. "Tendencia alcista fuerte" → "precio por encima de la EMA de 20, EMA en ascenso, RSI por encima de 55."
El agente realiza una llamada de herramienta incorrecta
Generalmente significa que nombraste el timeframe o exchange incorrectos. Comprueba tu prompt antes de culpar al modelo.
El mismo prompt da respuestas de forma diferente en ejecuciones sucesivas
No has fijado el formato de salida. Añade una plantilla explícita: "salida en tabla markdown con columnas X, Y, Z en ese orden."
El prompt funciona pero es largo y difícil de manejar
Divídelo en secciones con nombre: [CONTEXTO], [TAREA], [SALIDA]. Los modelos manejan prompts estructurados mejor que un muro de texto.
El agente trae datos que ya tienes en el contexto
Dile: "Ya te he proporcionado X arriba; no vuelvas a obtenerlo." Especialmente útil con flujos de trabajo de contexto limitado — ver cómo alimentar a un agente con contexto de mercado sin gastar tokens.
Te encuentras escribiendo el mismo párrafo al principio de cada prompt
Ese es tu bloque de contexto. Extráelo en un fragmento reutilizable que tu cliente pueda insertar automáticamente. Consulta cómo añadir memoria a tu agente de cripto IA.