AI导哈

金融产品性能分析服务器

MCP性能分析服务器是一款为信用卡和抵押贷款组合提供灵活性能分析的综合性服务器，支持生命周期分析、日历趋势和当前性能快照等功能。

  • by animaesh
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 animaesh/mcpanalyst

使用说明

MCP性能分析服务器

一个全面的模型上下文协议（MCP）服务器，为信用卡和抵押贷款组合提供灵活的性能分析。

🎯 概述

该项目实现了 统一性能分析服务器 有3个专门的工具，为金融产品提供复古分析、日历趋势和当前性能快照。使用DuckDB构建，用于对Parquet文件进行快速SQL查询。

✨ 特性

  • 3专用工具

    • get_vintage_performance() -基于MOB的生命周期分析
    • get_calendar_performance_trends() -日历月趋势
    • get_current_cohort_snapshot() -最新性能仪表板

  • 6综合指标

    • 核销率（每个未结账户）
    • 拖欠率（30+DPD）
    • 平均余额
    • 关闭率（每个未结账户）
    • 提前还款率（仅抵押贷款）
    • 信用卡使用率（仅限卡）

  • 灵活的分析维度

    • 时间：MOB与日历月
    • 度量基础：单位vs美元
    • 累计：期间与累计
    • 比较：细分市场、复古季或两者兼而有之

🚀 快速开始

先决条件

  • Python 3.10+
  • uv 包管理器
  • VS代码（可选，用于开发）

安装

# Clone the repository
git clone <your-repo-url>
cd mcp-analyst

# Install dependencies (automatically handled by uv)
uv pip install fastmcp duckdb pandas pyarrow numpy

运行测试

# Run comprehensive test suite
cd "D:\October 2025\mcp\Code Examples\mcp-analyst"
uv run python tests\test_performance_analytics.py

# Run serialization validation test
uv run python tests\test_serialization.py

添加到Claude桌面

将此添加到您的 claude_desktop_config.json:

{
  "mcpServers": {
    "performance-analytics": {
      "command": "uv",
      "args": [
        "--directory",
        "D:\\October 2025\\mcp\\Code Examples\\mcp-analyst",
        "run",
        "python",
        "servers/performance_analytics_server.py"
      ]
    }
  }
}

然后重新启动Claude Desktop。

📊 使用示例

示例1：复古性能分析

# Create cohort and analyze MOB-based writeoff rates
get_vintage_performance(
    cohort_id="cohort_cmp_20251207",
    product_type="card",
    metric="writeoff_rate_per_open",
    metric_basis="units",
    cumulative=True,
    comparison_dimension="segment"
)

示例2：日历趋势

# Track delinquency rates across calendar months
get_calendar_performance_trends(
    cohort_id="cohort_cmp_20251207",
    product_type="card",
    metric="delinquency_rate",
    metric_basis="units",
    comparison_dimension="segment"
)

示例3：当前仪表板

# Get latest performance snapshot across all metrics
get_current_cohort_snapshot(
    cohort_id="cohort_cmp_20251207",
    product_type="card",
    comparison_dimension="segment"
)

🏗️ 建筑

统一服务器设计

单个服务器处理两种产品（卡和抵押贷款），无需重复工具：

  • product_type 参数路由到正确的数据文件
  • 度量注册表集中了所有定义
  • 基于参数的动态SQL生成

DuckDB优化

  • 使用即时JOIN直接查询Parquet文件
  • 不需要中间非标准化数据集
  • 大型队列的查询时间低于1000毫秒
  • 累积指标的高效窗口功能

文件夹结构

mcp-analyst/
├── servers/
│   ├── performance_analytics_server.py  # Main analytics server
│   ├── client_cohort_server.py          # Cohort management
│   ├── card_origination_server.py
│   ├── mortgage_origination_server.py
│   └── ... (other servers)
├── tests/
│   ├── test_performance_analytics.py    # Comprehensive test suite
│   ├── test_serialization.py            # JSON serialization validation
│   └── ... (other tests)
├── docs/
│   ├── TEST_RESULTS_SUMMARY.md
│   ├── PERFORMANCE_TOOL_DESIGN.md
│   ├── SERIALIZATION_BUG_FIX.md
│   ├── QUICK_REFERENCE.md
│   └── ... (other documentation)
└── data/
    ├── card_performance_snapshots.parquet
    ├── mortgage_performance_snapshots.parquet
    └── ... (data files)

🧪 测试覆盖率

成功率： 100%（8/8测试通过）
执行时间： 约2秒

测试类别

  • ✅ 指标注册表（6个指标）
  • ✅ 参数验证（12种组合）
  • ✅ 工具1：复古表演（卡片-8个场景）
  • ✅ 工具1：复古表现（抵押贷款-3种情况）
  • ✅ 工具2：日历趋势（卡片-2个场景）
  • ✅ 工具2：日历趋势（抵押贷款-3种情况）
  • ✅ 工具3：当前快照（卡-2种情况）
  • ✅ 工具3：当前快照（抵押贷款-1场景）

📈 性能指标

分析类型 查询时间 数据量 结果
复古性能（卡片） 50-84ms 48000张快照 ✅
复古性能（抵押贷款） ~80ms 3924张快照 ✅
日历趋势 32-50ms 每月汇总 ✅
当前快照 72-109ms 最新日期多指标 ✅

平均查询时间： 约82毫秒

🛠️ 发展

关键技术

  • FastMCP -MCP服务器框架
  • DuckDB -高性能SQL引擎
  • 熊猫 -数据操纵
  • PyArrow -拼花文件处理
  • 数值Python -数值运算

运行开发服务器

cd "D:\October 2025\mcp\Code Examples\mcp-analyst\servers"
fastmcp dev performance_analytics_server.py

添加新指标

  1. 将度量定义添加到 METRIC_DEFINITIONS 在 performance_analytics_server.py
  2. 指定周期/累计和单位/美元的计算SQL
  3. 添加产品兼容性
  4. 在中创建测试用例 test_performance_analytics.py

📚 文档

🐛 已知问题和解决方案

JSON序列化（已修复✅)

问题： 在Claude Desktop中导致序列化错误的Numpy类型
解决方案： 在所有工具中显式转换为原生Python类型
状态： 已修复并通过序列化测试进行了验证

🤝 贡献

这是一个用于投资组合分析的个人项目。如有疑问或建议，请联系存储库所有者。

📝 许可证

[在此处添加您的许可证]

🙏 致谢

  • 采用FastMCP框架构建
  • 用于高性能分析的DuckDB
  • 模型上下文协议（MCP）规范

📞 联系

[在此处添加您的联系信息]

状态： ✅ 生产就绪
最后更新时间： 2025年12月7日
版本： 1.0.0

相关 MCP