AI导哈

金融分析工具

一个结合MCP服务器和LLM技术的金融分析工具，用于解释损益和审计风险暴露。

  • by marcusjhang
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 marcusjhang/mcp_server

使用说明

📘 BookOps MCP+LLM项目

此存储库演示了以下内容的快速设置：

  1. MCP服务器 使用FastMCP和stdout/stdin传输。
  2. LLM驱动的业务逻辑 在MCP工具功能内。
  3. 代理 它处理用户输入并编排LLM函数调用+MCP工具调用。

📁 文件结构

/ ├── agent.py#LLM代理，通过子进程处理查询和调用MCP ├── server.py#FastMCP服务器定义工具explain_pnl和audit_exposure ├── dummy_data/ │ ├── trades.sv#包含book_id、日期、符号、数量、边、价格 │ └── positions.csv#包含book_id、符号、扇区、数量 └── README.md#本文档

🛠️ 需求

  • Python 3.10+（推荐版本：3.12）
  • 安装依赖项：
  pip install fastmcp openai pandas python-dotenv

•	Ensure your .env includes:

OPENAI_API_KEY=sk-xxx

⸻

🚀 运行系统（STDIO模式）

  1. 启动MCP服务器（在一个终端中）

python服务器.py

这将等待通过stdin/stdout的客户端调用。

  1. 运行代理（在另一个终端中）

python代理.py

  1. 交互示例：

解释2024-06-01 HF123书的PnL LLM选择了explain_pnl… {“book_id”：“HF123”，“date”：“…”，“pnl”：-72500.0，“summary”：“..”}

  1. 或者问：

HF123的主要暴露是什么？ LLM选择了audit_exposure… {“book_id”：“HF123”，“top_exposures”：[…]，“summary”：“…”}

⸻

🔄 原理 1.代理使用LLM函数调用从FUNCTIONS中选择工具和参数。 2.代理启动服务器子进程并发送MCP stdio JSON-RPC： •初始化 •通知/初始化 •工具/电话 3.服务器处理请求： •执行商业Python并进行内部LLM调用。 4.服务器返回JSON响应。 5.代理捕获并显示它。

🚧 下一步和未来的改进

  1. 展开工具集
    添加更多BookOps分析工具，如历史PnL比较、VaR（风险价值）计算或交易异常检测。

  2. 添加会话内存和上下文
    为代理实现轻量级会话内存，以跟踪过去的查询（例如，记住上次询问的书/日期，或支持后续问题）。

  3. 切换到持久HTTP部署
    从每次查询启动MCP服务器（STDIO模式）转向基于HTTP的持久部署（通过Flask、FastAPI或fastmcp-HTTP代理）。

相关 MCP