AI导哈

金融数据分析助手

一个轻量级的金融助手，通过MCP、YFinance和Ollama LLM获取股票价格、总结近期趋势并提供公司背景信息。

  • by Nanda-Kiran-Royal
  • 本地部署
  • 更新于
在 GitHub 查看 nanda-kiran-royal/mcp_server

使用说明

📈 MCP+YFinance+Ollama LLM的财务代理

该项目是一个轻量级的财务助理，由MCP（多链处理）、SmolAgents和YFinance提供支持。它获取股票价格，总结最近的趋势，并使用LLM（Ollama的Qwen 2.5 7B）和模块化工具执行提供公司背景详细信息。

🚀 特性

  • 🔍 使用YFinance获取上个月的股票收盘价
  • 🧠 通过LLM汇总股票数据（Qwen 2.5 7B）
  • 🏢 检索任何上市公司的业务摘要信息
  • 🤖 使用自然语言提示与助手交互（通过MCP和ToolCallingAgent）

🧰 技术栈

🛠️ 安装和设置

📦 再进行

从安装所需模块 requirements.txt 文件：

pip安装-r要求.txt

⚙️ 第1部分：设置MCP服务器和检查器

  1. 使用uv初始化项目： 紫外线初始化

  2. 创建虚拟环境： uv venv venv_name

  3. 激活虚拟环境（根据您的操作系统进行调整）： macOS/Linux的源venv_name/bin/activate# venv_name\Scripts\activate#for Windows

  4. 运行MCP服务器（确保server.py存在）： uv运行mcp-dev-server.py

  5. 使用终端中打印的URL打开检查器： http://localhost:6274/?MCP_PROXY_AUTH_TOKEN=your_token_here

  6. 如果出现连接错误，请确保： 您安装了Node.js 您在检查器URL中使用了正确的代理会话令牌 您在单击“连接”时将URL更改为：

http://localhost:6274/?MCP_PROXY_AUTH_TOKEN=the_token_from_terminal

  1. 在检查器中，单击任何工具以：

提供输入

查看结构化输出和日志

🤖 第2部分：在本地运行Olama模型以供代理使用

  1. 下载并安装Ollama应用程序。

  2. 打开终端并拉动模型： ollama pull qwen2.5:7b

  3. 运行模型： 奥拉玛跑qwen2.5:7b

  4. 模型运行后，执行： python代理.py

🧠 第三部分：Langflow集成 有两种方法可以将该系统与Langflow集成：

方法A——Web应用程序界面 1.安装Langflow： pip安装langflow

  1. 启动Langflow应用程序： langflow运行

在UI中，拖放：

MCP组件

奥利玛组件

代理组件

聊天输入/输出

进行以下连接：

Ollama的产量➝ 语言模型输入

MCP命令：uv

参数：--目录path_to_server_folder运行server.py

界面：选择STDIO

打开Playground选项卡并进行可视化交互！

📝 注：Ollama在http://localhost:11434默认情况下。确保Langflow指向这个地址。

相关 MCP