AI导哈

中小企业估值工具

一款为AI代理提供中小企业估值功能的服务，支持DCF、多倍数和足球场等多种估值方法，适用于金融分析、SaaS集成和咨询服务等场景。

  • by PMIScoutAI
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 PMIScoutAI/sme-valuation-mcp

使用说明

🏦 中小企业估值MCP

在AI代理内部运行的估值引擎。

DCF·Multiples·足球场——作为MCP工具，为克劳德和任何LLM代理人提供服务。

快速开始 · MCP工具 · 部署 · 例子

问题

评估中小企业需要DCF模型、可比倍数和足球场综合-- 财务分析师在Excel中花费数小时的工作。

中小企业估值MCP将整个引擎包装为可调用的MCP工具所以克劳德（或任何 MCP兼容代理）可以在几秒钟内对您输入的任何有效载荷进行全面的专业估值。

没有顾问。没有电子表格。只是结构化JSON输入，结构化估值输出。

运作原理

graph LR
    A[Claude / AI Agent] -->|MCP call| B[sme-valuation-mcp]
    B --> C{Schema Validator}
    C -->|valid| D[DCF Engine]
    C -->|valid| E[Multiples Engine]
    C -->|valid| F[Football Field]
    D & E & F --> G[Unified JSON Output]
    G --> A
    B -.->|local only| H[Excel Snapshot Engine]

快速开始

# 1. Clone & install
git clone https://github.com/PMIScoutAI/sme-valuation-mcp.git
cd sme-valuation-mcp
python -m venv .venv && .venv\Scripts\activate
pip install -r requirements.txt

# 2. Start MCP server
python -m src.mcp_server

# 3. Or use the helper script
powershell -ExecutionPolicy Bypass -File .\scripts\start_mcp.ps1

可用的MCP工具

工具 描述 返回
validate_input(payload_json) 根据JSON模式验证有效载荷 ok, errors
run_valuation(payload_json) 运行全估值（DCF+倍数+FF） 全估值JSON
get_model_spec() 返回模型规范 YAML内容
list_scenarios() 列出可用的示例场景 文件列表

用例

面向AI开发人员 将专业级估值整合到您的代理工作流程中。使用 run_valuation() 作为任何Claude或LangChain管道中的工具调用。

SaaS创始人 在您的产品中嵌入尽职调查估值层，而无需从头开始构建财务模型。分叉、适应、部署。

财务顾问 通过Claude运行可重复、可审计的估值工作流程，并将结果导出到Excel中，以便客户进行演示。

例子

示例1——准备粘贴Claude提示

Use the MCP server "sme-valuation-engine".
1. Call list_scenarios() and pick sample_inputs_1.json
2. Load that JSON and call validate_input(payload_json)
3. If valid, call run_valuation(payload_json)
4. Return: DCF enterprise value, Multiples EV, Football Field low/mid/high,
   and 3 projected revenue values

示例2——最小JSON有效负载

{
  "meta": { "company_name": "Acme SME", "currency": "EUR", "years": 5 },
  "actuals": {
    "revenue": [12.5, 13.1, 14.0],
    "ebitda": [2.1, 2.3, 2.6],
    "nfp": 4.5
  },
  "assumptions": {
    "tax_rate": 0.27, "wacc": 0.11, "terminal_growth": 0.02,
    "revenue_cagr": 0.06, "ebitda_margin": 0.19,
    "capex_pct_revenue": 0.04, "nwc_pct_revenue": 0.03
  },
  "multiples": { "ev_ebitda_multiple": 7.5, "ev_ebit_multiple": 10.0 }
}

预期产出部分：

  • projections.revenue · projections.ebitda · projections.fcf
    • valuation.dcf.enterprise_value · valuation.dcf.equity_value
      • valuation.multiples.enterprise_value · valuation.multiples.equity_value

        • valuation.football_field.low · valuation.football_field.mid · valuation.football_field.high

        • 示例3——在没有MCP的情况下运行发动机

        • python -m src.engine.run \
  --input data/samples/sample_inputs_1.json \
  --schema spec/schema.json \
  --output data/samples/sample_output_1.json

          示例4——验证输入形状

          python -m unittest tests/test_schema_validation.py -v

          需求

          要求 注意事项
          Python 3.11+ 核心运行时
          Windows（本地） 仅Excel快照生成需要
          Microsoft Excel（本地） 仅Excel快照生成需要
          Render/Linux 完全远程MCP运行时（不依赖Excel）

          在渲染上部署

          # Push to GitHub, then on render.com:
# New → Web Service → connect repo → select this repo
# Render auto-detects Python via Procfile

# Verify deployment:
GET https://<your-domain>/health  →  {"ok": true}

# Your MCP endpoint:
https://<your-render-domain>/mcp

          ℹ️ Excel快照功能仅限于本地（Windows+xlwings）。

          核心估值引擎完全在Render Linux上运行。

          联系克劳德

          在客户端配置中注册此MCP服务器：

          {
  "mcpServers": {
    "sme-valuation-engine": {
      "command": "python",
      "args": ["-m", "src.mcp_server"]
    }
  }
}

          最小配置模板可在 mcp_config.example.json.

          项目结构

          src/
  engine/           # Valuation logic (DCF, Multiples, Football Field)
  mcp_server.py     # MCP server entrypoint
spec/
  model_spec.yaml   # Data contract
  schema.json       # Input validation schema
  golden_snapshots/ # Numeric regression baselines
data/samples/       # Sample inputs & outputs
tests/              # Test suite
scripts/            # Helper scripts (start, publish)

          测试

          # Run all tests
python -m unittest discover -s tests -p "test_*.py" -v

# Excel baseline snapshots (local only)
python src/excel/compute_snapshot_xlwings.py \
  --excel SME_datapack.xlsx \
  --golden-outputs spec/golden_outputs.yaml \
  --output spec/golden_snapshots/snapshot_1.json \
  --scenario baseline \
  --inputs data/samples/sample_inputs_2.json

          路线图

          • []息税折旧摊销前利润标准化模块

          • []-[]支持多种货币

          • []-[]特定部门的多个数据库

          • []-[]OpenAI/LangChain工具适配器

          • []-[]面向非技术用户的Web UI

          • [ ] ---

          • []##贡献

          • []欢迎发布PR和问题。看 贡献.md.

          • []已标记的问题 good first issue 这是一个很好的起点。

          • [ ] ---

          • []##状态

          • []|组件|状态|

          • [ ] |-----------|--------|

          • []|估值引擎v1|✅ 准备好了|

          • []|架构验证|✅ 准备好了|

          • []|MCP服务器|✅ 准备好了|

          • []|渲染部署|✅ 准备好了|

          • []| Excel基线快照|✅ 就绪（仅限本地）|

          • [ ] ---

          • []##许可证

          • []麻省理工学院——免费使用、分叉和商业化调整。

          • [ ] ---

          • [ ]

          如果这能节省你的时间，a⭐ 帮助别人找到它。

          建造于 PMIScoutAI · 打开一个问题 · 分叉与延伸

相关 MCP