AI导哈

金融合规分析系统

一个基于A2A协议和MCP服务器架构的模块化多代理系统，用于自动化金融机构的合规分析，通过检索增强生成（RAG）和大语言模型（LLMs）生成详细的合规报告。

  • by sachin0034
  • Python
  • 本地部署
  • 1 星标
  • 更新于
在 GitHub 查看 sachin0034/financial-risk-and-compliance-manager---a2a

使用说明

财务风险与合规经理-综合文档

🎥 视频演示

请查看 视频演示

专有软件通知

该软件是专有和机密的。严禁未经授权通过任何媒介复制、分发或使用本软件。

1.工程概况

具有A2A协议和MCP服务器架构的金融风险与合规管理器是一个模块化的多代理系统，旨在自动化金融机构的合规分析。它利用代理到代理（A2A）协议进行代理间通信，利用模型上下文协议（MCP）服务器对生成式人工智能工具进行标准化访问，如检索增强生成（RAG）和大型语言模型（LLM）。该系统对监管文件进行索引，检索相关上下文，并通过涉及多个代理的协作工作流生成详细的合规报告。与传统的合规系统相比，这种方法提供了更高的准确性、效率和可扩展性。

🧩 建筑

系统架构由以下组件组成：

  • 流线型前端： 一个用户友好的界面，用于提交合规查询和查看结果。
  • MCP服务器： 一个集中式服务器，提供对生成式人工智能工具的访问，例如使用LangChain和FAISS的检索增强生成（RAG），以及使用模型上下文协议（MCP）的大型语言模型（LLM）。
  • 代理人： 一组专门的代理，包括配置文件检查器、风险报告器和合规性查询器，它们使用代理到代理（A2A）协议进行协作，以执行合规性分析。
  • 法规PDF： 一组监管文件，作为合规检查的知识库，由MCP服务器的RAG功能索引。

🔄 系统架构图

sequenceDiagram
    participant UI as Streamlit Frontend
    participant MCP as MCP Server (Flask)
    participant Agent2 as Risk Reporter
    participant Agent1 as Profile Checker
    participant Agent3 as Compliance Querier

    UI->>Agent2: 1. Sends query (via MCP)
    Agent2->>Agent1: 2. Requests client profile (A2A)
    Agent1-->>Agent2: 3. Returns profile data (A2A)
    Agent2->>MCP: 4. Queries regulation context
    MCP-->>Agent2: 5. Returns context
    Agent2->>Agent3: 6. Sends risk report (A2A)
    Agent3->>MCP: 7. Queries compliance details
    MCP-->>Agent3: 8. Returns compliance response
    Agent3-->>Agent2: 9. Sends final report (A2A)
    Agent2-->>UI: 10. Returns result (via MCP)

图表注释:

  • A2A通信：使用A2A协议显示了直接代理到代理的交互（例如，代理2到代理1，代理2和代理3）。
  • MCP服务器角色MCP服务器充当一个集中式中心，提供对RAG服务（使用LangChain和FAISS）和LLM的访问。代理与MCP服务器交互以检索法规上下文和合规性详细信息。
  • 综合RAG服务：RAG功能嵌入在MCP服务器中，该服务器对监管文件进行索引并处理来自代理的检索请求。

2.A2A通信协议

2.1什么是A2A协议？

代理到代理（A2A）协议是一个标准化的通信框架，使自主代理能够相互交互和协作。在这个项目中，我们实现了A2A协议，以促进专业代理之间的无缝通信，每个代理负责合规性分析的不同方面。

2.2 A2A在本项目中的实施

我们的系统通过以下方式实现A2A协议：

  1. 直接HTTP通信

    • 代理使用RESTful HTTP端点直接相互通信
    • 每个代理都公开特定的端点以接收和发送数据
    • 通信遵循标准化的JSON消息格式

  2. 代理通信流程

    • 配置文件检查器→ 风险报告员：发送客户端配置文件分析结果
    • 风险报告员→ 合规查询员：传输风险评估数据
    • 合规查询员→ 风险报告员：返回合规性分析结果

2.3代理通信矩阵

从代理 到代理 通信类型 目的
风险报告员 档案检查器 请求 获取客户档案分析
档案检查器 风险报告员 响应 发送档案分析结果
风险报告员 合规查询员 请求 发送风险评估以进行合规检查
合规查询员 风险报告员 响应 返回合规分析结果

2.4 A2A协议的优点

  • 解耦架构：代理可以独立开发和维护
  • 可扩展性：可以添加新代理，而无需修改现有代理
  • 容错：单个代理故障不会影响整个系统
  • 标准化沟通：所有代理的消息格式一致
  • 可追溯性：每次通信都会记录时间戳和元数据

3.核心部件

3.1前端（app.py）

  • 使用Streamlit构建
  • 提供用户友好的界面，用于提交合规性查询
  • 以现代的基于卡片的UI显示结果
  • 允许配置RAG设置和其他参数

3.2 MCP服务器（MCP_Server.py）

  • 充当人工智能服务的中心枢纽
  • 使用LangChain和FAISS实现检索增强生成（RAG）
  • 管理对大型语言模型（LLM）的访问
  • 处理文档索引和检索

3.3代理系统（A2A协议）

该系统使用三个使用A2A协议进行通信的专用代理：

  1. 配置文件检查器（agent1_Profile_Checker.py）

    • 端口：5001
    • 角色：分析JSON文件中的客户端配置文件
    • 地点： client/ 目录
    • 目的：验证和处理客户信息

  2. 风险报告员（agent2_Risk_Reporter.py）

    • 端口：5002
    • 角色：协调合规性分析工作流程
    • 与其他代理进行沟通
    • 生成风险评估报告

  3. 合规性查询器（agent3_Compliance_Querier.py）

    • 端口：5003
    • 角色：执行详细的合规性检查
    • 查询监管文件
    • 生成合规报告

3.4数据组件

PDF文件（在数据/目录中）

该系统使用几个监管文件：

  • aml_bsa_manual.pdfFFIEC BSA/AML 考试手册
  • aml_31cfr.pdf：31 CFR第十章-BSA法规
  • sec_iaa40.pdf1940年《投资顾问法》
  • sec_rule_206_4_1.pdf：美国证券交易委员会规则206（4）-1

这些PDF作为合规性检查的知识库，并由MCP服务器的RAG功能进行索引。

JSON文件（位于客户端/目录中）

  • 包含客户端配置文件数据
  • 由配置文件检查器代理使用
  • 用于合规性分析的结构化数据

4.工作流程

  1. 查询提交

    • 用户通过Streamlit UI提交合规性查询
    • 查询通过MCP服务器发送到Risk Reporter代理

  2. 配置文件分析

    • Risk Reporter向配置文件检查器请求客户配置文件
    • 配置文件检查器分析客户端JSON数据
    • 结果返回给风险报告员

  3. 监管背景

    • Risk Reporter向MCP服务器查询相关法规上下文
    • MCP服务器使用RAG从PDF中查找相关部分
    • 上下文返回给风险报告员

  4. 合规性分析

    • 风险报告员将数据发送给合规查询员
    • 合规性查询器执行详细的合规性检查
    • 生成最终报告并返回UI

5.技术实施

5.1 A2A协议

  • 代理使用HTTP直接相互通信
  • 每个代理在不同的端口（5001-5003）上运行
  • 通信是标准化的，遵循特定的协议

5.2 RAG实施

  • 使用LangChain进行文档处理
  • FAISS用于向量存储和相似性搜索
  • PDF被分块和索引，以实现高效检索

5.3配置

  • API键的环境变量
  • 可配置的RAG设置（块大小、重叠）
  • 模块化设计，易于扩展

6.设置和使用

6.1安装

  1. 克隆存储库：

    git clone https://github.com/sachin0034/Financial-Risk-and-Compliance-Manager---A2A.git
cd Financial-Risk-and-Compliance-Manager---A2A

  2. 安装依赖项：

    pip install -r requirements.txt

    或者，如果使用诗歌或pip工具，请使用 pyproject.toml.

6.2启动服务

  1. 准备法规文件：

    • 将您的法规PDF放在 data/ 目录。

  2. 准备客户资料：

    • 将您的客户端JSON文件放在 client/ 目录。

  3. 设置环境变量（如果需要）：

    • 例如，对于OpenAI：
      export OPENAI_API_KEY=your-openai-api-key
    • 您还可以使用 .env 文件。

  4. 启动MCP服务器：

    python mcp_server.py

  5. 启动代理（在单独的终端中或作为后台进程）：

    python agents/agent1_server.py
python agents/agent2_server.py
python agents/agent3_server.py

  6. 运行Streamlit UI：

    streamlit run app.py

  7. 访问应用程序：

6.3服务端口

组件 命令 默认端口
MCP服务器 python mcp_server.py 5000
代理人1（个人资料） python agents/agent1_server.py 5001
代理人2（风险） python agents/agent2_server.py 5002
代理人3（合规） python agents/agent3_server.py 5003
流线型UI streamlit run app.py 8501

7.配置

7.1文件结构

  • 客户简介： 将JSON文件放入 client/ 目录
  • 法规数据： 发生在 data/ 目录
  • RAG设置： 在UI侧栏中配置块大小、重叠和向量数据库
  • 环境变量： 使用 .env API密钥的文件（例如，OpenAI、Google Cloud）

7.2环境变量

创建一个 .env 包含以下变量的文件：

OPENAI_API_KEY=your-openai-api-key

相关 MCP