使用说明
FinBERT MCP服务器
这是一个轻量级的MCP（模型上下文协议）服务器，提供对FinBERT模型的访问，用于金融情绪分析。它使AI代理和LLM能够使用专门的BERT模型分析财务文本，该模型对财务数据进行了微调，并针对生产使用进行了优化。
特性
- 🔧 MCP协议：基于模型上下文协议构建，实现无缝的人工智能集成
- 🤖 轻量级FinBERT模型：专注于情绪分析以获得最佳性能
- 🚀 懒加载：模型按需加载，以实现高效的内存使用
- 📊 批处理：通过批量情感操作高效分析多个文本
- 🐳 Docker支持：使用Docker和Docker Compose轻松部署
- ⚡ 异步操作：内置FastMCP，实现高效异步处理
- 🎯 生产就绪：针对生产环境进行了优化，资源使用率最低
模型信息
此服务器提供对轻量级FinBERT模型的访问：
- 进程AI/finbert：用于金融情绪分析的原始FinBERT模型-针对生产用途进行了优化
可用工具
此轻量级服务器提供以下工具：
1. finbert_sentiment_analysis
使用FinBERT模型分析金融文本的情绪。
参数：
text（string）：用于分析情绪的金融文本
退货：
sentiment：预测情绪（积极、消极、中性）confidence：置信度得分（0-1）all_scores：所有带有分数的情绪预测数组model_used：用于分析的模型名称timestamp：分析时间戳
2. analyze_financial_text_batch
批量分析多个财务文本，提高情绪分析效率。
参数：
texts（array）：要分析的财务文本列表（最多50个）analysis_type（string）：分析类型（仅支持“情绪”）
退货：
results：每个文本的情绪分析结果数组analysis_type：分析类型（“情绪”）model_used：用于分析的模型名称total_texts：处理的文本数量
3. get_finbert_model_info
获取有关FinBERT模型及其当前状态的信息。
退货：
models：有关可用型号的信息supported_operations：可用工具列表limitations：型号限制（文本长度、批量大小）documentation：相关文件的链接
安装
使用Docker（推荐）
-
克隆此存储库：
git clone https://github.com/Traia-IO/finbert-mcp-server.git cd finbert-mcp-server -
使用Docker运行：
./run_local_docker.sh
使用Docker Compose
-
创建一个
.env使用您的配置文件：PORT=8000 LOG_LEVEL=INFO -
启动服务器：
docker-compose up
手动安装
-
使用安装依赖项
uv:uv pip install -e . -
运行服务器：
uv run python -m server
用法
健康检查
测试服务器是否正在运行：
python mcp_health_check.py
使用CrewAI
from traia_iatp.mcp.traia_mcp_adapter import create_mcp_adapter
# Connect to the MCP server
with create_mcp_adapter(
url="http://localhost:8000/mcp/"
) as tools:
# Use the tools
for tool in tools:
print(f"Available tool: {tool.name}")
# Example: Analyze sentiment of financial text
result = await tool.finbert_sentiment_analysis(
text="The company reported strong quarterly earnings, exceeding expectations."
)
print(f"Sentiment: {result['sentiment']}, Confidence: {result['confidence']}")
# Example: Batch sentiment analysis
texts = [
"Revenue growth exceeded forecasts this quarter.",
"The company faces regulatory challenges ahead.",
"Investment in new technology platforms shows promise."
]
result = await tool.analyze_financial_text_batch(
texts=texts,
analysis_type="sentiment"
)
print(f"Batch sentiment analysis completed for {result['total_texts']} texts")
# Example: Get model information
result = await tool.get_finbert_model_info()
print(f"Available models: {list(result['models'].keys())}")
示例响应
情感分析
{
"status": "success",
"sentiment": "positive",
"confidence": 0.8945,
"all_scores": [
{"label": "positive", "score": 0.8945},
{"label": "neutral", "score": 0.0892},
{"label": "negative", "score": 0.0163}
],
"text_length": 67,
"model_used": "ProsusAI/finbert",
"timestamp": "2024-01-15T10:30:00Z"
}
批次分析
{
"status": "success",
"analysis_type": "sentiment",
"model_used": "ProsusAI/finbert",
"total_texts": 3,
"results": [
{
"index": 0,
"text": "Revenue growth exceeded forecasts this quarter.",
"prediction": "positive",
"confidence": 0.9234,
"all_scores": [...]
},
// ... more results
],
"timestamp": "2024-01-15T10:30:00Z"
}
发展
测试服务器
- 在本地启动服务器
- 运行健康检查：
python mcp_health_check.py - 使用CrewAI适配器测试单个工具
模型加载
模型在首次使用时延迟加载，并缓存以备后续请求。服务器在启动后启动一个后台线程来预加载模型，以获得更好的性能。
添加新工具
要添加新工具，请编辑 server.py 以及：
- 如果需要，创建新的模型初始化函数
- 添加
@mcp.tool()装饰功能 - 使用新工具更新此README
- 更新
deployment_params.json工具名称位于功能数组中
部署
部署配置
这 deployment_params.json 文件包含此MCP服务器的部署配置：
{
"github_url": "https://github.com/Traia-IO/finbert-mcp-server",
"mcp_server": {
"name": "finbert-mcp",
"description": "Lightweight pre-trained BERT-based model fine‑tuned on financial text for sentiment analysis (positive/negative/neutral), optimized for production use.",
"server_type": "streamable-http",
"requires_api_key": false,
"capabilities": [
"finbert_sentiment_analysis",
"analyze_financial_text_batch",
"get_finbert_model_info"
]
},
"deployment_method": "cloud_run",
"gcp_project_id": "traia-mcp-servers",
"gcp_region": "us-central1",
"tags": ["finbert", "financial", "sentiment", "analysis", "bert", "nlp", "ai", "text-processing", "lightweight", "production-ready"],
"ref": "main"
}
重要：始终更新 capabilities 添加或删除工具时使用数组！
谷歌云运行
此服务器旨在部署在Google Cloud Run上。部署将：
- 从Dockerfile构建一个容器
- 使用指定配置部署到Cloud Run
- 暴露
/mcp客户端连接的端点
环境变量
PORT：服务器端口（默认值：8000）STAGE：环境阶段（默认：MAINNET，选项：MAINNET、TESTNET）LOG_LEVEL：日志记录级别（默认值：INFO）
型号规格
文本限制
- 最大文本长度：512个字符（文本会自动截断）
- 批量大小限制：每批请求50条文本
- 支持的语言：仅限英语
演出
- 模型按需加载（延迟加载）
- 后台预加载以获得更好的性能
- 为后续请求缓存模型
- 高效的批处理
故障排除
- 服务器未启动：使用以下命令检查Docker日志
docker logs <container-id> - 连接错误：确保服务器在预期端口上运行
- 工具错误：检查服务器日志以获取详细的错误消息
- 模型加载问题：确保有足够的内存和磁盘空间用于模型下载
- CUDA错误：GPU支持是可选的；如果CUDA不可用，模型将在CPU上运行
贡献
- 分叉存储库
- 创建要素分支
- 实施新工具或改进
- 更新README和deployment_params.json
- 提交拉取请求