【專題報告】AI投研工具研究之一：華創金工MCP配置與使用.pdf

AI大模型正在重塑金融投研的基礎設施，但"數據孤島"和"工具割裂"仍是制約投研效率的核心瓶頸。華創證券金融工程團隊基于MCP（Model Context Protocol）開放協議，構建了一套面向投研場景的AI工具服務體系，試圖通過標準化接口將分散的數據庫、知識庫、量化模型與AI人設統一封裝，使AI從"泛泛而談的聊天助手"進化為"可溯源、可組合、可沉淀的專業投研搭檔"。

研究目的與核心架構

該報告旨在系統介紹華創金工MCP服務的技術架構、工具能力與配置方法，為買方、賣方專業研究員及希望在AI工作流中接入金融數據的團隊提供基礎設施參考。MCP采用客戶端-服務端架構，底層使用JSON-RPC 2.0通信，核心協議包括initialize、tools/list、tools/call等方法，支持自動發現與即插即用。

工具能力全景

服務當前提供23個工具，分為7大類別：投研分析類（公司速覽、行業報告、形態學信號）、數據查詢類（A股財務數據庫、公募重倉股、產業鏈、基金經理檔案）、知識與輿情類（知識庫全文檢索）、資訊與公眾號類（財經新聞、微信賬號/文章/正文）、實用工具類（身份證、區號、農歷、天氣、手機號）、首席與大師類（22位賣方首席與29位投資大師的AI人設對話）、文件類（工作區文件保存與讀取）。

核心結論

通過MCP服務，投研工作的重心從"找數據"回歸"想問題"。該服務解決了數據孤島、AI能力與數據源割裂、工具切換成本高、能力無法按需組合等傳統痛點，實現一個對話入口、AI自動編排的工作流。同時，報告明確區分了MCP與Skills的定位差異：MCP是遠程數據服務的執行引擎，Skills是本地流程的知識封裝，兩者可協同工作。