2025年金融投研工具Fin MCP Server

一、簡介

人工智能（AI）和大型語言模型（LLMs）在近年來取得了顯著的進(jìn)步，其強(qiáng)大的文本理解和生成能力已使 其在各行各業(yè)得到日益廣泛的應(yīng)用。然而，盡管 LLMs 在處理自然語言方面表現(xiàn)出色，但它們也存在一些固有 的局限性。例如，它們主要依賴于訓(xùn)練數(shù)據(jù)，缺乏對(duì)實(shí)時(shí)信息的直接訪問能力，并且與外部工具進(jìn)行交互的方 式也缺乏統(tǒng)一的標(biāo)準(zhǔn)。模型上下文協(xié)議（MCP）正是一種旨在解決這些局限性的新興技術(shù)，通過提供一種標(biāo)準(zhǔn) 化的方式將 LLMs 與外部數(shù)據(jù)源和工具連接起來，從而顯著增強(qiáng)其功能和應(yīng)用范圍。 本報(bào)告旨在深入探討 MCP 的定義、目標(biāo)、設(shè)計(jì)原理、技術(shù)規(guī)范、應(yīng)用場景、優(yōu)勢、局限性，并將其 應(yīng)用于金融領(lǐng)域，構(gòu)建了 Fin MCP Server，F(xiàn)in MCP Server 不僅支持多種數(shù)據(jù)提取和分析工具，還集成了量 化研究中的關(guān)鍵功能，如策略回測和因子優(yōu)化。通過與 AI 代碼編輯工具（如 Cursor 和 Trae）結(jié)合，F(xiàn)in MCP Server 能夠?qū)崿F(xiàn)從數(shù)據(jù)獲取到策略執(zhí)行的自動(dòng)化，也能夠在一些 AI 助手，如 Cherry Studio 或者手機(jī) APP 中進(jìn)行調(diào)用，極大地提高了研究效率。

二、MCP 介紹

2.1 背景

在 AI 集成中，傳統(tǒng)做法是為每個(gè)數(shù)據(jù)源或工具（如 GitHub、Slack 或企業(yè)數(shù)據(jù)庫）開發(fā)定制接口。這種方 法導(dǎo)致了“M×N 問題”：M 個(gè) AI 應(yīng)用需要與 N 個(gè)工具或系統(tǒng)集成，產(chǎn)生 M×N 個(gè)定制實(shí)現(xiàn)。這不僅增加了開 發(fā)工作量，還導(dǎo)致實(shí)現(xiàn)不一致，難以維護(hù)和擴(kuò)展。此外，AI 模型通常無法直接訪問實(shí)時(shí)數(shù)據(jù)，限制了其生成上 下文相關(guān)響應(yīng)的能力。 MCP 通過提供標(biāo)準(zhǔn)化的協(xié)議，將 M×N 問題簡化為 M+N 問題。工具創(chuàng)建者開發(fā) N 個(gè) MCP 服務(wù)器（每個(gè)系 統(tǒng)一個(gè)），而 AI 應(yīng)用開發(fā)者構(gòu)建 M 個(gè) MCP 客戶端（每個(gè)應(yīng)用一個(gè)）。這種方法類似于 USB 標(biāo)準(zhǔn)，允許不同設(shè)備 通過統(tǒng)一接口連接，從而顯著降低集成復(fù)雜性。MCP 還支持在不同 LLM 提供商之間切換，增強(qiáng)了開發(fā)者的靈活 性。

2.2 MCP 定義

模型上下文協(xié)議（MCP）是由 Anthropic 開發(fā)一個(gè)開放標(biāo)準(zhǔn)協(xié)議，其核心目標(biāo)是為大型語言模型（LL Ms） 應(yīng)用與外部數(shù)據(jù)源和工具之間建立安全且雙向的連接，從而實(shí)現(xiàn)無縫集成 。簡單來說，MCP 就像人工智能世 界的 HTTP 協(xié)議，它為不同的 AI 模型提供了一種標(biāo)準(zhǔn)化的方式來連接各種數(shù)據(jù)來源和工具，從而極大地簡化了 AI 應(yīng)用的開發(fā)過程 。MCP 充當(dāng)了 LLMs 與外部系統(tǒng)之間的橋梁，使得 LLMs 能夠進(jìn)行結(jié)構(gòu)化的應(yīng)用程序編程接 口（API）調(diào)用，并以一種一致且安全的方式進(jìn)行交互 。

MCP 的主要目標(biāo)在于克服 LLMs 僅僅依賴于其訓(xùn)練數(shù)據(jù)的局限性，使其能夠根據(jù)需要訪問相關(guān)的上下文信 息，并執(zhí)行更為廣泛的任務(wù) 。該協(xié)議通過定義一套通用的規(guī)則和格式，使得 LLMs 應(yīng)用可以在需要時(shí)動(dòng)態(tài)地獲 取相關(guān)信息并執(zhí)行操作，從而顯著增強(qiáng)其功能和應(yīng)用范圍 。此外，MCP 的目標(biāo)還包括幫助前沿的 AI 模型產(chǎn)生 更好、更相關(guān)的響應(yīng) ，并為大型模型和外部工具之間搭建高效的信息傳遞通道，使得開發(fā)者無需為每個(gè)外部工 具編寫復(fù)雜的接口 。從更宏觀的角度來看，MCP 旨在實(shí)現(xiàn)允許系統(tǒng)向 AI 模型提供上下文信息，并且可以在不 同的集成場景中通用化，從而定義 AI 代理（Agent）的新范式 。 MCP 旨在通過允許 LLMs 訪問和利用外部數(shù)據(jù)源和工具來彌合 LLMS 缺乏實(shí)時(shí)信息和與現(xiàn)實(shí)世界互動(dòng)的能 力，使其更具動(dòng)態(tài)性和上下文感知能力。將 MCP 比作“AI 世界的 HTTP” 突顯了其成為基本通信標(biāo)準(zhǔn)的雄心， 這將會(huì)促進(jìn)一個(gè)更加互聯(lián)和互操作的人工智能生態(tài)系統(tǒng)。正如 HTTP 通過為 Web 瀏覽器和服務(wù)器提供標(biāo)準(zhǔn)化的 通信方式徹底改變了互聯(lián)網(wǎng)一樣，MCP 也旨在為 AI 模型和外部系統(tǒng)做同樣的事情。這種標(biāo)準(zhǔn)化可能會(huì)帶來更 高的效率、創(chuàng)新和人工智能領(lǐng)域的協(xié)作。

2.3 Function Calling 與 MCP

Function Calling 是大型語言模型（LLM）中的一項(xiàng)功能，允許模型在生成響應(yīng)時(shí)調(diào)用預(yù)定義的函數(shù)。這些 函數(shù)可以執(zhí)行各種任務(wù)，如獲取數(shù)據(jù)、執(zhí)行計(jì)算或與外部系統(tǒng)交互。通過 Function Calling 開發(fā)者可以擴(kuò)展模型 的能力，使其能夠處理超出純文本生成的任務(wù)。 例如，在 OpenAI 的 GPT 模型中，開發(fā)者可以定義一系列函數(shù)，并提供它們的描述和參數(shù)。模型可以根據(jù) 用戶的輸入決定是否調(diào)用這些函數(shù)，并生成相應(yīng)的函數(shù)調(diào)用參數(shù)。然后，應(yīng)用負(fù)責(zé)執(zhí)行這些函數(shù)并將結(jié)果反饋 給模型。

Function Calling 主要用于允許模型調(diào)用預(yù)定義的函數(shù)來執(zhí)行特定任務(wù)，增強(qiáng)模型的功能。例如，模型可以 通過調(diào)用函數(shù)獲取天氣信息或發(fā)送電子郵件。而 MCP 提供一個(gè)標(biāo)準(zhǔn)化的協(xié)議，用于將 AI 應(yīng)用與外部數(shù)據(jù)源和 工具集成，支持更廣泛的交互，包括資源訪問、提示模板、工具調(diào)用和采樣。MCP 旨在打破數(shù)據(jù)孤島，提升 AI 應(yīng)用的上下文感知能力。 與 MCP 相比，F(xiàn)unction Calling 平臺(tái)依賴性強(qiáng)，不同 LLM 平臺(tái)的 API 實(shí)現(xiàn)差異較大，切換模型時(shí)需要修 改代碼，增加了適配成本。

三、MCP 工作原理

3.1 框架結(jié)構(gòu)

MCP 采用客戶端-服務(wù)器架構(gòu)，核心組件包括：

MCP 主機(jī)（Hosts）：MCP 主機(jī)是一個(gè) AI 應(yīng)用，它提供了一個(gè)執(zhí)行基于 AI 的任務(wù)的環(huán)境，同時(shí)運(yùn)行MCP 客戶端，如 Claude Desktop、集成開發(fā)環(huán)境（IDE）或自定義 AI 工具，負(fù)責(zé)發(fā)起數(shù)據(jù)或工具請(qǐng) 求。

MCP 客戶端（Clients）：在主機(jī)內(nèi)運(yùn)行，負(fù)責(zé)與 MCP 服務(wù)器建立 1:1 連接，處理通信邏輯。它向 MCP 服務(wù)器發(fā)起請(qǐng)求，查詢可用的功能，并檢索描述服務(wù)器能力的響應(yīng)。這確保了主機(jī)與外部工 具之間的無縫交互。除了管理請(qǐng)求和響應(yīng)外，MCP 客戶端處理來自 MCP 服務(wù)器的通知，提供有關(guān) 任務(wù)進(jìn)度和系統(tǒng)狀態(tài)的實(shí)時(shí)更新。它還執(zhí)行采樣以收集工具使用情況和性能數(shù)據(jù)，從而實(shí)現(xiàn)優(yōu)化 和明智的決策。

MCP 服務(wù)器（Servers）：輕量級(jí)程序，暴露特定功能，如訪問本地文件、數(shù)據(jù)庫或遠(yuǎn)程 API。主要 提供三種核心功能：工具，資源以及提示詞。 MCP 客戶端與服務(wù)器間的通信基于 JSON-RPC 2.0，一種輕量級(jí)遠(yuǎn)程過程調(diào)用協(xié)議，支持高效、標(biāo)準(zhǔn)化的消 息交換。MCP 主要支持兩種傳輸機(jī)制：

標(biāo)準(zhǔn)輸入/輸出 (stdio): 這種機(jī)制適用于客戶端和服務(wù)器在同一臺(tái)機(jī)器上運(yùn)行的場景。它簡單可靠， 不需要復(fù)雜的網(wǎng)絡(luò)配置，非常適合本地開發(fā)和部署 。

通過服務(wù)器發(fā)送事件 (SSE) 的 HTTP: 在這種機(jī)制下，客戶端通過標(biāo)準(zhǔn)的 HTTP 協(xié)議與服務(wù)器建立一 個(gè)持久連接。這種方式特別適合分布式部署和跨網(wǎng)絡(luò)訪問的場景。

3.2 核心功能

MCP 服務(wù)器和客戶端可以提供多種功能：

服務(wù)器功能:

資源 (Resources): 服務(wù)器可以向客戶端提供各種形式的上下文和數(shù)據(jù)，供用戶或 AI 模型使 用。這些資源可以包括本地文件、數(shù)據(jù)庫內(nèi)容、API 返回的數(shù)據(jù)等 。

提示詞 (Prompts): 服務(wù)器可以提供預(yù)定義的模板化消息和工作流，供用戶使用。這些提示 旨在優(yōu)化 AI 的響應(yīng)和任務(wù)執(zhí)行效率，確保一致性，并適用于各種場景，如客戶支持和注 釋任務(wù) 。

工具 (Tools): 服務(wù)器可以暴露可供 AI 模型執(zhí)行的函數(shù)。這些工具使得 AI 模型能夠獲取外部 數(shù)據(jù)或執(zhí)行特定的操作，例如調(diào)用外部 API、查詢數(shù)據(jù)庫、執(zhí)行代碼等，從而擴(kuò)展了 LLMs 的能力 。

客戶端功能: o 采樣 (Sampling): 客戶端可以向服務(wù)器提供“采樣”功能，允許服務(wù)器發(fā)起代理行為和遞歸 的 LLM 交互。這為構(gòu)建更復(fù)雜和自主的工作流程提供了可能 。

3.3 工作流程

模型上下文協(xié)議（MCP）的工作流程通常涉及以下幾個(gè)關(guān)鍵步驟：

初始化：MCP 主機(jī)啟動(dòng)客戶端，連接到一個(gè)或多個(gè) MCP 服務(wù)器。

能力發(fā)現(xiàn)：客戶端通過 JSON-RPC 查詢服務(wù)器提供的資源、提示、工具和采樣能力。

交互：主機(jī)根據(jù)用戶需求調(diào)用服務(wù)器功能，例如檢索資源數(shù)據(jù)或執(zhí)行工具。

響應(yīng)：服務(wù)器處理請(qǐng)求并返回結(jié)果，客戶端將結(jié)果傳遞給主機(jī)，供 AI 生成響應(yīng)。 這種標(biāo)準(zhǔn)化流程確保了 AI 應(yīng)用與不同數(shù)據(jù)源和工具的無縫交互。

3.4 生態(tài)系統(tǒng)

作為一個(gè)開放標(biāo)準(zhǔn)，MCP 鼓勵(lì)更多的開發(fā)者參與其中，共同創(chuàng)建更多功能強(qiáng)大的工具和服務(wù)器，從而形成一 個(gè)繁榮的 AI 應(yīng)用生態(tài)系統(tǒng) 。自 2024 年 11 月發(fā)布以來，MCP 協(xié)議迅速吸引了 AI 公司的關(guān)注，尤其在今年 3 月 份 Manus 發(fā)布之后，各類基于 MCP 的復(fù)現(xiàn)框架使得各家迅速加大 MCP 布局，OpenAI 也在 3 月底對(duì) A gent SDK 進(jìn)行了重大更新支持 MCP 服務(wù)，目前已有超過 1 萬個(gè) MCP Server 工具。為各類 AI 工具開發(fā)帶來的極大 的便利。

除了 Server 端外，目前 AI 客戶端也紛紛加入對(duì)于 MCP 的支持。使得用戶能夠輕松連接各類 MCP Server。包 括：Anthropic 官方的 Claude Desktop，提供了完全支持 MCP 協(xié)議，包括資源（Resources）、提示 詞 模板 （Prompt Templates）、工具集成（Tool Integration）和本地服務(wù)器連接（Local Server Connections）；IDE 工具， Cursor 以及 Trae，通過數(shù)據(jù)交互與代碼執(zhí)行，能夠規(guī)劃完成各類復(fù)雜任務(wù)；VS Code 插件 Cline，支持各類 MCP Server 以及 LLMs；AI 對(duì)話工具 Cherry Studio，集成眾多 AI 功能，方便調(diào)用等。

四、Fin MCP Server

Fin MCP Server 是我們開發(fā)的一個(gè)金融研究類 MCP Server，提供了本地及云端兩種部署方式，集成各種投研工 具，可以解決主觀研究以及量化研究中的以下痛點(diǎn)： 主觀研究員快速使用數(shù)據(jù)提取分析工具（數(shù)據(jù)提取、論文查詢、新聞研報(bào)總結(jié)、指標(biāo)計(jì)算、圖表生成 等）以及構(gòu)建量化策略（策略回測，績效分析）。 將量化研究員日常頻繁使用的工具（數(shù)據(jù)庫接口、因子計(jì)算、因子優(yōu)化）加入 Fin MCP Server，使用對(duì) 話形式完成日常工作 。 其他一些大模型分析工具（AI 市場總結(jié)、個(gè)股總結(jié)等）。 自定義功能等。

4.1 MCP Server 開發(fā)

開發(fā)者可以按照 MCP 協(xié)議規(guī)范開發(fā) Server，Anthropic 提供了 Python、TypeScript、Java、Kotlib、C# 等 SDK 方便開發(fā)者開發(fā) Server。 以 Python SDK 為例，在 Server 端需要實(shí)現(xiàn)以下功能：創(chuàng)建公開資源、提示和工具的 MCP 服務(wù)器。 使用標(biāo)準(zhǔn)傳輸方式，如 stdio 和 SSE。處理所有 MCP 協(xié)議消息和生命周期事件。 在開發(fā)時(shí)，可以使用官方的 FastMCP 包進(jìn)行開發(fā)，F(xiàn)astMCP 服務(wù)器是 MCP 協(xié)議的核心接口，它能夠自動(dòng)處 理連接管理、協(xié)議合規(guī)性和消息路由。

同時(shí)，Anthropic 也提供了更加底層的開發(fā)工具 Low-level Server，Low-Level Server 能夠獲得更多控制，可以 完全訪問協(xié)議，并允許自定義服務(wù)器的各個(gè)方面，包括通過 lifespan API 進(jìn)行生命周期管理。但是經(jīng)過我們實(shí)測， 目前部分 Client 對(duì)于 Low-level Server 的支持存在問題，需要開發(fā)者根據(jù)實(shí)際情況進(jìn)行選擇。

4.2 Fin MCP Server 介紹

Fin MCP Server 是我們精心打造的金融研究 MCP Server，旨在為金融研究人員提供高效、智能的研究工具。

4.2.1 主要功能

Fin MCP Server 提供了本地及云端兩種部署方式，集成各種投研工具。主要功能包括： 數(shù)據(jù)提取：獲取各類公開數(shù)據(jù)，包括行情，新聞，研報(bào)摘要，論文等 。數(shù)據(jù)分析：計(jì)算技術(shù)指標(biāo)，因子 ICIR 等 。策略回測：結(jié)合 IDE 構(gòu)建交易策略并執(zhí)行回測代碼，分析策略績效 。 市場分析：結(jié)合行情、新聞、研報(bào)對(duì)市場或者個(gè)股的 AI 復(fù)盤功能 。 因子優(yōu)化：結(jié)合 LLM 對(duì)已有因子的 ICIR 進(jìn)行優(yōu)化。 其他定制功能等。

4.2.2 部署方法

MCP 兩種傳輸機(jī)制：標(biāo)準(zhǔn)輸入/輸出 (stdio)以及服務(wù)器發(fā)送事件 (HTTP SSE) 。其中 stdio 簡單可靠，一般用 于客戶端和服務(wù)器部署在同一機(jī)器的場景。而 SSE 客戶端通過標(biāo)準(zhǔn)的 HTTP 協(xié)議與服務(wù)器建立一個(gè)持久連接， 這種方式特別適合分布式部署和跨網(wǎng)絡(luò)訪問的場景。 以 stdio 為例，我們在 VS Code 的 Cline 插件中部署本地 Fin MCP Server。首先在 VS Code 的插件市場中安裝 Cline 插件，點(diǎn)擊插件右上角的 MCP Server 會(huì)出現(xiàn)相關(guān)選項(xiàng)，其中 marketplace 為社區(qū)公開的 MCP Server，提供 了各種豐富的功能。

如果 MCP Server 在本地運(yùn)行，需要通過在 Installed 中配置相關(guān)的 MCP Server config。配置方法如下圖所 示。Config 中核心為 server 的運(yùn)行命令，這里我們使用 uv 來進(jìn)行代碼管理和運(yùn)行，uv 是基于 Rust 語言開 發(fā)的下一代 Python 包管理工具，旨在替代傳統(tǒng)的工具鏈（如 pip、virtualenv、poetry 等），提供一站式解 決方案。配置完成后，LLM 即可根據(jù)對(duì)話內(nèi)容自主選擇是否調(diào)用相關(guān)工具。在 Cursor/Trae 中也支持通過 config 方式配置 MCP Server。

如果將Fin MCP Server部署在遠(yuǎn)程服務(wù)器上，可以在Cline的config 中進(jìn)行配置，也可以在Remote Servers 進(jìn)行配置，Remote Servers 配置方法比較簡單，在遠(yuǎn)程服務(wù)器上以 SSE 模式運(yùn)行 MCP Server 之后，在 Cline 端只需要填寫 Server Name 和 Server URL 即可。

SSE 模式下，相關(guān)的代碼無需再本地運(yùn)行，因此 client 端無需具備代碼運(yùn)行的環(huán)境和功能，這樣帶來的 好處是可以在一些支持 MCP 的 AI 工具，例如 Cherry Studio 或者手機(jī) APP 上使用 Fin MCP Server。

4.3 Fin MCP Server 使用

Fin MCP Server 部署完成后，會(huì)展示目前所支持工具列表，接下來以一些具體任務(wù)為樣例展示 Fin MCP 的功 能。

4.3.1 數(shù)據(jù)提取分析

Fin MCP Server 可以提取指數(shù)/個(gè)股的行情數(shù)據(jù)，并結(jié)合大模型對(duì)行情進(jìn)行解讀。

Fin MCP Server 也支持宏觀，策略研報(bào)摘，新聞的提取分析等。

4.3.2 AI 實(shí)時(shí)復(fù)盤

利用以上實(shí)時(shí)獲取的行情，研報(bào)，新聞信息，再結(jié)合大模型綜合分析的能力可以構(gòu)建 AI 實(shí)時(shí)復(fù)盤工具。

4.3.3 指標(biāo)計(jì)算

除了以上文本分析的功能之外，F(xiàn)in MCP Server 同時(shí)支持各類技術(shù)指標(biāo)的計(jì)算并進(jìn)行分析。

4.3.4 交易策略構(gòu)建及回測

結(jié)合 cursor 強(qiáng)大的代碼能力以及 Fin MCP Server 提供的數(shù)據(jù)，我們可以利用 LLM 自動(dòng)構(gòu)建交易策略并進(jìn) 行回測，在 cursor 中會(huì)自動(dòng)運(yùn)行代碼，且進(jìn)行 debug，省去了大量的工作，甚至可以讓 LLM 自行對(duì)策略進(jìn) 行優(yōu)化。

4.3.5 因子分析及優(yōu)化

在“逐鹿”專題報(bào)告（二十三）中，結(jié)合 LLM 的分析推理能力，我們構(gòu)建了 AI Workflow 用于因子的生成 和改進(jìn)，我們將其中相應(yīng)的工具集成進(jìn) Fin MCP Server 之中，便可隨時(shí)進(jìn)行因子的分析與優(yōu)化工作。 目前 Fin MCP Server 支持各類時(shí)序、截面算子，且采用了緩存，流式計(jì)算，Cython 的方法進(jìn)行了優(yōu)化，能 夠高效快速的進(jìn)行因子計(jì)算及驗(yàn)證。

在進(jìn)行因子優(yōu)化時(shí)，只需提供相應(yīng)的因子表達(dá)式即可，以 Ts_max(high-low,20)/close 為例，經(jīng)過 5 輪優(yōu)化， LLM 新構(gòu)建的因子 IC 從-0.069 提升到-0.078，提升了 13%，效果顯著。

五、總結(jié)

本文深入探討了模型上下文協(xié)議（MCP）的定義、目標(biāo)、設(shè)計(jì)原理及其在金融領(lǐng)域的應(yīng)用。MCP 作為一種新 興技術(shù)，通過提供標(biāo)準(zhǔn)化的協(xié)議，成功地將大型語言模型（LLMs）與外部數(shù)據(jù)源和工具無縫連接，顯著提升了 AI 應(yīng)用的功能性和靈活性。Fin MCP Server 是我們開發(fā)的一個(gè)金融領(lǐng)域 MCP Server，不僅支持多種數(shù)據(jù)提取和 分析工具，還集成了量化研究中的關(guān)鍵功能，如策略回測和因子優(yōu)化。通過與 AI 代碼編輯工具（如 Curs or 和 Trae）結(jié)合，F(xiàn)in MCP Server 能夠?qū)崿F(xiàn)從數(shù)據(jù)獲取到策略執(zhí)行的自動(dòng)化，也能夠在一些 AI 助手，如 Cherry Studio 或者手機(jī) APP 中進(jìn)行調(diào)用，極大地提高了研究效率。其支持本地和云端兩種部署方式，使得用戶可以根據(jù)自身 需求靈活選擇。

編輯：火腿腸