从0-1手搓一个股票量化分析的MCP

所以自己做了个有业务逻辑的Demo
用股票进行量化分析
这是Agent-应用场景系列的开篇
通过实际开发对AI基础设施未来需求有了更清晰认知
后续会分享 Agent System和算法优化的内容

模型输出结果已上传GitHub
仅为测试MCP应用
不构成投资建议

什么是MCP 从实际场景说起
LLM预训练数据存在时效性问题
金融量化交易场景需要实时数据
还需要垂直领域专业知识
虽然可以通过爬虫工具和RAG方式融入知识
但更希望大模型能理解自然语义并自动执行

举个例子
初级金融分析师的工作流程
分析某股票过去一个月走势
在雪球股吧等平台分析投资者情绪
对公告信息进行分析
构建投资建议
这需要融合日线数据、公司公告、投资者反馈
如果分析多个标的需要写一系列爬虫代码
Function Calling的演进  Function Calling 的演进
OpenAI GPT引入Function Calling能力
OpenAI GPT 引入 Function Calling 能力
Claude和Gemini也有类似tool use功能
但各家调用参数格式都不同
无法为每个模型去适配
实测干货分享
详细测评过程和结果分析
真实业务场景下的表现对比
踩坑经验和解决方案
想了解更多屏论趋扣1️⃣
后续会持续分享Agent开发实战经验

#AI开发 #Agent #量化分析 #MCP工具 #AI工具 #工作流 #超级个体 #股票