Token导航 LogoToken导航

MCP Server · 金融服务

kaggle capstone financial agent

一个基于谷歌Agent开发套件(ADK)构建的多代理金融决策支持系统,通过并行代理、序列代理和循环代理等高级概念,帮助用户做出明智的金融决策。

stdio官方级别未说明来源级核验工具 4
金融数据Python数据分析

快速开始

作者 / 组织
akash-8991
提供方
akash-8991
运行时
Python

工具数量

4

来源目录标注

资源数量

0

来源目录标注

提示词数量

0

来源目录标注

GitHub Star

1

仓库热度

收录来源

1 个

MCP World

选型结论

kaggle capstone financial agent 属于金融服务类 MCP Server,公开资料标注 4 个工具,通过stdio 本地进程接入,客户端适配情况以官方文档为准,有可以直接复制的安装命令;接入前要先准备 会话凭据。

分类

金融服务

传输方式

stdio

认证方式

会话凭据

部署方式

公开资料未说明

安装与配置

安装命令

python -m venv .venv

公开命令不是通用的启动方式,拼不出可靠配置示例;请在客户端 MCP 配置里按官方文档填写 command 和 args。

上手步骤

  1. 1

    准备运行环境

    stdio 服务在本地起进程,需要先装好 Python,再按安装命令拉取依赖。

  2. 2

    安装服务

    复制下面的安装命令执行;命令里带占位符的位置换成自己的密钥或路径。

  3. 3

    写入客户端配置

    在客户端的 MCP 配置里填启动命令和参数,保存后完全退出客户端再打开,让新配置生效。

  4. 4

    验证是否可用

    连接成功后客户端会列出 4 个工具,随便调一个只读工具确认能返回结果。

接入前确认

不要直接授予不必要的文件、网络或账号权限;先核对安装命令和配置内容。

详细介绍

多智能体财务决策支持系统

使用谷歌的代理开发工具包(ADK)构建的全面财务决策支持系统。该系统演示了多种高级代理概念,以帮助用户做出明智的财务决策。

🎯 已实施的概念

该项目实施 8个关键概念 从ADK框架中:

1.多代理系统

  • LLM授权代理:不同金融领域的专业代理
  • 并行代理:从多个源同时获取数据
  • 顺序代理:分析管道的有序工作流程
  • 循环代理:逐步完善建议

2.工具

  • 自定义工具:财务计算、风险评估、投资组合分析
  • MCP集成:可扩展工具生态系统的模型上下文协议
  • 内置工具:谷歌搜索市场新闻和研究

3.会话和记忆

  • 内存会话服务:对话的会话状态管理
  • 长期记忆:用户偏好和投资组合历史存储
  • 状态管理:跟踪分析进度和用户上下文

4.上下文工程

  • 上下文压缩:高效处理大型金融数据集
  • 状态密钥模板:动态提示注射,实现个性化

5.可观察性

  • 日志记录:整个系统的全面日志记录
  • 追踪:基于OpenTetry的分布式跟踪
  • 指标:性能和使用指标收集

6.代理评估

  • 评判集:代理行为的预定义测试用例
  • 刀具轨迹评分:验证工具的正确使用
  • 响应质量指标:建议质量评估

7.A2A协议

  • 代理卡:远程代理的能力发现
  • 代理间通信:标准化的代理间消息传递

8.代理部署

  • FastAPI集成:生产就绪的API服务器
  • 云运行就绪:容器化部署支持

🏗️ 建筑

┌─────────────────────────────────────────────────────────────────┐
│                    Financial Advisor (Root Agent)                │
│                   Orchestrates all sub-agents                    │
└─────────────────────────────────────────────────────────────────┘
                                │
        ┌───────────────────────┼───────────────────────┐
        │                       │                       │
        ▼                       ▼                       ▼
┌───────────────┐    ┌───────────────────┐    ┌───────────────────┐
│   Research    │    │    Analysis       │    │  Recommendation   │
│    Agent      │    │     Pipeline      │    │      Agent        │
│  (Parallel)   │    │  (Sequential)     │    │    (Loop)         │
└───────────────┘    └───────────────────┘    └───────────────────┘
        │                       │                       │
   ┌────┼────┐            ┌─────┼─────┐           ┌─────┼─────┐
   │    │    │            │     │     │           │     │     │
   ▼    ▼    ▼            ▼     ▼     ▼           ▼     ▼     ▼
┌────┐┌────┐┌────┐   ┌─────┐┌─────┐┌─────┐   ┌─────┐┌─────┐┌─────┐
│Mkt ││News││Econ│   │Risk ││Port ││Perf │   │Gen  ││Crit ││Ref  │
│Data││Res ││Ind │   │Anal ││Anal ││Eval │   │Rec  ││Eval ││ine  │
└────┘└────┘└────┘   └─────┘└─────┘└─────┘   └─────┘└─────┘└─────┘

📁 项目结构

financial_agent_system/
├── README.md
├── requirements.txt
├── .env.example
├── __init__.py
├── agent.py                    # Main agent definition (root_agent)
├── config.py                   # Configuration settings
│
├── agents/                     # Sub-agent definitions
│   ├── __init__.py
│   ├── research_agent.py       # Parallel research agents
│   ├── analysis_agent.py       # Sequential analysis pipeline
│   └── recommendation_agent.py # Loop-based recommendation refiner
│
├── tools/                      # Custom tools
│   ├── __init__.py
│   ├── market_tools.py         # Market data tools
│   ├── portfolio_tools.py      # Portfolio analysis tools
│   ├── risk_tools.py           # Risk assessment tools
│   └── calculation_tools.py    # Financial calculations
│
├── mcp/                        # MCP Server integration
│   ├── __init__.py
│   └── financial_mcp_server.py # MCP server for financial tools
│
├── memory/                     # Memory and session management
│   ├── __init__.py
│   └── memory_service.py       # Custom memory implementation
│
├── observability/              # Logging, tracing, metrics
│   ├── __init__.py
│   ├── logging_config.py       # Logging setup
│   ├── tracing.py              # OpenTelemetry tracing
│   └── metrics.py              # Metrics collection
│
├── evaluation/                 # Agent evaluation
│   ├── __init__.py
│   ├── financial_advisor_eval.evalset.json
│   └── test_agents.py          # pytest evaluation tests
│
├── a2a/                        # A2A Protocol support
│   ├── __init__.py
│   ├── agent_card.json         # Agent capability card
│   └── a2a_server.py           # A2A server wrapper
│
└── deployment/                 # Deployment configurations
    ├── Dockerfile
    ├── docker-compose.yml
    └── deploy_api.py           # FastAPI deployment

🚀 入门指南

先决条件

  • Python 3.10+
  • 谷歌云项目(适用于Gemini API)
  • 金融数据提供商的API密钥(可选)

安装

  1. 克隆存储库:
cd financial_agent_system
  1. 创建虚拟环境:
python -m venv .venv
source .venv/bin/activate  # Linux/Mac
# or .venv\Scripts\activate  # Windows
  1. 安装依赖项:
pip install -r requirements.txt
  1. 配置环境:
cp .env.example .env
# Edit .env with your API keys

运行代理

开发UI:

adk web .

API服务器:

adk api_server .

使用A2A协议:

adk api_server . --a2a

💡 使用示例

基本财务查询

User: "Should I invest in tech stocks right now?"
Agent: [Researches market conditions, analyzes risk, provides recommendation]

投资组合分析

User: "Analyze my portfolio: 40% AAPL, 30% GOOGL, 20% MSFT, 10% cash"
Agent: [Calculates metrics, assesses diversification, suggests rebalancing]

风险评估

User: "What's my risk exposure if the market drops 20%?"
Agent: [Runs stress tests, calculates VaR, provides risk mitigation strategies]

🧪 运行评估

通过CLI:

adk eval . evaluation/financial_advisor_eval.evalset.json

通过pytest:

pytest evaluation/test_agents.py -v

通过Web UI:

  1. 跑 adk web .
  2. 导航到Eval选项卡
  3. 负载评估集
  4. 运行评估

📊 可观测性

查看痕迹

  • 本地:使用ADK Web UI的跟踪查看器
  • 云:使用启用云跟踪 --trace_to_cloud

指标

  • 代理响应延迟
  • 工具调用成功率
  • 内存使用统计

日志记录

日志被写入 logs/financial_agent.log 具有可配置的级别。

🔒 安全考虑

  • 存储在环境变量中的API密钥
  • 所有财务计算的输入验证
  • 对外部API调用的速率限制
  • 不存储敏感财务数据

工具与能力

工具数量

4

资源数量

0

提示词数量

0

能力标签

金融分析Python本地部署风险评估投资组合管理多代理系统决策支持

数量来自来源目录的标注,具体工具清单以官方文档为准。

典型使用场景

行情与财报查询

拉取价格、财报和指标,让模型做对比解读。

持仓与流水

在授权范围内查询持仓、生成流水说明。

风险提示

结合数据给出波动和敞口提醒。

选择建议

值得选的地方

  • 只提供 4 个工具,职责集中,接入后不容易误操作。
  • 有现成的安装命令,不用自己找入口,照着跑就能起服务。
  • 公开说明写得比较完整,接入前能看清能力边界。

先想清楚的地方

  • stdio 方式要求本地装好 Python,换机器要重新装一遍。
  • 需要自备会话凭据,没有凭据没法直接试。
  • 第三方目录整理,版本更新和行为细节以官方仓库为准。

更适合

  • 需要在金融服务场景里让模型直接调用外部能力的人。
  • 想先快速试一下、能接受在本地跑服务的人。

不太适合

  • 完全不想在本地装环境的人。
  • 暂时拿不到会话凭据的人。
  • 需要厂商级 SLA 和技术支持的生产环境。

同类对比

5 个同类
MCP Server工具数传输方式安装命令收录来源最后核验
kaggle capstone financial agent

MCP World · 本页

4stdio有1 个2026-05-17
MCP Server 273df76d

MCP World

0stdio有1 个2026-05-17
MCP 4a351ada

MCP World

0stdio有1 个2026-05-17
a share MCP is just I need

MCP World

0未说明未标注1 个2026-05-17
Financemcp 538284b7

MCP World

18stdio有1 个2026-05-17

按同分类和工具数量挑出最接近的几条,字段以各自详情页为准。

常见问题

5 条

kaggle capstone financial agent 怎么安装?

公开资料给出的安装命令是 python -m venv .venv,运行环境为 Python。装完后按客户端要求写进 MCP 配置,重启客户端生效。

kaggle capstone financial agent 怎么在 Claude Desktop、Cursor 里配置?

它是stdio 本地进程,客户端配置里要写启动命令和参数,运行环境是 Python;保存后完全退出客户端再打开,配置才会生效。

kaggle capstone financial agent 收费吗?

本站只整理公开资料,不代收费用,也没有标注具体价格。是否收费取决于服务本身和背后的接口额度,正式使用前按官方说明确认。

kaggle capstone financial agent 需要 API Key 吗?

公开资料标注的认证方式是会话凭据,也就是要先拿到凭据才能连上;凭据只填在自己本地的配置里,不要写进公开仓库。

kaggle capstone financial agent 支持哪些客户端?

公开资料没有标注具体客户端;能配置本地 MCP 命令的客户端都能接,配置方式参照官方文档。

来源信息

继续浏览同类 MCP