股票分析代理
一个多代理、多工具、确定性股票分析系统，具有全面的财务分析、人工智能驱动的洞察力、多代理编排和CI/CD自动化功能。
该项目使用Google ADK（代理开发工具包）构建一个完全确定、可测试和生产就绪的财务分析管道。
项目概述
该系统使用Google ADK（agent Development Kit）实现了三层代理架构，用于确定性股票分析：
- 第1层（确定性数据代理）：从雅虎财经和MarketAux API获取数据
- 第2层（ParallelAgent）：确定性比率代理、确定性估值代理和确定性风险代理同时计算30多个财务指标
- 第3层（确定性表示代理）：生成全面的报告和摘要
ADK确定性编排
该系统使用ADK SequentialAgent 和 ParallelAgent 用于工作流编排，具有自定义功能 BaseAgent 用于确定性执行的子类。此模式允许：
- ADK驱动的工作流程:
Runner.run_async执行代理管道 - 确定性计算：每个代理直接调用现有的计算函数（数学上没有LLM推理）
- 状态持久性：使用会话服务通过显式的ADK会话状态更新在代理之间传递结果
- 基于工具的代理：所有计算都通过ADK工具运行，以实现确定性、结构化的执行。
- MCP服务器：通过带有护栏、输入验证、速率限制和安全输出过滤的MCP端点暴露管道。
SequentialAgent (StockAnalyticsPipeline)
├── Layer 1: DeterministicDataAgent
│ ├── Tools:
│ │ ├── YahooFinanceClient
│ │ └── MarketAuxClient
│ └── Output: Canonical JSON (Layer 1)
│
├── Layer 2: ParallelAgent (Layer2ParallelAgent)
│ ├── DeterministicRatioAgent
│ ├── DeterministicValuationAgent
│ └── DeterministicRiskAgent
│
│ Tools (python-function tools):
│ - Profitability Tools
│ - Liquidity Tools
│ - Valuation Tools
│ - Market Risk Tools
│ - Financial Risk Tools
│ - Efficiency Tools
│
│ Output: Enriched calculated metrics (Layer 2)
│
└── Layer 3: DeterministicPresentationAgent
├── Report generator tools (PDF/HTML)
├── Summary tools
└── AI Chattool (Gemini)
主要特点
财务分析
- 30+指标（python函数工具） 9个类别：
- 盈利能力（毛利率/营业利润/净利润率、ROA、ROE、ROIC） - 流动性（流动/速动/现金比率、营运资金） - 杠杆率（债务股本比、债务资产比、利息覆盖率） - 效率（资产周转率、库存周转率、应收账款周转率） - 增长（收入、净收入、每股收益、自由现金流、营业收入增长） - 现金流（自由现金流、经营现金流比率、现金流利润率） - 估值（市盈率、远期市盈率、市盈率、P/S、EV/EBITDA、PEG、股息收益率） - 市场风险（贝塔、阿尔法、波动性、夏普比率、风险值、最大提款） - 财务风险（Altman Z评分、信用/流动性/操作风险评分）
人工智能聊天
- ChatGPT风格的对话界面
- Gemini 2.0 Flash用于智能分析
- 用于上下文保持的长期记忆
- 自然语言股票查询
报告生成
- 通过ReportLab提供专业PDF报告
- 带样式的HTML报告
- 删除报表管理功能
- 执行摘要和投资建议
数据源
- 雅虎财经：价格历史、基本面、预先计算的比率、公司信息
- MarketAux API：带有情绪分析的新闻文章
MCP护栏和验证
- 在运行管道之前强制执行输入验证（股票代码格式，所需的基本原理）。
- MCP服务器的护栏策略强制执行速率限制和执行时间上限。
- 在返回结果之前应用了输出筛选。
CI/CD管道（GitHub操作）
- 该项目使用位于以下位置的生产级CI/CD管道
github/workflows/ci.yml - 设置和安装：Python 3.11环境和Python 3.11环境
- 代码质量：用Ruff勾选，用黑色勾选格式
- 自动化测试：运行单元、集成和端到端测试，并生成覆盖率报告
- 包装：构建用于部署的agent_engine_package包
- Docker构建：构建生产就绪的Docker镜像
快速开始
先决条件
- Python 3.11+
- API密钥：
- GEMINI_API_KEY -用于AI聊天和总结 - MARKETAUX_API_KEY -新闻数据（可选）
运行应用程序
streamlit run app.py
### Usage Example
from src.adk_agents.orchestrator import run_stock_analysis, get_orchestrator
Run comprehensive stock analysis via ADK Runner
result = run_stock_analysis("AAPL", period_days=252)
Access calculated metrics
profitability = result['calculated']['profitability'] valuation = result['calculated']['valuation'] risk = result['calculated']['risk_market'] overall_risk = result["overall_risk"]
Get the generated report
report = result['report']
Access ADK components
orchestrator = get_orchestrator() pipeline = orchestrator.get_pipeline() # SequentialAgent parallel = orchestrator.get_parallel_agent() # ParallelAgent runner = orchestrator.get_runner() # Runner
## 流线型UI功能
### 标签页
1. **概述**：公司信息、交互式价格图、近期情绪新闻
1. **指标**：所有30多个通过人工智能分析计算的财务指标
1. **估值**：市盈率、市盈率、EV/EBITDA、PEG比率分析
1. **风险**：市场风险（贝塔、阿尔法、波动性）和财务风险（Z分数）
1. **报告**：生成和下载具有删除功能的PDF/HTML报告
1. **聊天**：用于股票问题的ChatGPT式会话人工智能
## 数据存储
- `runs/` -标准JSON文件： `_.json` 和 `__calculated.json`
- `reports/` -生成的PDF/HTML报告
- `logs/agents/` -代理执行日志和指标
## 测试
运行测试套件：
pytest src/tests/
运行特定测试：
pytest src/tests/unit/test_profitability.py pytest src/tests/integration/test_data_fetch.py pytest src/tests/e2e/test_full_pipeline.py
## 环境变量
- `GEMINI_API_KEY` -人工智能代理的Google Gemini API密钥
- `MARKETAUX_API_KEY` -MarketAux API新闻密钥
- `DATABASE_URL` -PostgreSQL连接（供将来使用）
## 依赖项
**谷歌广告和人工智能**:
- googleadk-代理开发工具包（SequentialAgent、ParallelAgent、BaseAgent、Runner）
- 谷歌genai-用于对话式人工智能的Gemini 2.0 Flash
**财务数据**:
- yfinance-雅虎财经API价格历史和基本面
- MarketAux API-新闻文章和情绪分析
**前端和报告**:
- Streamlit-交互式仪表板的Web框架
- ReportLab-专业PDF报告生成
- Plotly-交互式图表
**数据处理**:
- NumPy-风险度量的统计计算
- Pandas-时间序列数据处理
## 许可证
MIT许可证