🏦 中小企业估值MCP
在AI代理内部运行的估值引擎。
DCF·Multiples·足球场——作为MCP工具，为克劳德和任何LLM代理人提供服务。
______________________________________________________________________
问题
评估中小企业需要DCF模型、可比倍数和足球场综合-- 财务分析师在Excel中花费数小时的工作。
中小企业估值MCP将整个引擎包装为可调用的MCP工具所以克劳德（或任何 MCP兼容代理）可以在几秒钟内对您输入的任何有效载荷进行全面的专业估值。
没有顾问。没有电子表格。只是结构化JSON输入，结构化估值输出。
______________________________________________________________________
运作原理
graph LR
A[Claude / AI Agent] -->|MCP call| B[sme-valuation-mcp]
B --> C{Schema Validator}
C -->|valid| D[DCF Engine]
C -->|valid| E[Multiples Engine]
C -->|valid| F[Football Field]
D & E & F --> G[Unified JSON Output]
G --> A
B -.->|local only| H[Excel Snapshot Engine]______________________________________________________________________
快速开始
# 1. Clone & install
git clone https://github.com/PMIScoutAI/sme-valuation-mcp.git
cd sme-valuation-mcp
python -m venv .venv && .venv\Scripts\activate
pip install -r requirements.txt
# 2. Start MCP server
python -m src.mcp_server
# 3. Or use the helper script
powershell -ExecutionPolicy Bypass -File .\scripts\start_mcp.ps1______________________________________________________________________
可用的MCP工具
| 工具 | 描述 | 返回 |
|---|---|---|
validate_input(payload_json) | 根据JSON模式验证有效载荷 | ok, errors |
run_valuation(payload_json) | 运行全估值（DCF+倍数+FF） | 全估值JSON |
get_model_spec() | 返回模型规范 | YAML内容 |
list_scenarios() | 列出可用的示例场景 | 文件列表 |
______________________________________________________________________
用例
面向AI开发人员 将专业级估值整合到您的代理工作流程中。使用 run_valuation() 作为任何Claude或LangChain管道中的工具调用。
SaaS创始人 在您的产品中嵌入尽职调查估值层，而无需从头开始构建财务模型。分叉、适应、部署。
财务顾问 通过Claude运行可重复、可审计的估值工作流程，并将结果导出到Excel中，以便客户进行演示。
______________________________________________________________________
例子
示例1——准备粘贴Claude提示
Use the MCP server "sme-valuation-engine".
1. Call list_scenarios() and pick sample_inputs_1.json
2. Load that JSON and call validate_input(payload_json)
3. If valid, call run_valuation(payload_json)
4. Return: DCF enterprise value, Multiples EV, Football Field low/mid/high,
and 3 projected revenue values示例2——最小JSON有效负载
{
"meta": { "company_name": "Acme SME", "currency": "EUR", "years": 5 },
"actuals": {
"revenue": [12.5, 13.1, 14.0],
"ebitda": [2.1, 2.3, 2.6],
"nfp": 4.5
},
"assumptions": {
"tax_rate": 0.27, "wacc": 0.11, "terminal_growth": 0.02,
"revenue_cagr": 0.06, "ebitda_margin": 0.19,
"capex_pct_revenue": 0.04, "nwc_pct_revenue": 0.03
},
"multiples": { "ev_ebitda_multiple": 7.5, "ev_ebit_multiple": 10.0 }
}预期产出部分：
projections.revenue·projections.ebitda·projections.fcf- -
valuation.dcf.enterprise_value·valuation.dcf.equity_value
- - valuation.multiples.enterprise_value · valuation.multiples.equity_value - - valuation.football_field.low · valuation.football_field.mid · valuation.football_field.high
- ### 示例3——在没有MCP的情况下运行发动机
- ```bash python -m src.engine.run \ --input data/samples/sample_inputs_1.json \ --schema spec/schema.json \ --output data/samples/sample_output_1.json
### 示例4——验证输入形状
python -m unittest tests/test_schema_validation.py -v
______________________________________________________________________
## 需求
|要求|注意事项|
|-------------|-------|
|Python 3.11+|核心运行时|
|Windows（本地）|仅Excel快照生成需要|
|Microsoft Excel（本地）|仅Excel快照生成需要|
|Render/Linux |完全远程MCP运行时（不依赖Excel）|
______________________________________________________________________
## 在渲染上部署
# Push to GitHub, then on render.com: # New → Web Service → connect repo → select this repo # Render auto-detects Python via Procfile
# Verify deployment: GET https:///health → {"ok": true}
# Your MCP endpoint: https:///mcp
> ℹ️ Excel快照功能仅限于本地（Windows+xlwings）。
>
> > 核心估值引擎完全在Render Linux上运行。
> >
> > ### 联系克劳德
> >
> > 在客户端配置中注册此MCP服务器：
> >
> > ```json
> > {
> > "mcpServers": {
> > "sme-valuation-engine": {
> > "command": "python",
> > "args": ["-m", "src.mcp_server"]
> > }
> > }
> > }
> > ```
> >
> > 最小配置模板可在 `mcp_config.example.json`.
> >
> > ______________________________________________________________________
> >
> > ## 项目结构
> >
> > ```
> > src/
> > engine/ # Valuation logic (DCF, Multiples, Football Field)
> > mcp_server.py # MCP server entrypoint
> > spec/
> > model_spec.yaml # Data contract
> > schema.json # Input validation schema
> > golden_snapshots/ # Numeric regression baselines
> > data/samples/ # Sample inputs & outputs
> > tests/ # Test suite
> > scripts/ # Helper scripts (start, publish)
> > ```
> >
> > ______________________________________________________________________
> >
> > ## 测试
> >
> > ```bash
> > # Run all tests
> > python -m unittest discover -s tests -p "test_*.py" -v
> >
> > # Excel baseline snapshots (local only)
> > python src/excel/compute_snapshot_xlwings.py \
> > --excel SME_datapack.xlsx \
> > --golden-outputs spec/golden_outputs.yaml \
> > --output spec/golden_snapshots/snapshot_1.json \
> > --scenario baseline \
> > --inputs data/samples/sample_inputs_2.json
> > ```
> >
> > ______________________________________________________________________
> >
> > ## 路线图
> >
> > - \[\]息税折旧摊销前利润标准化模块
> >
> > - \[\]-\[\]支持多种货币
> >
> > - \[\]-\[\]特定部门的多个数据库
> >
> > - \[\]-\[\]OpenAI/LangChain工具适配器
> >
> > - \[\]-\[\]面向非技术用户的Web UI
> >
> > - \[ \] ---
> >
> > - \[\]##贡献
> >
> > - \[\]欢迎发布PR和问题。看 [贡献.md](./CONTRIBUTING.md).
> >
> > - \[\]已标记的问题 [`good first issue`](../../issues?q=label%3A%22good+first+issue%22) 这是一个很好的起点。
> >
> > - \[ \] ---
> >
> > - \[\]##状态
> >
> > - \[\]|组件|状态|
> >
> > - \[ \] |-----------|--------|
> >
> > - \[\]|估值引擎v1|✅ 准备好了|
> >
> > - \[\]|架构验证|✅ 准备好了|
> >
> > - \[\]|MCP服务器|✅ 准备好了|
> >
> > - \[\]|渲染部署|✅ 准备好了|
> >
> > - \[\]| Excel基线快照|✅ 就绪（仅限本地）|
> >
> > - \[ \] ---
> >
> > - \[\]##许可证
> >
> > - \[\]麻省理工学院——免费使用、分叉和商业化调整。
> >
> > - \[ \] ---
> >
> > - \[ \]
**如果这能节省你的时间，a⭐ 帮助别人找到它。**