# Finance-Agents **Repository Path**: SynQAQ/Finance-Agents ## Basic Information - **Project Name**: Finance-Agents - **Description**: A股智能投研助手 - **Primary Language**: Python - **License**: Not specified - **Default Branch**: main - **Homepage**: None - **GVP Project**: No ## Statistics - **Stars**: 0 - **Forks**: 0 - **Created**: 2026-03-10 - **Last Updated**: 2026-03-11 ## Categories & Tags **Categories**: Uncategorized **Tags**: None ## README # Finance-Agents | 金融分析多智能体系统 一句话:基于 LangGraph + MCP 的 A 股投研分析智能体,自动汇总财务 / 技术 / 估值 / 新闻并生成结构化报告。 **定位** - 使用场景:对单只股票做快速投研梳理与要点总结 - 输出形态:Markdown 报告(摘要、基本面、技术面、估值、新闻、风险、建议) - 运行方式:支持 API 大模型;总结 Agent 可切换本地 FinR1 **亮点** - 5 个专业 Agent 并行分析,最后统一汇总 - MCP 工具统一接入财务、行情、指数、宏观与新闻数据 - 报告结构化、可读性高,适合展示与二次加工 - 训练脚本支持风险 / 情感 LoRA 微调 - 代码组织清晰,可拓展新的 Agent 或工具 **演示** - 报告示例:`docs/report_sample_600519_20260131.md`(精选展示版) - 原始报告:`reports/` 与 `Financial-MCP-Agent/reports/` - 交互入口:`Financial-MCP-Agent/src/main.py` - Notebook 示例:`demo_sentiment_usage.ipynb`,`demo_sentiment_usage_min.ipynb` **报告摘录(样例)** - 执行摘要:“短期呈下降趋势,长期战略方向明确;但基本面与估值数据需后续财报验证。” - 风险等级:“中等(改革执行、宏观影响、技术面破位)” - 预期回报:“长期谨慎乐观” - 技术面:“关注 9,900-10,000 元支撑区;若跌破需防范进一步下探。” - 投资建议:“综合评级:持有 / 观望,适合长期价值投资者分批关注。” 说明:完整报告见 `docs/report_sample_600519_20260131.md`。 **架构概览** ```text User Query -> LangGraph Orchestrator -> Fundamental Agent -> Technical Agent -> Value Agent -> News Agent -> Summary Agent (aggregate) -> Markdown Report ``` **核心模块** - `Financial-MCP-Agent/src/main.py` 入口与工作流编排 - `Financial-MCP-Agent/src/agents/*.py` 五类 Agent - `Financial-MCP-Agent/src/tools/mcp_client.py` MCP 客户端封装 - `Financial-MCP-Agent/src/tools/mcp_config.py` MCP 服务配置 **技术栈** - LangGraph, LangChain, MCP - Python, Transformers, PEFT - OpenAI 兼容接口 / 本地 FinR1 - Baostock 与多源金融数据 **快速运行(展示用最小步骤)** ```bash pip install -r requirements.txt cp Financial-MCP-Agent/.env.example Financial-MCP-Agent/.env python Financial-MCP-Agent/src/main.py --command "帮我看看茅台(600519)这只股票值不值得投资" ``` 说明:详细部署与训练说明见 `docs/README_FULL.md`。 **关于我在项目中的工作(用于简历,可按实际情况修改)** - 设计多 Agent 分工与汇总报告结构 - 整合 MCP 工具与多源金融数据 - 训练 / 接入风险与情感模型(LoRA) - 输出可复用的报告模板与演示 Notebook **备注** - 本仓库为展示用途,引用了若干开源组件与数据集,详见 `docs/README_FULL.md`。