大模型赋能投研之十二：基于MCP模块构建弹性大模型研报复现框架

模型上下文协议MCP 模型上下文协议（ModelContextProtocol,MCP）是一个旨在标准化应用程序与大型语言模型（LLM）之间上下文交互的开放协议。MCP被誉为“AI领域的USB-C”，它通过提供统一的接口，使LLM能够无缝地与文档、代码库、数据库及各类外部工具进行交互，从而极大地拓展了AI应用的能力边界和自动化水平。 MCP的核心实现依赖于一个清晰的客户端-服务器架构，该架构由三大组件构成：MCP主机（如Claude等发起请求的AI应用）、MCP服务器（提供具体功能或数据的外部工具）以及在主机内部运行并与服务器建立连接的MCP客户端。用户可以在Cursor、VSCode、Trae等AI编程工具中配置第三方MCP为大模型启用工具调用，也可以部署自研的MCP来满足定制化需求，本文为Cursor平台的MCP配置提供了详细的教程。 基于MCP的研报复现系统构建 本项目以cursor为例的AI编程工具(AIIDE)中构建了研报复现智能体系统，重点构建了2个MCP服务器：数据MCP和指令MCP。 首先，数据MCP提供了可自定义、可解耦的金融研报解决方案与金融数据解决方案。针对研报需求，数据MCP提供研 报数据库搜索服务同时允许用户自备研报内容，并通过MinerU实现PDF文件向Markdown文件的识别转化，向大模型提供可读性较强的研报内容。针对数据需求，数据MCP基于TexttoSQLAgent提供使用自然语言从数据库中提取指定数据的功能，数据库基于wind底表结构实现，除此之外对于拥有完善wind环境的用户，数据MCP提供自动完成windapi数据提取脚本的功能；在此基础上，用户自备数据也被数据MCP所接受。其次，指令MCP实现了驱动指令流控制，实现了将研报复现任务的自动分解和任务构建，指令中内置了策略择时、多因子选股、大类配置等多种模型的核心流程与关键注意实现，从而指引大模型逐步完成需求识别、数据准备和建模回测，最终完成报告撰写。 配备了MCP的大模型通过结构化指令能够自动推进复现流程，从研报识别、数据获取、建模回测到报告撰写，全流程无需手工编码，形成了高可控、可追溯、可中断恢复的本地复现工作流。 复现研报案例 本文以实际的研报为例，展示了MCP的自动研报复现全流程。在需求识别环节，大模型将自动识别研报中的模型，用户只需给出模型编号就可以指定模型进行复现。在数据准备环节，大模型能够自动完成研报内容提取与解析，并调用Text-to-SQLAgent生成SQL脚本，连接远程数据库查询所需要的数据，过程无需用户干预。在建模回测环节，大模型可以自动编写脚本完成数据预处理和信号生成，用户也可以为大模型提供参数并引导大模型多轮修改。在报告生成环节，最终生成的Markdown报告包含12个章节，涵盖从任务引导到结果解释的全过程，并且嵌入了关键的代码和可视化图表，如果生成结果不合预期，还可以通过多轮对话进行优化修改。 风险提示 本系统高度依赖大语言模型的理解与生成能力，尽管在结构化指令和模板引导下已提升稳定性，但模型输出仍具有一定的随机性，可能受提示词、上下文窗口长度或模型状态影响而产生差异化结果，甚至出现幻觉行为；金融研报往往未对模型结构、参数设置、数据处理逻辑等细节做出完全披露，导致实际复现结果与原始报告存在一定差距。除此之外，尽管系统支持参数调试与多轮尝试，但仍不能完全保证实际使用与研报结果一致。本系统依赖多个第三方或自研的MCP服务器，不同版本的Cursor可能MCP服务器接口不一致，导致调用过程中出现连接失败或格式错误等异常。 内容目录 一、模型上下文协议MCP（ModelContextProtocol）4 1.1MCP的定义与架构4 1.2MCP执行流程5 1.3MCPServer配置方法6 二、基于MCP的研报复现系统构建7 2.1MCPServer1：数据MCP7 2.1.1研报获取解决方案7 2.1.2数据准备解决方案8 2.2MCPServer2：指令MCP9 2.3MCP功能选择与分支流程11 三、研报复现案例12 3.1需求识别12 3.2数据准备12 3.3建模回测14 3.4复现报告生成15 风险提示16 图表目录 图表1：MCP协议架构图4 图表2：MCP可调用工具示例4 图表3：MCP协议架构图4 图表4：Stdio传输原理图5 图表5：HTTP传输原理图5 图表6：MCP执行流程5 图表7：MCPServer配置界面6 图表8：MCPTools可用工具展示栏6 图表9：MCPServer状态配置6 图表10：基于MCP的研报复现Agent系统整体框架图7 图表11：“研报库搜索”模式整体流程8 图表12：“金融数据库搜索”模式工作流程8 图表13：Text-to-SQLAgent工作流9 图表14：指令执行流程图9 图表15：模型支持类型10 图表16：流程总览及指令跳转示例10 图表17：模型识别与拆解示例10 图表18：MCP分支节点与使用流程11 图表19：研报获取与模型选择流程12 图表20：大模型生成的自然语言查询列表13 图表21：大模型请求获得SQL代码并执行下载脚本13 图表22：使用推荐参数快速推进14 图表23：自行制定回测参数14 图表24：通过提示词确定回测细节并进行多轮修改14 图表25：回测报告（Ⅰ）15 图表26：回测报告（Ⅱ）15 图表27：回测报告（Ⅲ）15 一、模型上下文协议MCP（ModelContextProtocol） 1.1MCP的定义与架构 模型上下文协议（ModelContextProtocol，MCP）是一个开放协议，用于标准化应用程序向大型语言模型（LLMs）提供上下文的方式，由Anthropic发布于2024年11月25日。MCP就像AI领域的USB-C接口，正如USB-C为计算机与各种外设和配件提供了统一的连接方式，MCP为大语言模型与不同数据源和工具的对接提供了标准化的途径。 基于MCP，大语言模型可以与Word/Excel/PowerPoint、Github/Gitee、数据库、电子邮件、本地文件系统等一系列数据源或工具交互，极大地拓展了大语言模型的能力边界。目前，一系列工具都有开源MCP实现，用户只需配置MCP连接，本地大语言模型即可调用该工具完成工作，极大地提高了工作效率。 图表1：MCP协议架构图图表2：MCP可调用工具示例 来源：Noharsakal，国金证券研究所来源：国金证券研究所 从功能角色的角度来看，MCP遵循典型的客户端-服务器架构，包括MCP主机（MCPHosts）、MCP客户端（MCPClients）、MCP服务器（MCPServers）三大组件。其中，MCP主机是指Claude、Cursor等能发起请求的AI应用程序；MCP客户端运行于主机内，与MCP服务器保持1:1的连接；MCP服务器则是外界暴露特定功能的工具、数据资源等，可以由主机通过客户端访问或获取。 图表3：MCP协议架构图 来源：国金证券研究所 从协议的功能层次来看，MCP可以划分为协议层（Protocollayer）和传输层（TransportLayer）。其中，协议层主要负责消息封装（管理请求与响应之间的对应关系）和高层通信模式定义（定义消息的传递与处理方式），与底层的传输方式解耦。传输层主要负责在客户端与服务器之间传输实际消息。目前，MCP支持Stdio和HTTP两种传输方式，所有的消息交换都采用JSON-RPC2.0协议。 图表4：Stdio传输原理图图表5：HTTP传输原理图 来源：国金证券研究所来源：国金证券研究所 1.2MCP执行流程 MCP链接工具函数、数据接口，搭建用户需求与大语言模型能力之间的桥梁。在MCP的执行流程中，以MCP主机为核心，以用户请求为起点，通过内部的工具选择、功能调用等多种流程，以结果输出为结束。MCP的具体执行流程如下图所示： 图表6：MCP执行流程 来源：国金证券研究所 根据MCP整理运作的流程，从用户请求开始，到结果输出结束，整体可以划分为七个步骤，实现信息、数据的流动： ①MCP客户端连接到MCP服务器：用户需要手动配置mcp.json文件后，MCP客户端会通过传输层协议建立与这些MCP服务器的连接 ②MCP客户端识别可用工具：连接建立后，客户端识别各个工具函数的主要功能以及参数输入要求，为后续调用做准备 ③MCP客户端为大模型准备Prompt：客户端收到用户自然语言请求，它将构造Prompt并发送给大模型，客户端会将用户请求与已获取的工具元信息一并嵌入，使大模型能根据任务内容判断是否需要使用某个工具，并生成相应的调用指令 ④大模型选用工具：MCP提供的标准化工具结构让模型能准确理解工具功能与调用方式，从而做出合理决策；大模型接收到Prompt后，执行调用判断 ⑤MCP客户端发送工具调用请求：客户端接收到大模型返回工具调用指令后，提取出工具名称和输入参数调用MCP接口，MCP协议在此提供一致的调用接口，屏蔽服务器差异，提升了工具调用的可扩展性与兼容性 ⑥MCP服务器执行工具并返回结果：MCP服务器根据调用请求中的工具名与参数，执行相应的工具逻辑。执行完成后，服务器会将结果封装为标准化结构，并返回给客户 端；MCP协议确保不同服务器返回结果在格式与语义上一致，便于客户端统一处理 ⑦大模型生成最终回答：客户端收到工具返回结果后，会将该结果与原始用户请求一并打包，重新发送给大模型。大模型结合用户意图与工具提供的信息生成最终回答 1.3MCPServer配置方法 目前，MCP.so、MCPMarket等平台已相继上线一万多款第三方MCP服务器插件，用户可以在本地配置后供大模型调用；同时，在本次研究中我们也搭建了云端了MCP服务器用于研报复现。 使用MCP进行复杂任务的基础需要完成MCPServer的配置，接下来将以Cursor为例，展示MCP配置和使用MCP的方法。 图表7：MCPServer配置界面图表8：MCPTools可用工具展示栏 来源：Cursor，国金证券研究所来源：Cursor，国金证券研究所 以Cursor为例，配置MCP服务的主要流程如下： 1)启动Cursor，单击右上角图标进入设置界面，找到MCPTools，单击AddCustomMCP进入json配置文件。 2)根据所需配置的服务器类型（本地服务或云端服务），正确填写mcp.json文件 3)返回MCP配置页面，可以看到可用工具中更新了MCP信息，MCPServer即配置完成 虽然增加MCPServer中的工具数量可以显著扩展大模型的能力边界，但也带来一定的风险。当工具数量过多，尤其存在名称或功能描述相似的工具时，模型在解析prompt时可能会错选工具（如选错一个名称相近但用途不同的工具）或误填参数（混淆不同工具的inputSchema）。 在MCPServer的可用性管理上，Cursor支持全部可用（所有注册工具对客户端暴露）、全部禁用（所有注册工具均不对客户端暴露）、部分启用（只对客户端暴露部分工具）三种配置模式，用户可根据需求自行配置。 图表9：MCPServer状态配置 来源：Cursor，国金证券研究所 需要注意的是，目前的MCP配置分配本地服务配置和云端服务配置两类，不同类型的服务配置存在较小的差距： 本地MCP配置：本地服务使用stdio的模式进行信息传输，需要首先使用uvx命令在本地安装插件后，按照stdio服务的范式配置json文件 云端MCP配置：云端服务使用sse或StreamableHTTP的模式进行信息传输，此时无需本地安装插件，只需按照http服务的范式配置json文件即可 二、基于MCP的研报复现系统构建 本研报复现Agent系统兼容Cursor、Vscode、Trae等AI集成开发环境，主要基于数据MCP和指令MCP服务器实现。在研报准备阶段，Agent提供研报库查询或本地指定两种方式，而在数据准备阶段，A