进击的同花顺20260324

2026年03月26日09:18 关键词 AI MCP投研金融数据工具调用数据接口搜索公告报告指标选股选基宏观经济新闻智能体开发成本背景知识解析匹配数据 全文摘要 同花顺的AI团队介绍了其最新产品进展，重点在于MCP（Model Customization Platform）及其在提升金融数据获取和投研效率方面的作用。MCP的三个核心特性包括AI的自主调用能力、配置的便利性，以及提供智能化数据接口以增强与AI的交互。通过MCP，AI能自主规划并调用工具完成复杂的投研任务，如光伏产业链的研究。 进击的同花顺-20260324_导读 2026年03月26日09:18 关键词 AI MCP投研金融数据工具调用数据接口搜索公告报告指标选股选基宏观经济新闻智能体开发成本背景知识解析匹配数据 全文摘要 同花顺的AI团队介绍了其最新产品进展，重点在于MCP（Model Customization Platform）及其在提升金融数据获取和投研效率方面的作用。MCP的三个核心特性包括AI的自主调用能力、配置的便利性，以及提供智能化数据接口以增强与AI的交互。通过MCP，AI能自主规划并调用工具完成复杂的投研任务，如光伏产业链的研究。团队还讨论了MCP与其他工具如阿尔法派的差异，未来产品规划，以及在不同场景下如何有效利用MCP。讨论还涵盖了MCP和技能在AI应用中的适用性、数据范围的扩展计划，强调了通过MCP实现数据智能搜索和自动化获取的重要性，同时提醒用户注意使用安全，防范数据安全风险。 章节速览 00:00 AI金融数据与投研工具最新进展分享 活动聚焦于AI在金融数据获取和投研报告生成中的应用，展示了AI自主规划和工具调用能力，通过光伏产业链研究样例，呈现了AI从资讯收集到报告完成的全过程，强调了技术迭代和用户适配工具的重要性。 03:40 MCP产品特性与能力详解 分享了MCP产品的核心特性，包括AI自主调用、便捷配置，及四大服务能力：A股和基金数据、宏观经济与行业经济指标、新闻公告搜索，以及基于agent skill的工商企业数据补足，全面支持AI在金融领域的数据获取需求。 08:55 MCP与传统数据接口的区别及优势 介绍了MCP与传统数据接口在使用主体、数据获取方式和适用场景上的区别，强调了MCP的核心优势：接受自然语言请求、智能搜索能力、新闻公告定向检索以及对AI场景的友好型处理，旨在降低客户开发成本并提高数据获取效率和准确性。 15:27 MCP产品优势与智能体能力边界分析 对话介绍了MCP产品的优势、使用流程及开通方法，面向iPhone终端用户免费提供服务。同时，分析了传统智能体与新兴龙虾类智能体的能力边界，推荐根据场景需求选择合适工具，传统智能体适用于复杂任务规划，而龙虾类智能体则擅长被动触发与多渠道交互。 20:35智能体应用与投研报告生成 分享了智能体在投研报告生成、市场复盘及工商企业查询中的应用案例，展示了AI在专业逻辑规划和数据能力上的优势，强调了其在重复性、被动性场景中的价值，以及对一级市场知识问题的解决能力。 22:24 MCP与阿尔法派投研分析功能对比 讨论了MCP与阿尔法派在投研分析功能上的差异，指出MCP侧重于提供客观准确的数据输出，不包含主观性或专业投研能力的输出，适合专业机构客户对准确信息的需求；而阿尔法派内置AI进行投研总结和分析，输出更友 好，但可能牺牲数据的客观性和准确性。 25:52 MCP平台支持客户自建知识库接入 对话讨论了MCP平台的灵活性，特别是其支持客户自建知识库的能力，允许用户接入内部数据库以增强AI投研功能，强调了平台在不干涉客户自建系统方面的优势，同时指出解决方案可能更偏向定制化。 28:12 AI交互场景下公司与万德的竞争优势分析 讨论了在AI交互场景下，公司相对于万德的优势在于更开放的指标信息共享，允许AI结合客户专业提示词进行定制化数据查询，而万德因保密机制限制了此类深度交互，增加了工具使用成本和交互限制。 30:46小龙虾Skill Agent模式配置与MCP密钥使用详解 介绍了小龙虾Skill Agent模式的配置方法，包括下载安装包、复制目录至小龙虾、获取MCP密钥并配置，以及在第三方客户端使用无需终端登录状态的流程。 35:30工具调用限制与数据支持范围 讨论了工具调用的限制政策，指出每个工具每天限制100次请求，总共有21个工具，一个用户每天可发送2100次请求。不支持盘中实时价格因交易所严格风控机制，建议使用数据接口产品满足日内盯盘需求。期货数据暂未上线，计划于四月内支持更多数据类型。 38:13 AI在金融投研中的应用与比较 讨论了AI在金融投研领域的应用，推荐了cloud code、curse和tree等传统智能体，因其在复杂任务规划上的优势。分析了open cloud的随时待命特性虽受欢迎，但对专业投研用户而言，AI的复杂任务规划能力更为关键。指出了opencloud在简单重复任务上的实用性，如日报生成和消息推送。 42:56机构用户云上配置龙虾工具的风险及未来产品规划 对话讨论了在云上或备用电脑上配置龙虾工具的重要性，强调了open cloud工具可能带来的高风险，包括篡改本地资产、接入聊天软件发送敏感信息等。建议机构用户采取全权限管控措施以降低风险。同时，分享了未来产品规划，旨在扩展数据范围和提升搜索能力，特别是针对债券、期货、指数数据以及公告细节分类的深度搜索功能，以满足深度机构用户需求。 47:00 MCP与自建Skill在数据接口应用中的对比 讨论了MCP在期货期权和外盘数据支持的规划，以及与自建Skill在数据接口应用上的区别。MCP基于算法封装，全面支持数据浏览器指标，而自建Skill受限于HTTP文档，可能无法获取所有指标。针对open cloud，建议使用Skill，因其原生支持Skill交互，而不支持MCP。 发言总结 发言人2 他首先对徐总的介绍表示感谢，并着重介绍了他们团队在AI金融数据领域的工作进展，特别是FM面向open cloud的一系列智能体在MCP金融数据取数工具方面所取得的成就。通过一个实际案例，即在第三方AI平台中使用AI执行光伏产业链研究任务，展示了AI如何利用FM的MCP工具高效获取并分析金融数据，最终完成研究报告。他强调了MCP产品的三大特性：AI的完全自主调用、配置简便以及强大的数据接口能力。同时，他们还对比了MCP与传统数据接口的差异，突出了MCP在灵活性、效率和安全性方面的优势，并详细说明了MCP的开通流程以及如何根据不同场景选择最合适的AI工具。 在风险管理方面，他提出了重要建议，强调在个人设备上使用open cloud工具的必要性，以有效避免信息安全风险。最后，他分享了对未来产品的规划，明确指出将重点改进数据范围和搜索能力，以进一步提升MCP工具的实用性和效率。 发言人3 首先询问了MCP与阿尔法派在投研分析功能上的具体区别，表达了对两平台特性的关注。接着，他提到同花顺内部数据库在研报撰写中的应用价值，暗示希望进一步利用这些资源提升分析效率和质量。随后，他提出了一个创新点，即是否能考虑开发允许用户引入第三方API的功能，以增强平台的灵活性和实用性。最后，针对万德可能推出类似产品的市场动态，他询问了公司如何保持竞争优势，显示出对市场动态的敏感以及对产品竞争力的关注。整体上，他的发言聚焦于功能创新、数据分析工具的利用以及市场竞争力分析三个核心议题。 发言人1 首先介绍了本次进入寻找最强投研AI第三期活动的背景，强调了同花顺开放AI团队在线分享的重要性。随着MCP平台和功能的开放，市场对此高度关注，尽管他在尝试中遇到了一些挑战，但产品团队持续迭代以满足需求。活动预计持续约1小时，分为两部分：郑总将展示MCP和skills的最新进展，赵总则提供技术层面的答疑。他特别强调了现场互动环节，鼓励参与者就技术问题提问，最后将时间交给AI团队的周老师。整体而言，他的发言围绕活动目的、产品进展、团队应对策略以及互动环节的重要性进行了全面介绍。 问答回顾 发言人2问：MCP产品是什么？ 发言人2答：MCP产品是在客户对AI应用进行大模型交互中，帮助AI补足金融数据短板的一个工具，可以视为给AI使用的数据接口。 发言人2问：MCP产品有哪些核心特点？ 发言人2答：MCP产品的核心特点是完全由AI自主调用，无需人工干预；配置方便，通过简单的代码添加即可无缝接入第三方AI平台。 发言人2问：目前上线的MCP有哪些能力和服务？ 发言人2答：目前上线的MCP提供了四个方面的服务：A股和基金的数据MCP，覆盖股票基金全量指标并配备选股和选基能力；宏观经济和行业经济指标搜索查询服务，支持EDB宏观经济指标库所有指标的搜索；新闻公告搜索服务，可帮助AI搜索特定股票公告和产业动态资讯。 发言人2问：在MCP产品中，为什么需要扩展agent skill来支持MCP能力，并且它与MCP在数据范围和功能上的区别是什么？ 发言人2答：我们扩展agent skill是为了方便客户在open cloud上快速使用MCP的能力。在open cloud上，客户可以通过agent skill快速下载和使用MCP服务。agent skill在能力方面与MCP数据范围相同，都支持智能选股选机、数据查询和宏观EDB新闻资讯公告搜索。但agent skill还结合了IFM的快查工商企业数据能力，能够补足客户在一级企业和工商企业指标上的需求，如招投标、专利信息以及地区和行业最新的工商企业数量。 发言人2问：数据接口与MCP在使用主体和应用场景上有哪些主要区别？ 发言人2答：数据接口通常需要客户具有较强的开发能力，通过代码大量固定地取数，需要IT团队进行开发成本投入。而MCP则是面向AI进行按需自动取数，完全配置好后由大模型自己发起调用，无需客户开发成本。然而，由于AI取数的临时性和随机性，可能导致结果不稳定；若客户追求量化回测或大量稳定可复现的数据，则可能需要对接数据接口并投入开发成本。 发言人2问：MCV产品目前的核心优势体现在哪些方面？ 发言人2答：MCV产品的核心优势有三点：首先，它接受自然语言请求，能够解析和匹配模糊的指令，例如查询锂电池股票去年三季度营收增速；其次，为MCP配置了智能搜索能力，帮助AI克服专业背景知识差距，通过搜索EDB指标库找到满足客户需求的指标；最后，针对新闻公告文本检索成本问题，MCV内部做了定向搜索优化，不仅支持标题搜索，还支持具体内容搜索，从而精准定位并返回少量关键信息，避免了长文本对模型注意力和APItoken费用的压力。 发言人2问：在AI场景中，你们做了哪些友好型的处理以优化数据使用体验？ 发言人2答：我们针对AI在使用数据产品时遇到的问题进行了处理，比如指标名称和解释不够清晰、单次输出次数过多导致AI token消耗过大以及AI不具备计算能力等。具体措施包括明确指标含义、限制单次输出次数以避免token过度消耗，并对常见统计类指标进行了计算和衍生处理。 发言人2问：MCP产品目前有哪些优势？ 发言人2答：MCP产品目前具备的优势将在第三部分详细介绍，主要针对iPhone终端用户提供了便捷的开通和试用方式。 发言人2问：如何开通MCP服务？ 发言人2答：对于iPhone正式用户，可以通过打开相关客户端，在工具菜单栏中的常用工具里找到数据MCP选项，进入官网免费开通MCP服务。此外，配套的skill专门针对open cloud打造，用户可以一键复制配置文件并在支持MCP的手动配置中粘贴使用。 发言人2问：对于业务人员在选择AI智能体（如龙虾、传统cloud code）时有何推荐？能否分享一些传统智能体和龙虾类智能体的实际应用场景案例？ 发言人2答：传统AI智能体如cloud code在任务规划能力和工具调用上有深厚积累，适合需要复杂研究型任务拆解和多步骤工具调用的场景。而以open