这是一个基于 LangGraph 的金融分析 Agent 系统，用于分析 A 股股票。系统包含四个 Agent：技术分析 Agent、价值分析 Agent、基本面分析 Agent 和总结 Agent。前三个 Agent 通过 MCP 工具获取 A 股相关数据并与大语言模型（LLM）交互；总结 Agent 综合上游数据，提供最终投资建议。
 多维度分析 |
 数据驱动 |
 智能决策 |
| 系统同时从基本面、技术面和估值三个维度进行分析 | 利用实时A股数据，提供数据支持的决策建议 | AI智能汇总分析结果，提供清晰的投资建议 |
 多 Agent 协作 |
 MCP 工具集成 |
 智能工具选择 |
 数据流传递 |
 投资建议生成 |
 Markdown 报告 |
 自然语言查询 |
 交互式输入 |
 实时数据更新 |
- 多 Agent 协作：技术分析、价值分析、基本面分析和总结四个 Agent 协同工作
- MCP 工具集成：通过
langchain-mcp-adapters加载a-share-mcp-v2服务器上的多个工具 - 智能工具选择：Agent 根据职能设计的 Prompt 智能选择工具，处理上游数据和 MCP 数据
- 数据流传递：使用
AgentState传递数据和元数据，确保信息流畅通 - 投资建议生成：总结 Agent 综合上游数据，提供 A 股投资建议
- Markdown 报告：自动生成格式化的 Markdown 分析报告并保存到文件
- 🆕 自然语言查询：支持任意自然语言查询，无需特定格式
- 🆕 交互式输入：未提供命令参数时自动进入交互模式
系统基于 LangGraph 框架，包含以下组件：
| 组件 | 描述 |
|---|---|
| AgentState | 自定义的 TypedDict，用于在 Agent 之间传递数据 |
| Agent | 四个专业 Agent，各司其职 |
| MCP 工具 | 通过 MultiServerMCPClient 加载 a-share-mcp-v2 服务器上的多个工具 |
| LLM 交互 | 每个 Agent 使用绑定的 ChatOpenAI 模型与 LLM 交互 |
| 工作流 | 使用 StateGraph 定义 Agent 执行顺序 |
-
安装依赖：
poetry install
cp .env.example .env
或者手动将 .env.example 文件改名为 .env
- 设置环境变量（.env 文件）：
OPENAI_COMPATIBLE_API_KEY=your_api_key
OPENAI_COMPATIBLE_BASE_URL=your_base_url
OPENAI_COMPATIBLE_MODEL=your_model
-
配置 MCP 服务器：
编辑
src/tools/mcp_config.py文件，修改 MCP 服务器路径：SERVER_CONFIGS = { "a_share_mcp_v2": { # 重命名以提高清晰度，原名为 "a-share-mcp-v2" "command": "uv", # 假设'uv'在PATH中或使用完整路径 "args": [ "run", # uv run命令 "--directory", r"a_share_mcp项目的绝对路径", # 修改为您已部署好的MCP服务器项目路径，如未部署好，请git clone https://github.com/24mlight/a-share-mcp-is-just-i-need.git， 然后部署 "python", # 在uv中运行的命令 "mcp_server.py" # MCP服务器脚本 ], "transport": "stdio", } }
系统通过此配置连接到 A 股 MCP 服务器获取实时金融数据。
| 运行方式 | |
|---|---|
 命令行参数模式 |
交互式模式 |
通过命令行运行：
poetry run python -m src.main --command "分析股票名称"例如：
poetry run python -m src.main --command "分析贵州茅台"
poetry run python -m src.main --command "帮我看看比亚迪这只股票怎么样"
poetry run python -m src.main --command "我想了解一下腾讯的投资价值"直接运行程序，系统将自动进入交互模式：
poetry run python -m src.main系统会显示的欢迎界面和使用指南，然后等待您输入查询。
支持的自然语言查询示例：
- "分析嘉友国际"
- "帮我看看比亚迪这只股票怎么样"
- "我想了解一下腾讯的投资价值"
- "603871 这个股票值得买吗？"
- "给我分析一下宁德时代的财务状况"
- "中国平安现在的估值如何？"
注意: 必须使用
python -m src.main的模块导入方式运行，而不是直接运行python src/main.py，这样可以确保正确的导入路径。
系统将在终端显示分析结果，并将完整的 Markdown 格式报告保存到reports目录。
| 报告章节 | 内容描述 |
|---|---|
 执行摘要 |
对分析结果的整体概述和关键结论 |
 基本面分析 |
公司财务状况、经营情况和行业地位分析 |
| 技术分析 |
股价走势、交易量和技术指标分析 |
 估值分析 |
市盈率、市净率等估值指标分析 |
 交叉验证 |
不同分析方法的对比验证 |
 投资建议 |
基于综合分析的投资决策建议 |
Financial-MCP-Agent/
├── .venv/ # 虚拟环境
├── logs/ # 执行日志
├── reports/ # 生成的分析报告
├── src/
│ ├── agents/ # Agent实现
│ │ ├── fundamental_agent.py # 基本面分析智能体
│ │ ├── technical_agent.py # 技术面分析智能体
│ │ ├── value_agent.py # 估值分析智能体
│ │ └── summary_agent.py # 总结智能体
│ ├── tools/ # 工具实现
│ │ ├── mcp_client.py # MCP客户端实现
│ │ ├── mcp_config.py # MCP服务器配置
│ │ └── openrouter_config.py # OpenRouter配置
│ ├── utils/ # 工具函数
│ │ ├── execution_logger.py # 执行日志系统
│ │ ├── log_viewer.py # 日志查看器
│ │ ├── logging_config.py # 日志配置
│ │ ├── llm_clients.py # LLM客户端
│ │ └── state_definition.py # 状态定义
│ └── main.py # 主程序
├── tests/ # 测试
├── .env # 环境变量
├── .env.example # 环境变量示例
├── .gitignore # Git忽略文件
├── logging_system.md # 日志系统说明
├── poetry.lock # Poetry依赖锁定
├── pyproject.toml # 项目配置
├── README.md # 项目说明
└── test_agent_with_real_tools.py # 测试脚本
Exception ignored in: <function BaseSubprocessTransport.__del__ at 0x00000217922E20C0>
Traceback (most recent call last):
File "D:\python3.11\Lib\asyncio\base_subprocess.py", line 126, in __del__
self.close()
File "D:\python3.11\Lib\asyncio\base_subprocess.py", line 104, in close
proto.pipe.close()
File "D:\python3.11\Lib\asyncio\proactor_events.py", line 109, in close
self._loop.call_soon(self._call_connection_lost, None)
File "D:\python3.11\Lib\asyncio\base_events.py", line 761, in call_soon
self._check_closed()
File "D:\python3.11\Lib\asyncio\base_events.py", line 519, in _check_closed
raise RuntimeError('Event loop is closed')
RuntimeError: Event loop is closed上述 error 可以忽略，这是由于异步执行未能正确关闭。不影响系统运行，可以忽视。
