A Scope Research

基于MCP（Model Context Protocol）的中国A股市场智能分析系统，通过多个专业智能体的协作和辩论，为投资决策提供全面的分析支持。

🌟 系统特色

🤖 专业智能体团队

• 技术分析师（李技术）：专注技术指标、图表形态和趋势分析
• 基本面分析师（王基本）：关注财务数据、公司价值和行业分析
• 量化分析师（张量化）：运用数学模型、统计方法和风险量化
• 市场情绪分析师（陈情绪）：分析投资者情绪、市场心理和舆情
• 风险管理师（刘风控）：评估投资风险、制定风控策略

🔄 智能协作流程

1. 并行分析：各智能体从专业角度独立分析目标股票
2. 团队辩论：多轮辩论讨论，交换观点和质疑假设
3. 最终决策：基于辩论共识做出投资建议
4. 风险评估：全面的风险分析和控制建议

🛠️ 技术架构

• MCP协议集成：实时获取A股市场数据和分析工具
• 多模型支持：兼容OpenAI、智谱GLM、通义千问等主流大模型
• 实时Web界面：类似微信群聊的智能体对话界面
• 灵活配置：支持YAML配置文件自定义模型和参数

🚀 快速开始

1. 环境准备

# 克隆项目
git clone <repository-url>
cd A-Scope-Research

# 创建虚拟环境（推荐）
python -m venv .venv

# 激活虚拟环境
# Windows
.venv\Scripts\activate
# Linux/Mac
source .venv/bin/activate

# 安装依赖
pip install -r requirements.txt

2. 配置设置

编辑 config.yaml

agents:
  technical_analyst:
    name: "李技术"
    model: "gpt-3.5-turbo"  # 或其他支持的模型
    api_key: "your_api_key_here"  # 替换为您的API密钥
    base_url: "https://api.openai.com/v1"  # 或其他API地址
    temperature: 0.7
    max_tokens: 2000
  # ... 其他智能体配置

支持的模型服务商

服务商	base_url	模型示例
OpenAI	https://api.openai.com/v1	gpt-3.5-turbo, gpt-4
智谱GLM	https://open.bigmodel.cn/api/paas/v4/	glm-4, glm-3-turbo
通义千问	https://dashscope.aliyuncs.com/compatible-mode/v1	qwen-turbo, qwen-plus
月之暗面	https://api.moonshot.cn/v1	moonshot-v1-8k, moonshot-v1-32k
DeepSeek	https://api.deepseek.com/v1	deepseek-chat, deepseek-coder

3. 运行方式

🌐 Web界面模式（推荐）

python main.py --mode web

访问 http://localhost:8501 打开Web界面

💻 命令行模式

# 分析指定股票
python main.py --mode cli --stock 000001

🎭 演示模式

# 交互式演示
python main.py --mode demo

📊 Web界面功能

主要功能

• 实时团队状态：显示各智能体的初始化状态和工具数量
• 股票分析输入：支持6位A股代码输入
• 分析结果展示：各智能体的专业分析报告
• 辩论过程可视化：类似群聊的实时辩论界面
• 最终决策汇总：投资建议和风险评估
• 结果导出：JSON格式的完整分析报告

界面特色

• 🎨 智能体头像：每个智能体有独特的emoji头像
• 🎨 颜色区分：不同角色使用不同的颜色主题
• ⏰ 时间戳显示：完整的分析时间线
• 🔧 工具调用展示：实时显示MCP工具的调用过程
• 📱 响应式设计：适配不同屏幕尺寸

🔧 项目结构

A-Scope-Research/
├── main.py                 # 主入口文件
├── config.yaml            # 智能体配置文件
├── mcp.json              # MCP服务器配置
├── requirements.txt       # Python依赖包
├── README.md             # 项目文档
├── src/
│   ├── __init__.py
│   ├── agents/           # 智能体模块
│   │   ├── __init__.py
│   │   ├── base_agent.py      # 基础智能体类
│   │   └── team_manager.py    # 团队管理器
│   ├── prompts/          # 智能体Prompt
│   │   ├── __init__.py
│   │   ├── technical_analyst.py    # 技术分析师
│   │   ├── fundamental_analyst.py  # 基本面分析师
│   │   ├── quantitative_analyst.py # 量化分析师
│   │   ├── sentiment_analyst.py    # 情绪分析师
│   │   └── risk_manager.py         # 风险管理师
│   └── ui/               # 用户界面
│       ├── __init__.py
│       └── streamlit_app.py       # Streamlit Web应用
└── .venv/                # 虚拟环境（自动生成）

🎯 使用场景

个人投资者

• 获得多角度的专业分析意见
• 了解不同投资策略的优缺点
• 做出更加理性的投资决策

投资机构

• 辅助投研团队的决策流程
• 提供标准化的分析框架
• 降低单一视角的分析偏差

金融教育

• 学习不同分析方法的应用
• 理解投资决策的复杂性
• 观察专业分析师的思维过程

🔍 分析示例

输入

股票代码: 000001 (平安银行)

输出示例

技术分析师观点

📈 从技术面看，000001当前处于上升通道中，MA20支撑有效，MACD金叉信号明确，建议逢低买入...

基本面分析师观点

📋 平安银行Q3财报显示ROE稳定在13%以上，不良贷款率控制良好，估值相对合理，具备长期投资价值...

量化分析师观点

🔢 基于历史数据回测，当前价位的风险调整收益率为1.8，波动率处于历史中位数，建议标准仓位配置...

市场情绪分析师观点

😊 近期银行板块情绪回暖，机构资金流入明显，但需警惕政策预期变化对情绪的影响...

风险管理师观点

🛡️ 主要风险来自利率政策变化和信贷周期，建议设置8%止损位，仓位不超过组合的15%...

⚙️ 高级配置

自定义智能体

可以通过修改 src/prompts/ 目录下的文件来自定义智能体的行为和专业特长。

MCP工具扩展

在 mcp.json 中添加新的MCP服务器来扩展数据源和分析工具。

模型参数调优

在 config.yaml 中调整各智能体的 temperature 和 max_tokens 参数来优化输出质量。

🐛 故障排除

常见问题

1. 模型连接失败

   • 检查API密钥是否正确
   • 验证base_url格式
   • 确认网络连接正常

2. MCP工具连接失败

   • 检查MCP服务器URL可访问性
   • 验证防火墙设置
   • 确认超时设置合理

3. 依赖包安装失败

   • 使用国内镜像源：pip install -i https://pypi.tuna.tsinghua.edu.cn/simple -r requirements.txt
   • 升级pip版本：pip install --upgrade pip

调试模式

启用详细日志输出：

# 设置环境变量
export LOG_LEVEL=DEBUG
python main.py --mode cli --stock 000001

🤝 贡献指南

欢迎提交Issue和Pull Request来改进项目！

开发环境设置

# 安装开发依赖
pip install -r requirements.txt
pip install pytest black flake8 mypy

# 代码格式化
black src/

# 代码检查
flake8 src/

# 类型检查
mypy src/

# 运行测试
pytest

📄 许可证

本项目采用 MIT 许可证，详见 LICENSE 文件。

🙏 致谢

• LangChain - 大模型应用框架
• MCP - 模型上下文协议
• Streamlit - Web应用框架

📞 联系方式

如有问题或建议，请通过以下方式联系：

• 提交 GitHub Issue
• 发送邮件至：[email protected]

---

免责声明：本系统仅供学习和研究使用，不构成投资建议。投资有风险，决策需谨慎。