深度报告-2026-08-04-华创证券-AI投研工具研究之一_华创金工MCP配置与使用_31页_4mb

报告摘要

华创金工 MCP 配置与使用专题报告总结

核心内容概述

华创金工推出的 MCP（Model Context Protocol）服务旨在解决传统投研工具在数据孤岛、工具割裂、操作繁琐及能力组合受限等方面的痛点。通过 MCP，投研人员可以在一个对话入口中完成多维度的数据查询、分析与推理，提升研究效率与深度。MCP 提供了 23 个工具，涵盖投研分析、数据查询、知识与舆情、资讯与公众号、实用工具、首席与大师、文件管理等七大类别，形成完整的 AI 投研工作流。

主要观点

MCP 的价值
- MCP 是 AI 时代的“万能插座”，标准化封装了金融数据、量化模型、舆情资讯及 AI 人设对话能力，解决了传统 AI 工具与数据源割裂的问题。
- 通过 MCP，AI 客户端可以直接调用结构化数据，无需手动切换多个系统或人工拼接信息，实现“即插即用”的体验。
- 该服务为研究员节省时间，使其更专注于逻辑推演和投资判断，而非数据收集。
MCP 的特点
- 标准化接口：所有能力封装为统一的工具接口，兼容多种 AI 客户端（如 Claude、Cursor）。
- 自动发现与调用：客户端可自动识别并调用 MCP 服务中的工具，无需硬编码。
- 解耦设计：数据与工具在服务端演进，客户端无需更改即可使用新功能。
- 安全性与权限控制：通过 Bearer Token 鉴权，确保数据安全，client_secret 是访问 MCP 的唯一凭证。
工具分类与功能
- 投研分析类：提供公司速览、行业报告、形态学量化信号等工具，帮助研究员快速获取公司与行业信息。
- 数据查询类：支持 A 股数据库直查、公募/机构持仓、产业链上下游、基金经理档案等，提供全面的财务与市场数据。
- 知识与舆情类：连接内部知识库与外部信息，支持宏观与概念背景的检索。
- 资讯与公众号类：覆盖财经新闻、公众号账号搜索、文章列表及正文抓取，构建完整的舆情链路。
- 实用工具类：包括身份证校验、电话区号查询、万年历、天气预报、手机号归属地查询等，满足日常研究需求。
- 首席与大师类：提供 AI 模拟对话功能，与 22 位卖方首席及 29 位投资大师进行交互，拓展研究视角。
- 文件类：支持研究成果的保存与读取，实现数据的持久化与复用。

关键信息

工具总数：23 个工具，分属 7 大类别。
MCP 接入方式：通过 JSON-RPC 2.0 协议，客户端需配置专属的 client_secret 和 MCP 服务器端点。
使用示例：
- “帮我出一份宁德时代的投研速览。”
- “用彼得·林奇的思路，帮我评价这家公司值不值得看。”
- “查一下贵州茅台最近一期的营业收入和净利润。”
注意事项：
- ask_chief/ask_master 会触发大模型生成，存在延迟和成本，需按需使用。
- query_financial_db 需使用 T-SQL 查询，注意语法格式与参数限制。
- 公众号链路需按顺序调用：search_wechat_accounts → query_wechat_articles → query_wechat_article_detail。
- 数据仅限内部使用，AI 生成内容仅供参考，不构成投资建议。

未来展望

华创金工 MCP 服务旨在推动 AI 与专业数据的协同进化，构建人类 + AI + 专业数据的投研新范式。未来将继续扩展 MCP 工具，为更多用户提供更强大的 AI 投研支持。

风险提示

所有工具、数据、报告及 AI 生成内容仅用于研究参考，不构成投资建议、买卖推荐或操作指令。
请勿泄露 client_secret，避免被封禁或数据滥用。

附录信息

相关研究报告：
- 《兼具流动性与稳健性的配置工具——大成深证基准做市信用债 ETF 投资价值分析》
- 《华创金工基本面研究（三）估值因子研究——拙能胜巧》
- 《2025年6月指数样本股调整预测》
- 《2025年一季报公募基金十大重仓股持仓分析》
- 《一季度指数涨跌互现，市场或需注意风险——2025年一季度策略总结与未来行情预判》
金融工程组团队：
- 组长、首席分析师：王小川（同济大学管理学博士）
- 助理研究员：刘依凡（上海财经大学金融统计博士）
MCP 服务地址：
- https://www.hcquant.com/MCP.html