What is Mcp Agent

mcp-agent is an intelligent stock analysis system based on LangGraph and FastAPI, utilizing a multi-agent parallel analysis architecture to provide fundamental, technical, and valuation analysis, along with comprehensive investment report generation.

Use cases

Use cases include analyzing the investment value of specific stocks, generating comprehensive investment reports, and providing real-time insights into stock market trends and valuations.

How to use

To use mcp-agent, clone the project repository, install the dependencies, configure the environment variables, and start the service. Access the front-end interface and API documentation via the specified URLs, and submit analysis queries in the standard format.

Key features

Key features include multi-agent parallel analysis, real-time stock data analysis, three-dimensional analysis (fundamental, technical, valuation), real-time WebSocket communication, visual execution monitoring, professional investment report generation, intelligent query parsing, complete data display, and true Markdown rendering.

Where to use

mcp-agent can be used in financial analysis, investment decision-making, stock market research, and by individual investors or financial institutions looking for automated stock analysis solutions.

多Agent股票分析系统

一个基于 LangGraph 和 FastAPI 的智能股票分析系统，采用多Agent并行分析架构，提供基本面、技术面、估值分析和综合投资报告生成。

🌟 主要特性

多Agent并行分析

• 基本面分析Agent: 分析财务状况、盈利能力、成长性等
• 技术分析Agent: 分析价格趋势、技术指标、支撑阻力位等
• 估值分析Agent: 分析估值指标、与行业对比、投资价值等
• 汇总分析Agent: 整合三个专业分析，生成综合投资建议报告

核心功能

• 🤖 基于 LangGraph 的智能多Agent系统
• 📊 实时股票数据分析（A股市场）
• 💹 三维度并行分析：基本面、技术面、估值分析
• 🔄 实时WebSocket通信
• 📈 可视化执行过程监控
• 📄 专业级投资报告生成
• 🎯 智能查询解析和股票模板系统
• 📝 完整数据展示（无截断）
• 🎨 真实Markdown渲染

🏗️ 系统架构

多Agent工作流

用户查询 → 查询解析 → 并行执行三个专业Agent
                    ├── 基本面分析Agent (财务数据、盈利能力等)
                    ├── 技术分析Agent (价格趋势、技术指标等) 
                    └── 估值分析Agent (估值指标、行业对比等)
                           ↓
                    汇总Agent → 综合投资报告

技术栈

• 后端: FastAPI + LangGraph + LangChain
• 前端: 原生 HTML/CSS/JavaScript + WebSocket + marked.js
• AI模型: Google Gemini (通过 langchain-google-genai)
• 数据源: MCP (Model Context Protocol) 服务器

📦 安装和设置

1. 克隆项目

git clone <repository-url>
cd <project-name>

2. 安装依赖

pip install -r requirements.txt

3. 环境配置

创建 .env 文件并配置：

GOOGLE_API_KEY=your_google_api_key_here
GEMINI_MODEL=gemini-2.0-flash

4. 启动服务

python app.py

🚀 使用指南

访问地址

• 前端界面: http://localhost:8000/static/index.html
• API文档: http://localhost:8000/docs
• 多Agent WebSocket: ws://localhost:8000/ws/multi

分析查询格式

标准格式: 请分析[公司名称](https://raw.githubusercontent.com/firmmaple/mcp-agent/master/[股票代码])的投资价值

查询示例:

请分析贵州茅台(sh.600519)的投资价值
请分析比亚迪(sz.002594)的投资价值
请分析宁德时代(sz.300750)的投资价值

支持的股票代码格式

• sh.600519 (上海证券交易所)
• sz.000858 (深圳证券交易所)
• sz.300750 (创业板)

📁 项目结构

multi-agent-stock-analysis/
├── app.py                        # 主应用服务器
├── multi_agent_workflow.py       # 多Agent工作流核心
├── multi_agent_websocket.py      # 多Agent WebSocket管理器
├── test_multi_agent.py           # 测试脚本
├── requirements.txt              # Python依赖
├── .env                          # 环境变量配置
├── README.md                     # 项目文档
├── agents/                       # Agent模块目录
│   ├── base_agent.py            # 基础Agent抽象类
│   ├── fundamental_agent.py     # 基本面分析Agent
│   ├── technical_agent.py       # 技术分析Agent
│   ├── valuation_agent.py       # 估值分析Agent
│   └── summary_agent.py         # 汇总分析Agent
└── frontend/                     # 前端文件
    ├── index.html               # 主页面
    ├── app.js                   # JavaScript逻辑
    └── style.css                # 样式文件

📊 分析报告示例

多Agent系统会生成包含以下部分的综合投资报告：

# 贵州茅台(sh.600519) 投资分析报告

## 📊 执行摘要
[核心投资观点和建议，2-3段概述]

## 📈 基本面分析要点
[基本面分析核心结论，包括财务状况、盈利能力、成长性等]

## 📉 技术分析要点  
[技术分析核心结论，包括趋势、指标、操作建议等]

## 💰 估值分析要点
[估值分析核心结论，包括估值水平、目标价格等]

## ⚖️ 综合投资评级
**投资建议：** [买入/增持/持有/减持/卖出]
**目标价格：** [具体价格区间]
**投资期限：** [短期/中期/长期]
**风险级别：** [低/中/高]

## 🎯 投资亮点
[列出3-5个主要投资亮点]

## ⚠️ 主要风险
[列出3-5个主要风险因素]

## 🚀 操作策略
### 进场策略
[具体的买入时机和价位建议]

### 持仓管理
[持仓比例和仓位管理建议]

### 退出策略
[止盈止损设置和退出条件]

🔧 配置选项

环境变量

• GOOGLE_API_KEY: Google Gemini API密钥 (必需)
• GEMINI_MODEL: 使用的Gemini模型版本 (默认: gemini-1.5-flash)

MCP服务器配置

当前配置的MCP服务器提供A股数据：

"a_share_data_provider": {
    "url": "http://mcp-server.danglingpointer.top:3000/mcp/",
    "transport": "streamable_http",
}