一、模型上下文协议MCP（Model Context Protocol）
MCP是一个开放协议，旨在标准化应用程序与大型语言模型（LLM）之间的上下文交互，被誉为“AI领域的USB-C”。MCP采用客户端-服务器架构，包括MCP主机（如Claude）、MCP客户端和MCP服务器三大组件。协议功能层次分为协议层和传输层，支持Stdio和HTTP两种传输方式，采用JSON-RPC 2.0协议。MCP执行流程包括客户端连接服务器、识别工具、准备Prompt、大模型选用工具、发送调用请求、服务器执行并返回结果、大模型生成最终回答七个步骤。MCP Server配置方法包括启动Cursor、配置mcp.json文件、添加自定义MCP服务器，并支持全部可用、全部禁用、部分启用三种可用性管理模式。
二、基于MCP的研报复现系统构建
本项目以Cursor为例，构建了基于MCP的研报复现智能体系统，重点开发了数据MCP和指令MCP两大服务器。
- 数据MCP：提供可自定义、可解耦的金融研报和金融数据解决方案。研报获取支持“研报库搜索”和“本地文档自备”两种模式，通过MinerU实现PDF转Markdown，方便大模型读取。数据准备支持“金融数据库搜索”、“Wind API提取”和“本地数据自备”三种模式，其中“金融数据库搜索”基于Text-to-SQL Agent实现自然语言到SQL语句的转化，并进行了系统提示词优化和“Better”处理模块的引入，提升SQL生成系统的稳定性和可靠性。
- 指令MCP：实现驱动指令流控制，将研报复现任务分解为需求识别、数据准备、建模回测和报告撰写四个阶段，每个阶段由系统返回的标准化指令驱动，大模型按指令逐步执行。指令MCP支持“策略择时”、“多因子选股”和“大类资产配置”三种方法，每个阶段均提供代码模板和提示词，确保流程规范性和生成内容一致性。
三、研报复现案例
以Black-Litterman模型为例，展示了完整的研报复现流程：需求识别（自动识别研报中的模型并供用户选择）、数据准备（生成自然语言数据请求，通过Text-to-SQL Agent生成SQL语句并提取数据）、建模回测（数据预处理、因子计算、选股回测、结果可视化）、报告撰写（自动生成包含12个章节的Markdown报告，涵盖任务引导到结果解释的全过程，并支持多轮修改优化）。
四、风险提示
系统高度依赖大语言模型的理解与生成能力，模型输出可能受提示词、上下文窗口长度或模型状态影响，存在幻觉行为风险；金融研报细节披露有限，实际复现结果可能与原始报告存在差距；系统依赖多个第三方或自研的MCP服务器，不同版本Cursor可能存在接口不一致问题；Text-to-SQL Agent所依赖的RAGFlow框架版本更新可能引入接口调整或默认行为变化。
