用 MCP 构建 AI 股票研究工作流

第一步：确认股票代码与公司身份

当用户只给出公司名或代码可能有歧义时，先使用 market.symbol_search，再通过 market.company_profile 确认发行人、交易所、国家、行业、币种以及该证券是否为 ETF。这样可以避免对错误证券生成流畅但无效的分析。

第二步：分开处理基本面与市场价格

market.fundamentals 提供公司报告的财务报表、比率和指标。必须选择季度或年度并保留财务报告期。market.price_history 提供标准化每日 OHLCV 与复权收盘价，可用于收益、波动率和事件窗口，但不适合盘中交易分析。

长序列应在代码执行或工具编排环境中逐页处理，只把计算方法、日期窗口、结果和警告写入最终答案。

第三步：谨慎加入事件、观点和新闻

盈利数据包括计划或已报告事件、预期值、实际值和惊喜幅度，但日期与预期可能变化。分析师评级属于第三方观点，不是 Unquant 推荐。新闻摘要可以提供近期背景，生成的影响方向和置信度不证明因果关系，也不预测收益。

最终答案应具备可复现性

• 注明确认后的股票代码、上市地点和币种。
• 列出使用的财务报告期与价格日期窗口。
• 区分实测数据、公司披露、第三方观点和生成分析。
• 保留更新时间、缺失字段和数据集警告。
• 给出基于证据的不确定结论，而不是个性化买卖指令。