Before 和 After
要理解 Model Context Protocol 为什么对投研重要，考虑一个跨境分析在 MCP 之前和之后如何进行。
之前。 一个研究员想比较一家在上海证券交易所上市的中国铜冶炼厂和其最接近的美国同行的估值。工作流：打开 AKShare 或 Wind 拉 A 股公司的财务数据。打开一个全球金融终端查美国同行。两者导出到 Excel。手动对齐财年（中国公司经常按不同的历法惯例报告）。为中国会计准则和 US GAAP 之间的会计差异做标准化。构建对比表。把表格复制到文档中。写分析。一个合格研究员的耗时：2-4 小时。认知开销：分散在五个工具和三个标签页中，持续的上下文切换降低了分析质量。
之后。 研究员在与 Claude 的对话中提出一个问题：“比较江西铜业的过去十二个月 EV/EBITDA 和 Freeport-McMoRan 的，调整中国会计准则与 US GAAP 在折旧处理上的差异。拉最新数据。” Claude 通过 MCP 同时连接 AKShare（A 股数据）和一个全球金融数据源（美股数据），实时执行两个查询，进行标准化，构建对比，呈现分析——一次传递，两分钟以内。研究员审核、质疑、改进。认知流不中断。
这不是假设。这就是 KSINQ 研究工作流今天的运作方式。
MCP 实际上是什么
MCP——Model Context Protocol——是 Anthropic 于 2024 年 11 月推出的开放标准，现由 Linux Foundation 旗下的 Agentic AI Foundation 治理。它已被每个主要 AI 提供商采纳。截至 2026 年 3 月，MCP SDK 下载量跨 Python 和 TypeScript 超过 9700 万次，成为历史上采用最快的 AI 基础设施标准。
技术描述很直接：MCP 定义了一个标准化接口，AI 模型通过它可以连接外部数据源和工具。开发者不需要为每个数据源构建自定义连接器（“N×M 问题”），而是为每个数据源构建一个 MCP server，任何兼容 MCP 的 AI 客户端都可连接到它。
在开发者社区流传的类比是”AI 的 USB-C”——一个替代满抽屉专有线缆的通用接口。这个类比是准确的，其对投研的含义是重大的。
为什么 MCP 改变投资研究
传统的金融数据模型是终端。你付费获取访问权，坐在屏幕前，手动查询，手动综合。AI 时代的第一次迭代是”复制粘贴到 ChatGPT”——一种边际改善，保留了人工数据检索的瓶颈。
MCP 消除了这个瓶颈。 有了 MCP，AI 不等你喂它数据。它直接联系数据源，实时查询它们，并在单次分析传递中跨源综合。研究员的角色从数据检索转向分析判断——这正是人类价值真正所在的地方。
对跨境投研来说，这种转变尤其具有变革性，因为数据碎片化问题更严重。中国市场数据在 AKShare、Wind 或 Choice 中。美国和全球数据在各类商业金融终端中。宏观数据来自 FRED、PBOC 或 NBS。新闻来自路透、财新或社交媒体。MCP 之前，跨境研究员花在组装数据上的时间多于分析。MCP 之后，组装自动化，研究员的全部认知预算用于分析。
KSINQ 的 MCP 架构
我们为以下数据源运营 MCP 连接，每个在我们的研究工作流中服务特定功能。
全球金融数据（通过 MCP） 提供全球基本面数据——美国和国际股票、固定收益、衍生品和 ESG 指标。在我们的工作流中，这是非中国市场数据的主要来源，用于全球同行比较、板块基准和跨境估值分析。
AKShare 提供中国市场数据——A 股、港股、期货、基金数据和宏观经济指标。我们将 AKShare 的开源 API 封装成一个 MCP 兼容服务器，使 Claude 查询中国市场数据和查询全球数据层一样流畅。这种双源架构是我们跨市场分析能力的基础。
Readwise 处理研究内容摄取——卖方报告、学术论文、新闻文章和策划的社交媒体。通过 MCP，Claude 可以查询我们累积的研究库以检索相关的先前分析，识别特定主题上卖方共识的样子，并标记我们内部观点在哪里偏离。
这些来源的组合通过统一的 MCP 接口可访问，意味着一个研究对话可以跨越中国财务报表、美国同行比较、宏观指标、卖方共识和专有贸易情报——而研究员不离开分析环境。
MCP 不做什么
MCP 是管道，不是智能。它把数据交付给模型；它不告诉模型如何处理该数据。分析的质量仍然完全取决于模型的推理能力（这就是为什么我们的 Claude 选择很重要）和人类研究员的判断力（这就是为什么我们的三重视角框架很重要）。
MCP 也不解决数据质量问题。如果 AKShare 返回过时数据，或全球数据源返回的财务报表有错误，MCP 会忠实地把那个错误交付给模型。我们的工作流包含数据验证检查，但这些是 MCP 的下游——它们是研究流程的一部分，不是连接层。
理解这个区别很重要：MCP 是基础设施。你在它上面构建什么，才创造研究价值。