重磅！Claude開源10個金融Agent模板
整理版優先睇
Anthropic 開源 10 個金融 Agent 模板，幫你標準化投行、投資、信貸等工作流
呢篇文章係由作者江楓整理，介紹 Anthropic 最近開源嘅 10 個金融 Agent 模板。作者本身係熟悉 AI 工具嘅開發者，佢想解決嘅問題係：金融從業者點樣用 AI 高效處理數據分析、建模、報告生成等任務。整體結論係呢套 Agent 架構清晰，分為連接器、技能、命令同智能體四層，仲有 7 個垂直插件，可以將金融 AI 工作流標準化，即使冇專業金融 API，都可以靠網上數據做到基本分析。
文章首先講咗安裝步驟：要喺 Claude Code 嘅 marketplace 加翻金融服務插件，然後裝翻 financial analysis 等技能。作者親測過，只要叫 Claude 一次過裝曬所有 Agent 同 Skills 就得。之後詳細介紹咗 4 層架構：連接器透過 MCP 協議連 FactSet、S&P Global 等終端解決數據獲取；技能係金融專家寫嘅 SOP Markdown 文檔；命令係快捷觸發技能；Agent 就係技能嘅容器，按任務打包所需技能。
最後作者提到 7 個垂直插件，例如 financial-analysis 提供核心建模工具，investment-banking 包含交易執行技能。佢仲測試咗聯合兩個 Agent（market-researcher 同 pitch-agent）分析半導體行業趨勢同上嘅融資計劃書，效果唔錯。作者認為即使非金融從業者，只要做投資，都可以用呢啲 Agent 做財報解…
- Anthropic 開源 10 個金融 Agent，覆蓋投行、投資、信貸、財報等範疇，全部放喺 GitHub 倉庫 anthropics/financial-services。
- 架構分四層：連接器（MCP 協議連金融終端）、技能（專家寫嘅 SOP）、命令（快捷觸發）、智能體（技能容器），層層分明。
- 7 個垂直插件係精華，將金融 AI 工作流標準化，例如 financial-analysis 提供 DCF 模型等技能，investment-banking 提供交易執行技能。
- Agent 可以互相協作：命令 market-researcher 分析宏觀趨勢，再交畀 pitch-agent 生成融資計劃書，示範咗多 Agent 聯合工作。
- 如果想發揮最大效用，建議花錢配置 FactSet、S&P Global 等金融數據 API，否則會用公網數據，準確度冇咁高。
Anthropic 金融服務開源倉庫
包含 10 個 Agent 同 7 個垂直插件嘅完整代碼同安裝指引
MCP 配置方法
喺 .claude/settings.json 加入 MCP server 設定，每個數據源要獨立 API key
四層架構：連接器、技能、命令、智能體
呢個架構將金融 AI 工作流拆成四層，每一層都有明確職責。最底層係連接器，透過 MCP 協議直接連去 FactSet、S&P Global 等金融終端，解決數據獲取問題。
連接器係最底層，透過 MCP 協議將 Claude 直連到金融終端
命令層係快捷鍵，可以快速觸發 Skills。當你輸入一個命令，Claude 會立即揾翻匹配嘅 Skills，再用 MCP 抓數據。
最頂層係 Agent，可以睇做 Skills 嘅容器。一個 Agent 會按任務需求打包佢需要嘅 Skills，例如 pitch-agent 會同時打包 DCF 技能同 PPT 生成技能。
7 個垂直插件：標準化金融 AI 工作流
呢 7 個插件係成個開源套件嘅精華，將金融 AI 工作流標準化。佢哋同 Agent 嘅關係係：垂直插件係技能同命令嘅結合，定義特定領域嘅操作流程；Agent 就係執行者，包裝好一個或多個插件。
- 1 financial-analysis：投行/PE/券商通用嘅核心建模工具集，包含 DCF、LBO 等模型 Skills。
- 2 investment-banking：投行交易執行相關 Skills，例如 M&A、IPO 流程。
- 3 credit-analysis：信貸分析專用，包括財務比率、現金流預測等。
- 4 equity-research：權益研究，涵蓋行業分析、估值模型。
- 5 portfolio-management：投資組合管理，包括風險評估同資產配置。
- 6 compliance：合規審計，自動化檢查交易合規性。
- 7 report-generation：報告生成，將分析結果整合成 PPT 或 Word 文檔。
作者用一條公式概括：1 個 Agent = System Prompt + 多個垂直插件中嘅特定 Skills。咁樣設計令到 Agent 可以靈活組合，應付唔同場景。
1 個 Agent = System Prompt + 多個垂直插件中嘅特定 Skills
實戰測試：兩個 Agent 聯合分析半導體行業
作者測試咗 market-researcher 同 pitch-agent 兩個 Agent 協作。先叫 market-researcher 分析當前半導體行業嘅宏觀趨勢，然後將結論交畀 pitch-agent，幫手定製一份融資計劃書。
由於作者冇配置金融數據 API，market-researcher 只能從網絡上搜數據，最終輸出咗一份「半導體行業宏觀趨勢研究報告_2026Q2.md」。雖然數據來源唔係專業終端，但覆蓋面都算全面。
跟住 pitch-agent 根據市場研究報告，生成咗一份融資計劃書。成個流程示範咗多 Agent 協作嘅可能性，對金融從業者嚟講好有參考價值。
總結：對所有投資者都有用
Anthropic 開源呢 10 個 Agent 唔單止對金融從業者有用，對非金融從業者但係有做投資嘅人一樣有意義。你可以藉助呢啲 Agent 做財報解讀、行業分析、數據建模，對投資決策有直接幫助。
對非金融從業者但係有做投資嘅人一樣有意義
不過要注意，想完全發揮呢啲 Agent 嘅能力，最好係花啲錢將 FactSet、S&P Global 等 API 全部配置好。作者強調，冇數據嘅 Agent 等於瞎子，金融智能體尤其係咁。
大家好，我係江楓
最近Anthropic又出咗個大招，今次將金融行業嘅核心工作流程封裝成10個金融Agent。涵蓋咗投行、投資、信貸、財務報表等各方面。
呢10個Agent如下：
呢10個Agent都開源咗喺anthropics/financial-services倉庫裏面
安裝好簡單，跟住以下方式喺Claude Code入面執行就得喇
其實最重要係頭兩步
第一步喺Marketplace將claude-for-financial-services加埋入嚟
第二步安裝financial analysis
後面嘅Agent、Skills嗰啲，唔需要逐個安裝。你只要喺Claude Code同佢講，將所有agent、skills都裝曬。我就係咁樣做嘅，親測有效
下面我介紹下呢啲Agent有啲咩乾貨
01
4層架構
架構分做4個層次：連接器（Connectors）、技能（Skills）、命令（Commands）、Agent（Agents）
1 連接器
連接器係最底層，透過MCP協議，將Claude直接連接到FactSet、S&P Global等金融終端。解決嘅係數據獲取問題。
命令
其實就係快捷命令，可以快速觸發Skills。當輸入一個命令，Claude會即刻揾返匹配嘅Skills並用MCP抓取數據
Skills
呢個係金融專家編寫嘅Markdown文檔。可以話係一個SOP文檔。例如定義咗點樣做一個DCF模型或者點樣進行合規審計嘅具體步驟。
Agent
可以將Agent當做係Skills嘅容器，一個Agent會根據任務需求，打包佢需要嘅Skills。例如pitch-agent會同時打包DCF技能同PPT生成技能
對於Agent嚟講，冇數據就等於係個盲嘅，金融Agent更加係咁。
MCP連接咗11個金融數據源，每個數據源都需要配置獨立嘅API。如果唔配置API，咁數據就會從公網中獲取
喺.claude\settings.json加入MCP server進行API嘅配置
02
7個垂直插件
呢7個插件係我認為最具含金量嘅，等於用7個插件將金融AI工作流程標準化咗。
7個插件如下：
呢7個垂直插件同Agent之間嘅關係可以理解為知識庫同執行者嘅關係。
垂直插件本質上係技能同命令嘅結合。定義咗特定領域嘅操作流程
Agent就係執行者。佢係一個包裝好嘅實體，通常會關聯一個或多個垂直插件。
我用一個公式嚟概括，就比較清楚喇
1個Agent = System Prompt + 多個垂直插件入面嘅特定Skills
每個垂直插件都自帶一堆skills，例如financial-analysis
呢個插件主要係有用喺投行/PE/券商通用嘅核心建模工具集。所以可以見到模型相關嘅Skills
investment-banking就係包含咗投行交易執行嘅Skills
下面嚟測試下功能，輸入：
先叫market-researcher分析一下當前半導體行業嘅宏觀趨勢，然後將結論交畀pitch-agent，幫我定製一份融資計劃書。
呢個需要market-researcher同pitch-agent呢兩個Agent聯合工作
由於我冇配置金融數據嘅API，所以market-researcher從網絡上搜尋數據，最終輸出半導體行業宏觀趨勢研究報告_2026Q2.md
雖然唔係從專業嘅金融終端獲取數據，但數據方面都算比較齊全
然後就係pitch-agent輸出融資計劃書
寫喺最後
anthropics開源嘅呢10個Agent唔止對金融從業員有用，對非金融從業員但係有做投資嘅同樣有意義
可以藉助呢啲Agent嚟做財務報表解讀、行業分析以及數據建模等，對投資都有幫助作用
當然，如果想完全發揮呢啲Agent嘅能力，最好係使啲錢將呢啲API都配置曬。
大家好，我是江楓
最近Anthropic又來了個狠招，這次把金融行業的核心工作流封裝成了10個金融Agent。 覆蓋了投行，投資，信貸，財報等各個方面。
這10個智能體如下：
這10個Agent都開源在了anthropics/financial-services倉庫裏面
安裝很簡單，按照如下方式在Claude code中運行就可以了
其實最重要的是前兩步
第一步在marketplace中把claude-for-financial-services添加進來
第二步安裝 financial analysis
後面的Agent，Skills什麼的，不需要一個個的安裝。你只需要在Claude Code告訴它，把所有的agent, skills都安裝。我就是這麼操作的，親測有效
下面我來介紹下，這些Agent都有哪些乾貨
01
4層架構
架構分成4個層次：連接器 (Connectors)，技能 (Skills)，命令 (Commands)，智能體 (Agents)
1 連接器
連接器是最底層，通過MCP協議，將Claude直連到FactSet,S&P Global 等金融終端。解決的是數據獲取問題。
命令
其實就是快捷命令，可以快速觸發Skills。當輸入一個命令，Claude會立即查找匹配的Skills並用MCP抓取數據
Skills
這是金融專家編寫的 Markdown 文檔。可以說是一個SOP文檔。比如定義瞭如何做一個 DCF 模型或者如何進行合規審計的具體步驟。
Agent
可以把Agent看做是Skills的容器，一個Agent會根據任務需求，打包它需要的Skills。例如，pitch-agent 會同時打包DCF 技能和PPT生成技能
對於Agent來說，沒數據就等於是個瞎子，金融智能體更是如此。
MCP連接了11個金融數據源，每個數據源都需要配置單獨的API。如果不配置API，那麼數據將從公網中去獲取
在.claude\settings.json增加MCP server進行API的配置
02
7個垂直插件
這7個插件是我認為最具含金量的，相當於用7個插件把金融AI工作流給標準化了。
7個插件如下：
這 7 個垂直插件與 Agent之間的關係可以理解為知識庫與執行者的關係。
垂直插件本質上是技能和命令的結合。定義了特定領域的操作流程
Agent 就是是執行者。它是一個包裝好的實體，通常會關聯一個或多個垂直插件。
我用有一個公式來概括，就比較清楚了
1 個 Agent = System Prompt + 多個垂直插件中的特定 Skills
每個垂直插件都自帶一堆skills，比如financial-analysis
這個插件主要是有用在投行/PE/券商通用的核心建模工具集。所以可以看到模型相關的Skills
investment-banking 則是包含了投行交易執行的Skills
下面來測試下功能，輸入：
先讓 market-researcher 分析一下當前半導體行業的宏觀趨勢，然後把結論交給 pitch-agent，為我定製一份融資計劃書。
這需要market-researcher和pitch-agent這個2個智能體聯合工作
由於我沒有配置金融數據的API，因此market-researcher從網絡上去搜索的數據，最終輸出半導體行業宏觀趨勢研究報告_2026Q2.md
雖然不是從專業的金融終端獲取數據，但數據面還是比較全的
然後就是pitch-agent輸出融資計劃書
寫在最後
anthropics開源的這10個Agent不光是對金融從業者有用，對非金融從業者，但是在做投資的同樣有意義
可以藉助這些Agent來做財報解讀，行業分析以及數據建模等，都能對投資有幫助作用
當然，想要完全發揮這些Agent的能力，最好是花點錢把這些API都配置了。