文因互联(文因互联待遇)|科技 |Agent |管线 |数据 |公告 |功能

从公告采集、PDF 解析、事实抽取、证据链沉淀的整条生产管线，解释为什么一定要给你的Agent接上Clawshire MCP。

上一篇文章里，我们演示了 Hermes Agent如何接入 Clawshire MCP，并用它完成一次 A 股热点分析实战。

当 Agent 真正进入 A 股研究场景，问题会从“能不能查到数据”，进一步变成“能不能持续拿到可调用、可追溯、可比较的数据结果”。

Clawshire MCP 适合 Agent 工作流，关键在于它背后有一条持续更新的数据管线：从公告采集、PDF 解析、事实抽取、证据链沉淀，到行业研判和公司逻辑变化，最后统一封装成 Agent 可以直接调用的工具层。

本篇文章会从 Clawshire MCP 的 Agent 适配方式、数据生产管线和 6 个核心功能三个层面展开。

为什么 Clawshire MCP 适合 Agent 工作流

Clawshire MCP 在这里承担的是 A 股公开数据工具层的位置。它把公告、年报、公告 Wiki、行业 thesis 和公司 delta 提前封装好，让 Agent 可以沿着分析链路逐步调用。

如果只是偶尔查一条公告，网页搜索也能解决。但当 Agent 要长期参与投研、风控或资讯监控，选择标准就会发生变化。

方案	主要成本
自己爬公告	采集稳定性、PDF 下载、OCR、字段抽取、反爬和更新延迟都要自己维护
只买原始数据	数据有了，但 Agent 仍然缺少工具语义、结构化提取和证据链
只接 REST API	工程系统可以调用，但 Agent 还要额外适配工具发现、参数 schema 和调用方式
人工整理	质量可控，但速度慢，难以覆盖全市场，也难以持续更新

Clawshire MCP 更适合 Agent 场景，是因为它把底层数据、提取管线、知识图谱和工具描述放在了一起：

上线快：Hermes 接入后可以发现 16 个生产工具。
维护少：公告采集、PDF 提取、知识图谱和行业研判在服务端持续更新。
Agent 友好：工具有明确参数和返回结构，适合自然语言任务路由。
可追溯：结论可以回到公告、事实、证据链和工具调用结果。
可扩展：同样的能力可以服务微信、飞书、钉钉、终端、自研 Agent 和内部系统。

所以，选择 Clawshire MCP，就是给 Agent 增加一套能持续工作的 A 股研究能力。

底层引擎：Clawshire 数据生产管线clawshire.pipeline/

├── disclosure/ # 交易所、巨潮公告、年报、临时公告持续采集

├── structured_data/ # 事实、证据链、事件、关联关系沉淀

├── research_layer/ # 公告 Wiki、行业 thesis、公司 delta

└── mcp_tools/ # 16 个生产工具，供 Agent 发现、路由和调用

这条管线的意义在于：Clawshire 先把 A 股公开数据里最麻烦的前置工作处理掉，再把结果封装成 Agent 可以直接调用的工具。

Agent 调用 Clawshire MCP 时，面对的不是一堆原始 PDF 和网页链接，而是一组持续更新、可查询、可比较、可追溯的数据资产。

Clawshire MCP 的 6 个核心功能

功能	原来的工作	接入后的结果
查公告	翻网页、下载 PDF、手工摘字段	一句话拿到结构化摘要
看行业	查宏观、估值、公告和研报	合成行业阶段和多空逻辑
看公司	翻年报、算指标、写判断	输出财务指标、风险点和证据
看新股	等终端补数据、人工追公告	上市早期形成公司画像
做对比	分别查询再手动汇总	自动对齐公告、财务和逻辑
搜主题	在公告海里碰关键词	全文检索 49 万+ 公告

功能一：公告查询与结构化摘要

做公告分析时，常见流程是打开公告网站、输入股票代码、筛选公告、下载 PDF、阅读正文，再手工摘出关键字段。遇到一家公司的月度公告、回购公告、股东会公告、利润分配公告，这个流程会反复执行很多次。

Clawshire MCP 解决的不是单个字段提取问题，你不用自己打开公告网站、下载 PDF、逐篇阅读正文，而是可以直接拿到公告摘要和回购金额、分红方案、风险提示等结构化结果。

示例任务：

五粮液最近有什么公告？

Agent 调用：

get_stock_announcements

返回结果：

5 月至 6 月公告 14 条

首次回购、董事会决议、股东会通知、回购报告书、利润分配相关公告

关键字段包含回购股数、价格区间、回购金额、股东会时间和议案信息

这一步的价值在于，公告会从一个 PDF 链接，变成一组可以继续筛选、比较、追问和写入报告的字段。Agent 拿到的是“可分析状态”的公告数据。

功能二：行业研判与多信号合成

行业判断通常需要合并多类信息：宏观指标、行业估值、公司公告、资金行为、个股逻辑变化和理论框架。人工整理这些信息，需要跨多个来源来回切换。

Clawshire MCP 的 get_industry_thesis会把这些信号合并成行业视角，返回行业阶段、估值状态、多空逻辑、代表公司信号和参考框架。Agent 可以基于这些结果继续生成行业周报、监控摘要或投研问题清单。

示例任务：

食品饮料行业现在怎么样？

Agent 调用：

get_industry_thesis

返回结果：

行业阶段、PE / PB / 股息率

看好逻辑、看空逻辑

覆盖公司里的逻辑强化、削弱和中性信号

可参考的投资理论框架

这类能力适合做行业初筛：当前行业处在什么阶段，主要变量是什么，哪些公司正在强化或削弱原有逻辑。

功能三：公司投资逻辑增量

单家公司研究里，难点在于判断新的公告、财报、分红、回购、股权激励、风险提示是否改变原有逻辑。只看公告标题，很难知道这件事对公司研究到底有多重要。

get_company_deltas会把公告和财务信息放进投资逻辑框架里，返回强化、削弱、观察或中性等变化判断。它还可以把财务指标、风险点和证据一起带出来，让 Agent 从“这家公司发了什么公告”进一步走到“这些公告对公司逻辑有什么影响”。

示例任务：

五粮液的财报数据

Agent 调用：

get_company_deltas

返回结果：

营收、净利润、净利率、资产负债率、每股净资产、经营现金流等核心指标

看多因素、看空因素、后续关注点

对应公告和证据来源

进一步结合 get_wiki_facts，Agent 还可以查看一家公司背后的结构化事实、证据链和关联关系。公司研究因此可以从一段生成式总结，继续回到事实和公告来源。

功能四：新股与异动公司的即时覆盖

新股、异动股和刚披露重大事项的公司，最需要快速建立第一版画像。传统金融终端和人工整理往往会有时间差，尤其是上市早期的公告、授信、套保、担保、募集资金管理和交易风险提示。

Clawshire 的公告管线会持续采集上市公司公告，并将公告内容沉淀为事实、证据和事件。对于刚上市不久的公司，Agent 可以更快形成初始公司画像。

示例任务：

查一下联讯仪器 688808

Agent 可以返回：

上市时间、公告覆盖区间、公告数量

结构化事实、证据链、关联关系

银行授信、外汇套期保值、募集资金管理、担保、风险提示等关键事项

这类能力适合用在新股跟踪、异动监控、风险提示和上市早期公司研究里。更早拿到第一版画像，就能更早判断后续需要追什么。

功能五：跨公司对比

很多投研问题会从单家公司判断，进一步走向跨公司比较：为什么它比另一家公司更强或更弱，差异来自增长、分红、治理、回购、估值，还是市场风格。

Clawshire MCP 可以让 Agent 同时查询多家公司的公告、财务、知识图谱和投资逻辑，再把这些信息放到同一个对比框架里。这个过程原来需要分别查两家公司，再手工做表、补指标、看公告，容易漏掉关键证据。

示例任务：

中际旭创为什么能超过茅台？

Agent 可以同时对齐：

两家公司的公告数量和最新公告

知识图谱里的事实、证据和关联关系

营收、利润、ROE、负债率等财务指标

增长驱动、分红回购、治理变化、风险信号等投资逻辑

这一步的价值在于对比视角。很多问题需要把两家公司放到同一个逻辑框架里，答案才会变得清楚。

功能六：全市场公告搜索

公告数据只有能被检索，才真正能进入 Agent 工作流。围绕回购、减持、担保、诉讼、算力、机器人、分红等主题做全市场扫描时，只靠公告网站的基础搜索很难稳定覆盖。

Clawshire MCP 支持公告全文搜索，可以按关键词、股票代码、日期范围和公告类型组合过滤，覆盖 49 万+ 条公告记录。Agent 因此可以从“查某家公司”扩展到“查某个主题下有哪些公司发生了相关事件”。

示例任务：

Agent 调用：

search_wiki_entries

返回结果：

相关公告列表

涉及公司

披露时间

公告摘要

可继续筛选的主题和证据

这类能力适合做主题发现、风险排查和资讯监控。先全市场扫一遍，再让 Agent 继续筛公司、列证据、写摘要。

总结：Clawshire MCP 能给你的 Agent 带来什么

不只是一组金融数据接口，而是一整套 A 股知识生产管线，封装成了 16 个当前生产可见、可以用自然语言调用的工具。

价值	没有 MCP 时	有了 MCP
查公告	翻巨潮 PDF，14 篇看半小时	问一句话，405ms
行业研判	读 20 份研报，2 天	问一句话，21ms
财务分析	手动翻年报算指标，半天	问一句话，52ms
新股覆盖	等数据终端更新，数月	上市 36 天已建 364 个事实
跨公司对比	分别查 + 手动汇总，1 天	问一句话，2 秒
全市场搜索	巨潮搜索功能有限	49 万条一键检索

一条配置，16 个生产工具，5 分钟。之后你在微信上问“XX 公司最近怎么样”，和问“今天天气如何”一样自然。

5 分钟，给你的 Hermes 接入 Clawshire MCP推荐方式：通过 Hermes 辅助写入配置

如果你的 Hermes 具备本地配置写入权限，可以把下面这段消息发送给 Hermes。只需要把代码块里的占位值替换成控制台展示的完整 API Key。

请帮我接入 Clawshire MCP。

MCP 服务信息：

URL: https://api.clawshire.cn/mcp

Authorization: Bearer

请你完成以下步骤：

1. 写入 Hermes MCP 配置。

2. 重启 Hermes 网关或新会话。

3. 验证 Clawshire MCP 是否连接成功。

4. 列出已注册的 Clawshire 工具。

详细教程：https://clawshire.cn/access?mode=mcp

附录：Clawshire MCP 的 16 个工具清单

类别	工具	一句话
公告搜索	search_announcements	全市场公告全文搜索
公告搜索	get_stock_announcements	按股票代码查公告
公告搜索	get_announcement_by_link	按巨潮原文链接查公告
年报分析	list_latest_reports	按年份和交易所列年报
年报分析	get_report_data	获取结构化财务字段
年报分析	submit_analysis	提交深度分析任务
年报分析	get_analysis_result	获取异步分析结果
知识图谱	search_wiki_entries	公告 Wiki 搜索
知识图谱	get_wiki_facts	获取结构化事实
知识图谱	get_wiki_events	获取事件时间线
投资研判	list_industries	申万行业列表
投资研判	get_industry_thesis	行业投资逻辑
投资研判	get_company_deltas	公司投资逻辑增量
运维	submit_agent_feedback	反馈上报
运维	submit_task_report	任务报告
运维	query_user_activity	使用统计