OAuth
登录并授权连接
- 在客户端的 MCP 或连接器设置中添加服务,名称填写 Horizon Insights,服务地址使用上方地址。
- 选择 OAuth 并发起连接,在打开的弘则页面完成登录或注册,确认应用名称后授权。
- 返回客户端,启用连接并验证工具是否可用。
客户端会管理授权凭据。之后可在用户中心的“已连接应用”中管理授权。
HORIZON INSIGHTS / 接入指南
在常用 AI 中使用弘则研究、产业材料与金融数据。
选择 OAuth 授权或 Token 配置,连接后即可开始提问。
已经连接过弘则 MCP?可以直接选择研究问题,使用现有连接开始查询。
手机号首次验证即可完成注册,已有账号会直接登录。使用 OAuth 时,也可以在授权过程中完成这一步。
已登录可直接继续。已开通邮箱账号的用户也可选择“邮箱验证码”。
查看当前客户端的 MCP 连接设置,按它支持的认证方式选择。入口名称和配置字段以客户端当前版本为准。
OAuth
客户端会管理授权凭据。之后可在用户中心的“已连接应用”中管理授权。
Token
Authorization: Bearer <USER_TOKEN>。{
"mcpServers": {
"vmcp": {
"type": "http",
"url": "https://vmcp.hzinsights.com/mcp/",
"headers": {
"Authorization": "Bearer <USER_TOKEN>"
}
}
}
}将 <USER_TOKEN> 替换为自己的令牌;具体字段和密钥引用方式以客户端要求为准。
确认客户端支持远程 MCP,地址与 Streamable HTTP 协议填写正确;使用 OAuth 时确认已完成授权,使用 Token 时核对令牌及请求头设置。
需要检查连接过程时:客户端应先完成 initialize 与初始化通知,再通过 tools/list 获取工具。详细配置请查阅当前客户端的官方说明。
选择一个场景,复制问题到已连接弘则 MCP 的 AI 中。可以替换公司、指标和日期,提出自己的研究需求。
“分别列出三项业务的送样、出货、复购、订单和收入证据,并给出管理层原话、交流日期与来源。”
业务 → 商业化阶段 → 管理层原句 → 材料日期 → 来源 → 后续观察点 对照表,分别列出送样、出货、复购、订单和收入证据。
先用 search_cn_transcript,按 stock_name 或确认后的 trade_code 限定公司,用 BC、TGV、PCB 等主题分别检索,并设置所需日期范围;补充市场线索时使用 search_field_notes → get_field_note。
“用同一交易日价格和可比报告期,对比两家的收入、归母净利润、经营现金流与估值,解释差异的依据。”
同日价格、同口径利润与现金流比较表,解释经营表现、现金回收和估值差异。TTM、全年、半年累计分别列明。
search_code 确认两家公司 → 分别取 get_stock_market_history、get_stock_valuation_history、get_financial_data。精简报表已附单位、币种、归属与逐期口径;查看 field_definitions 和 reporting_periods,原始字段核查可补 data_type="full"。归母/扣非归母字段为 null 时不得用净利润替代。业务差异可补官方 IR 或年报。
“汇川在 20、25、30 倍退出市盈率下,需要怎样的盈利水平才能满足给定回报目标?”或“先导的经营恢复体现在哪些报表项目,现价要达到 10% 总回报需要什么条件?”
持有期 → 回报目标 → 假设退出 PE → 所需 EPS → 对盈利基数的增幅 的情景表。忽略分红、费用且股本固定时,总回报目标为 R、现价为 P0,可用 目标 EPS = P0 × (1 + R) / 退出 PE;若目标是持有 n 年的年化回报 r,将 (1 + R) 换成 (1 + r)^n。表中注明持有期、股本及分红假设。
get_stock_market_history 取得指定日未复权收盘价,get_financial_data 取得明确报告期的归母利润、现金流与相关科目。股本和 EPS 定义须核对,再由 Agent 在本地计算情景表。
“最近几个报告期的盈利兑现如何?两个观测日之间盈利预期上修还是下修?同日估值怎样?”
实际业绩、带观测日的盈利预测和同日估值对照表;FY1/FY2 映射到具体目标年份。也可用于分析英科医疗的预期变化、生益科技的估值位置。
对每家公司分别用 get_financial_data 取实际财务、get_stock_forecast_history 取 A 股预测历史、get_stock_valuation_history 取估值;先锁定比较日期与目标财年,再拼表。
“用联影、迈瑞、南微、惠泰近若干季度的收入、利润、毛利率和现金流,判断恢复体现在哪些环节,再找公司对量价变化的解释。”
跨公司季度趋势表,结合业绩交流材料解释量价、需求和回款变化。A 股累计报表转换为单季后,计算同季同比。
search_code → 逐公司 get_financial_data、get_financial_ratios → search_cn_transcript;需要行业框架时补 get_research → get_article。
“比较中际旭创、天孚通信等公司两年的海外收入占比。”或“药明康德不同地区业务的收入和毛利率怎样变化?”
公司 → 年份 → 地区/产品 → 收入 → 占比 → 毛利率(如有)→ 单位与来源 业务结构表,统一分部定义、报告期与单位。
确认代码后,逐公司调用 get_financial_data(data_type="segment"),指定年份或报告日期;总收入用同口径报表核对。字段清楚、范围小时也可用 get_data 提出明确的公司、年份和字段要求,再检查返回的公司×期间是否齐全。
“弘则如何分析存储涨价的持续性?”或“弘则对财政发行、资金面和股债关系有哪些研究框架?列出报告日期,并精读相关原文。”
核心观点 → 依据 → 成立条件 → 后续观察变量 → 支持/反证,每条观点关联报告名称与发布日期。例如精读《久期仍在胜出》一类专题报告,或把多篇存储、黑色研究组织成主题框架,再用后续材料跟踪观点演进。
向 get_research 传完整研究问题,查看标题、日期和来源类型;从 article 类型结果取真实 article_id 调用 get_article。先精读最相关的 1–3 篇,再用产业材料、官方口径和数据序列补充后续变化。
“振华股份金属铬的订单和提价线索有哪些,哪些是正式披露、哪些是交流转述?”或“液冷从单相向两相演进,有哪些原始材料支持?”
研究线索 → 材料出处 → 日期 → 原句 → 来源类型 → 后续观察点 清单,分别呈现公司披露、产业交流与分析情景;同源材料按原始出处归并。
用 search_field_notes 对短核心词分别检索,小 limit 探查后用 get_field_note 读全文;对公司正式说法补 search_cn_transcript,必要时回到公司公告或官方文件。研究机器人价值量时也可用此流程核对零件价格、送样与定点进度。
“美光管理层如何谈 HBM 供给与收入?”或“英伟达电话会如何解释数据中心增长与 Blackwell 需求?给日期、原句与上下文。”
带会议日期、原句、上下文与出处的证据表,保留返回的句子编号,按会议时间比较 HBM 供给、产品需求及资本开支等表述的变化。
向 search_us_transcript.keyword 传入独立完整问题,保留公司名称/代码、主题、必要时间和想了解的原因/比较等语境;追问由调用方补齐指代,不附整段聊天或补造前提。快速定位使用 content_mode="matched"、limit=1–3;专题精读使用 content_mode="full"、limit=1。查看 snippet_status/snippet_truncated:主题窗口不保证问题已完整回答,未定位时不返回开头,不能据此判断公司从未讨论;仅公司查询的matched片段为空。正文定位支持有限的中英财务术语,必要时补充英文主题。从返回材料中选择符合研究时间范围的会议,并结合全文上下文整理管理层表述。
“最近一个月行情、基差与近远月价差怎样变化?给两腿价格、合约、日期和单位,收盘与结算分开。”
行情、现货腿/期货腿、近月腿/远月腿及差值的同日表。收盘与结算分别计算,用于跟踪升贴水和期限结构。 指定两张合约时,分别取得对应合约的同日价格再计算价差;品种结构观察则可直接使用品种基差与跨期价差工具。跨期价差按近月减远月解释,基差采用返回的现货规格、地区和计算方向。主连换月映射用于连接连续序列与具体合约。
先 list_futures_contracts 确认代码,再用 get_futures_market_history 取行情;品种基差用 get_futures_basis,品种近远月价差用 get_futures_calendar_spread;涉及主连跳变时加 get_futures_rolling_map。
“铁水、表需、库存和利润的最新组合说明什么?”或“把美元指数、美元兑人民币、制造业/服务业 ISM、非农、失业率放进同一观察面板。”
指标 → 定义 → 单位 → 频率 → 最新观测日 → 当前值 → 可比变化 → 来源 观察面板,保留日度、周度或月度频率,分别注明盘面利润与现货利润的定义。
对每个指标单独 search_code,确认标准名、单位和来源,再分别 get_macro_data;研究图表使用发现、参数、数据三步,取得目标区间的序列后制作观察面板。
“最近一周是大盘权重更强,还是向中小盘扩散?用同一区间的指数涨跌与成交额说明。”也可继续问:“取五年历史,计算 20/60 日波动和历史分位。”
日/周窗口的指数相对表现表,以及用于计算波动和分位的历史面板。市场宽度分析可结合上涨家数等指标;跨标的比较时完整读取分页,统一复权、日期与统计分母。
search_code 确认上证 50、沪深 300、中证 500、中证 1000 等指数代码,分别用 get_stock_market_history 取同窗口数据,再本地计算;需要成份权重时用 get_index_components,需要 A 股个股相对行业表现时用 get_stock_excess_return。
“哪些行业收入增长但经营现金回款背离?”“有没有 PMI 新订单与新出口订单的长期图表?”“取重要股东增减持净额的底层数据。”
图表定义、参数和底层数据;行业财报汇总附报告期、披露比例与样本定义。无需调参的图表可直接读取数据。
search_chart 按主题找图 → 检查标题和说明是否相关 → get_chart_settings 读参数及候选值 → 用真实 varname 填写 selection_values → get_chart_data。
“最新可用日报里有哪些主题变化和涨价线索?挑三条,给原始材料、涉及公司和下一步验证点。”
主题 → 线索 → 原始来源 → 涉及对象 → 事实依据 → 后续观察点 清单。查询指定日期时传 end_date;跨日扫描按返回的实际日报日期组织材料。
get_daily_overview 先看最新可用日期和主题;需要正文时设 include_content=true。对选中的主题用 search_field_notes → get_field_note 深入,按需要补官方 IR、电话会、行情或外部新闻。
支持 MCP Prompts 的客户端可发现以下模板。模板提供研究步骤,由你的 AI 执行,调用沿用当前账号的权限和额度。
find-minutes研究产业细节或泛称纪要、调研、专家交流时先查相关材料;明确要求 A股官方 IR 或美股电话会时改道对应来源,并逐条判断具体出处。
参数:主题必填,可选时间范围
verify-rumor把市场传闻拆成可独立核验的说法,检索相关材料并逐条判断出处与直接性,再用官方原话和结构化数据补足证据缺口。
参数:待验证说法必填,可选时间范围
morning-scan扫描隔夜市场信号与财经新闻,按主题聚类重点催化,并对高影响或可信度存疑的线索进一步核验。
参数:市场范围、观察名单和日期均可选