企业官网建设流程全解析

LangAlpha 是一款面向金融市场的开源 AI Agent 框架（Claude Code for Financial Market），其核心原理是Programmatic Tool Calling（PTC，程序化工具调用）：它把任意 MCP 服务器自动转换为一个带文档的Python 模块，AI 模型不再逐个发 JSON 工具调用，而是直接写 Python 代码import这些工具，在沙箱里批量处理金融数据，只有最终结果回到模型上下文。

为什么传统 MCP 工具调用不够用？

传统 MCP 用法是：每个工具绑定为一次 JSON 工具调用，模型一次调一个、拿回一段结果。这在两种场景下会很吃力：

LangAlpha 的解法一句话概括：让模型写代码，而不是搬运数据。

三步看懂：MCP 工具是如何变成 Python 模块的

第 1 步：生成包装函数

LangAlpha 在 src/ptc_agent/core/tool_generator.py 中的ToolFunctionGenerator读取每个 MCP 服务器的工具 schema，自动生成一个 Python 模块：

• 每个 MCP 工具 → 一个带类型注解的 Python 函数（参数名、必填/可选、枚举值都从 schema 解析而来）
• 每个工具 → 一份 Markdown 文档，写到沙箱的tools/docs/<服务器名>/目录
• 参数名若是 Python 关键字（如type）会自动改名并保留"线上名"映射，保证调用不错位

第 2 步：装进沙箱，挂好 MCP 客户端

install_tool_modules 把生成的模块批量上传到沙箱，同时生成一份 mcp_client.py——它是静态的 MCP 客户端运行时 + 每工作区一份 JSON 配置（通过哪种传输方式连哪个服务器：stdio 本地进程、HTTP、或 OAuth 中继）。这样沙箱里的代码一调用函数，就能真的打到 MCP 服务器上。

第 3 步：模型写代码，数据留在沙箱

模型通过ExecuteCode工具（code_execution.py）执行 Python，写法就是普通的 import：

from tools.price_data import get_stock_data data = get_stock_data(symbol="CBRS", interval="1d", period="1y") # 在沙箱里聚合、建模、画图…… print(data["data"].iloc[-1]) # 只有结果回到上下文

那 3 万行 K 线数据全程留在沙箱里被 pandas 处理，回到模型上下文的只有打印出来的摘要或一张图表。

省 token 的关键：工具文档按需加载

在 formatter.py 里可以看到，系统提示中每个 MCP 服务器只占几行：

langalpha_market_data: 市场数据 MCP 服务器 - Module: tools/langalpha_market_data.py - Tools: N tools available - Import: from tools.langalpha_market_data import <tool_name>

完整文档在沙箱的文件里，模型第一次需要某个服务器时才去读它的.md。新增一个 MCP 服务器，提示词只贵一行——这是 PTC 相对 JSON 工具绑定的直接收益。

数据留在哪？证据在 Sources 面板

PTC 不只是省 token，还让"证据链"更完整：无论模型是直接调用工具，还是它的 Python/Bash 在沙箱里调用，LangAlpha 的数据溯源层都会记录提供方、参数、时间戳和结果指纹，在聊天界面的 Sources 面板逐轮展示，你可以核对答案背后到底用了哪些数据。

什么时候不走 Python？直接 JSON 调用更安全

代码是默认路径，但不是唯一路径。涉及敏感操作（尤其是券商下单）的工具被固定为直接 JSON 工具调用：一次调用 = 一道系统可见、可审批、只执行一次的订单，沙箱脚本无法绕过。每个工具都可在 Plugins 页面单独切换曝光模式（summary/detailed）或调用方式，详见 plugins/ 下的插件目录与 plugins/README.md。

想扩展自己的 MCP 服务器？

LangAlpha 内置的市场数据、基本面、期权等服务器都以插件包形式放在 plugins/ 下（如 plugins/langalpha_market_data/），遵循 Agent Plugins 格式，你也可以在 Plugins 页面从 git 地址安装第三方服务器，或通过 agent_config.yaml 自定义子代理。整体全栈架构可参考仓库根目录的 README.md。

小结：LangAlpha 的 PTC 用"生成 Python 模块 + 沙箱执行 + 文档按需加载"三板斧，解决了金融 Agent 的两个痛点——工具 schema 吃上下文、表格数据塞不进窗口。这正是它被称为"金融市场里的 Claude Code"的核心原理。