MCP 工具越多越差?股票研究 MCP 靠知识图谱逆转答案质量
SnowSilent7695 · reddit · 2026-09-03
一位数据分析师分享了运营三个月股票研究 MCP 的关键教训。
- 初期采用「一类问题配一个工具」的纯工具思路,结果 agent 常常用对工具、得出表面正确却缺全局的答案
- 加更多工具、写更详细指令都没什么用,答案依旧浅
- 转向把主要精力放在构建更好的数据模型和知识图谱来支撑 MCP 后,答案的完整度和细腻度明显提升
- 对比示例:财报头条数字亮眼时,ChatGPT 对市场负面反应表示意外;而他的 MCP 依托过去几个季度盈利恶化、成本上升的底层结构,并不意外
- 作者结论:初期方案给 agent 的只是启发式,不是真正的理解;知识图谱方向是对的但仍有缺口
核心可复用经验:与其堆工具和指令,不如投资数据建模与知识结构。
「编程与Agent」频道最新
- Linear 的自动修复循环 30 天修了 300+ bug:接入 Datadog/Sentry 交给编码 agent — zeeg · 2026-09-03
- 恶意 .git 配置可让 Claude Code 等 7 款 AI 编码代理执行攻击者代码 — Thionne_WTZ · 2026-09-03
- 独立开发者 marclou 全面转向 agent-first：新 SaaS 全配 MCP 与 API — marclou · 2026-09-03
- marclou 新 SaaS 全面 agent-first:60+ 工具的 MCP 让 AI 可操作全部 UI — steipete · 2026-09-03
- 开发者用1820万tokens让Fable 5.1端到端生成完整浏览器应用 — gaganghotra_ · 2026-09-03
- DeepMind 83页论文：自主科研agent 九成实验结论靠编造 — williamtp · 2026-09-03