tob平台金融分析智能体-xDAN-AGI

一、立项背景和目标
当前金融行业投研分析、数据处理等场景效率偏低，传统AI模型存在工具调用混乱、上下文冗余、沙盒环境不稳定等问题，且开源智能体框架缺乏金融垂直场景定制，难以适配专业工具整合与复杂工作流落地需求。

本项目基于FastAPI、Redis、Qdrant、Mem0等技术，二次开发开源项目Suna，打造垂直金融领域AGI智能体。核心目标是搭建自主规划执行的金融智能系统，依托自然对话实现金融研究、数据分析等全流程自动化；搭建金融MCP服务，优化RAG-MCP检索体系，整合200+金融工具并精准召回匹配；完善上下文管理与沙盒环境，解决工具调用、上下文继承痛点，打造高效安全的金融智能助手，赋能从业者降本增效。

二、核心功能模块介绍

系统主打自然对话驱动的金融业务处理，用户通过对话发起需求，即可自主完成任务拆解、工具调用、结果输出全流程，兼顾易用性与专业性，核心模块如下：

- 金融MCP服务模块：基于Suna二次开发，搭建专属金融MCP服务，对接本地与第三方工具，优化工具调用入参逻辑，规范格式与校验，实现工具标准化调用，支持灵活拓展。

- RAG-MCP检索模块：融合RAG与MCP，通过Qdrant实现200+金融工具语义检索，精准召回Top-K工具，优化工具列表，同时召回工作流模板，规范工具链调用。

- 上下文管理模块：依托Mem0搭建管理系统，压缩工具返回冗余数据，解决上下文继承混乱、token消耗过高问题，实现对话记忆与连贯交互。

- 沙盒与文件管理模块：沙盒源更换为E2B，提升安全性与隔离性，对接OSS实现文件持久化，搭载邀请码权限管控，保障数据安全；同时接入文件解析、Langfuse上下文追踪与Sentry错误日志监控，完善全链路运维与合规追溯。

三、业务流程简述

用户通过自然对话发起金融需求，系统经语义解析后拆解任务，通过RAG-MCP模块召回匹配金融工具；上下文模块预处理记忆信息，压缩冗余数据，再通过MCP服务调度工具，敏感任务在E2B沙盒隔离执行，文件同步存入OSS；智能体整合结果反馈用户，支持迭代优化，全程通过Langfuse与Sentry完成追踪监控，留存日志便于复盘合规。

1. 独立搭建金融MCP服务，二次开发开源项目Suna接入自定义本地工具和MCP工具，优化模型工具调用入参。
2. 负责RAG-MCP搭建，将200多个金融工具召回相关topk个，优化智能体工具列表。
3. 参与上下文管理系统搭建，压缩部分工具返回的大量数据，优化单智能体上下文继承问题，通过Mem0控制。
4. 负责通过Qdrant将工作流工具调用模板示例召回，优化智能体调用工具链以及传参格式化。
5. 负责沙盒方案更换Daytona源为e2b源，通过OSS文件存储保证沙盒文件持久化，以及邀请码相关功能。
6. 负责接入文件上传解析，Langfuse追踪智能体上下文信息，以及Sentry追踪错误日志。