Provides tools for financial data extraction and analysis from XML files, enabling AI agents to query company financials, calculate profit margins, and lookup financial terms via a local LLM running on Ollama.
Click on "Deploy Server".
Wait a few minutes for the server to deploy. Once ready, it will show a "Started" state.
In the chat, type @ followed by the MCP server name and your instructions, e.g., "@Financial-MCP-Server Quelle est la marge bénéficiaire de TISSOT ETANCHEITE ?"
That's it! The server will respond to your query, and you can continue using it as needed.
Here is a step-by-step guide with screenshots.
Ce projet a été réalisé dans le cadre d'un stage de 2ème année de licence. Il s'agit d'une application IA complète intégrant un serveur MCP (Model Context Protocol) en Python. Ce projet implémente un serveur FastMCP pour l'extraction, le calcul et l'analyse de données financières d'entreprises à partir de fichiers XML (bilans standards et bilans détaillés étendus). Il inclut un client frontend interactif développé avec Streamlit, connecté à un modèle de langage local via Ollama pour garantir la sécurité et la confidentialité totale des données corporate.
Auteur : Malek Ghozzi
Related MCP server: mcp-financial-data
Python 3.10+
Ollama installé en local avec le modèle qwen2.5-coder:7b
Fichiers sources :
Fichiers XML placés dans le répertoire ./data/xml/
Fichier d'indexation placé dans ./data/xmls.csv
Dictionnaire de données data_dictionary.md à la racine
Clonez ce dépôt ou copiez les fichiers du projet.
Installez les dépendances requises :
pip install mcp streamlit openai
pip install -r requirements.txt ```Lancez le modèle local Ollama en arrière-plan : 'ollama run qwen2.5-coder:7b'
Dans un nouveau terminal, lancez l'interface Streamlit : 'streamlit run app.py'
Le serveur FastMCP met à disposition du LLM 5 outils d'analyse :
- find_company_xml : Recherche l'entreprise dans l'index CSV via son nom ou SIREN.
- extract_xml_by_keyword : Explore les bilans détaillés pour extraire les valeurs historiques d'un mot-clé spécifique (gère la déduplication et les valeurs absentes).
- get_company_indicator : Extrait la valeur d'un code indicateur précis (ex: CA00, RN00).
- calculate_profit_margin : Calcule la marge bénéficiaire (Résultat Net / Chiffre d'Affaires).
- lookup_financial_term : Traduit les acronymes financiers via le dictionnaire de données.L'agent est configuré pour interroger chaque entité séparément et éviter les hallucinations. Testez avec ces requêtes :
- "Quelle est la marge bénéficiaire de TISSOT ETANCHEITE ?"
- "Peux-tu me donner l'indicateur CA00 pour KA BATIMENT ainsi que pour TISSOT ETANCHEITE ?"
- "Recherche le mot-clé 'provisions' dans le fichier de KA BATIMENT."SEC & financial-data MCP: filings, financials, ownership, factors, fund letters, prompts.
Multi-tenant FastMCP server for Charles Schwab brokerage data, monetized via DPYC Tollbooth
MCP server unifying ERPs, CRMs, APIs and knowledge base for Claude, ChatGPT and Gemini.
The Octagon MCP server provides specialized AI-powered financial research and analysis by integrating with the Octagon Market Intelligence API. It enables users to analyze public market data (SEC filings, earnings transcripts, financial metrics, and stock data for 8000+ companies), private market data (3M+ companies, 500k+ funding rounds, 2M+ M&A/IPO transactions), and conduct deep research including web scraping capabilities. The server also features autonomous research agents that search hundreds of sources and return fully cited reports in approximately one minute.
