1、自然语言问股：一句话“茅台最近走势怎么样”，由大模型自行决定调用 get_day_line/get_stock_info 等工具，再把结果流式答给用户。
2、行情浏览与盯盘：搜索股票、看行业概览/市场看板/涨跌排行、看日/周/月 K 线、分时成交。
3、多轮投研对话：带上下文追问、历史会话回看、消息点赞/点踩收集反馈。
4、MCP 工具编排演示：前端手动勾选工具集合，只把选中的 24 个工具之一暴露给模型。
5、教学与联调：MCP 列表/调试页可直接看工具 Schema、单点调用，适合课堂演示 Agent 工具调用链路。
账户中心：注册、登录/退出、个人信息、修改信息、删除账户、用户列表（routers/user.py 7 个接口，SHA256 存密码，含 user_role/status 字段）。
股票中心（8 个页面，最完整的一块）：股票搜索、行业概览、市场看板、股票排行、个股信息、K 线图、当日分时、股票收藏（收藏 4 个接口在 routers/stock.py）。
智能问答（核心）：通用对话 + 对话历史管理。侧边栏可多选 MCP 工具，回答以 SSE 流式逐字吐出，工具调用参数会以 JSON 代码块展示，回答下方可反馈好坏。
工具中心：MCP 工具列表、MCP 调试台。
1、流式对话：后端 StreamingResponse(media_type="text/event-stream")，services/chat.py 用 Runner.run_streamed 逐事件迭代，ResponseTextDeltaEvent 的 delta 直接 yield；前端 requests.post(stream=True) + iter_content 边收边渲染。
2、双记忆设计：一套是自己业务库（chat_session / chat_message 两张表，存标题、角色、内容、反馈），一套是 Agents SDK 的 AdvancedSQLiteSession（assert/conversations.db，存模型侧对话状态）。两者用同一个 session_id 对齐。
3、工具选择与策略：前端多选工具名 → ToolFilterStatic(allowed_tool_names=...) 过滤 → MCPServerSse 只暴露这些工具。还按工具类型切 tool_use_behavior：K 线/分时这类可视化工具用 stop_on_first_tool 直接出数据，其他用 run_llm_again 让模型二次总结。
4、提示词工程：get_init_message() 按 task（股票分析 / 数据BI / 闲聊）注入不同约束，再用 Jinja2 模板渲染成 system prompt，只存库不展示给用户。
5、MCP 聚合：main_mcp.py 用 FastMCP.from_fastapi(api/autostock.py 的 app) 把整套 REST 接口自动变成 MCP 工具，再 mount() 三个手写的 FastMCP 子服务（新闻/名言/工具），统一在 8900/sse 暴露。
评论