每天一个开源项目#108 36K星Claude金融Agent模板库

dong_junshuai2026-09-28 2:41

Trending 排名：#1｜快照日期：2026-09-23｜Stars：36,592｜Forks：5,344｜主语言：Python｜License：Apache-2.0

做企业 Agent 最容易卡住的地方，往往不是写一个漂亮的 prompt，而是把它放进真实工作流：谁能读文件，谁能写文件，哪个步骤要人工签字，外部数据从哪里来，出错后怎么审计。

anthropics/financial-services 把这个问题放到金融服务场景里回答。仓库不是一个传统 SDK，更像一套可拆开的 Agent 工作台：上层是 Pitch Agent、GL Reconciler、KYC Screener 这类完整流程 Agent；中层是财务建模、投研、尽调、基金管理等垂直技能包；底层接 MCP 数据源、Claude Code 插件系统和 Claude Managed Agents API。

我更愿意把它看成一份企业 Agent 工程样板。它的价值不在"Claude 会做金融分析"这个口号，而在它把 Agent、Skill、Command、MCP Connector、Managed Agent Cookbook 放进同一个文件结构里，并且留下了验证脚本、CI 工作流和权限边界。对于正在把 Agent 接入内部流程的团队，这种组织方式比单个 prompt 更值得看。

📋 项目概览

项目 内容
项目名 anthropics/financial-services
GitHub github.com/anthropics/...
一句话 面向金融服务工作流的 Claude Agent、技能、命令与数据连接器模板库
Trending 排名 #1
Stars 36,592（Trending 快照）；36,595（稍后 GitHub API 核验）
Forks 5,344
Watchers 284（GitHub API 核验）
Open Issues 216
主语言 Python（API 语言字节占比 63.0%）
License Apache-2.0
创建时间 2026-02-23
最近提交 2026-09-21，574ed36
Release/Tag 未发布 GitHub Release，未发现 Tag
inspected commit 574ed3624aebd0418c7e96cd101262f30210ab26

🔥 为什么值得关注

很多 Agent 项目会停在"我能把一段任务跑完"。这类 demo 很好看，但进企业流程后会遇到更麻烦的问题：权限要分层，数据源要替换，输出要有人复核，模型的草稿不能直接变成业务动作。金融服务只是把这些矛盾放大了，因为它天然有合规、审计、数据许可和人工签字要求。

这个仓库的做法比较务实。它没有把所有能力塞进一个万能 Agent，而是按工作流拆成 10 个 Agent 插件、6 个垂直插件、49 个垂直技能目录、33 个 slash command、30 个托管子 Agent YAML。Pitch Agent 可以把 researcher、modeler、deck-writer 分成不同叶子工人；Managed Agent README 明确写了"加粗的 leaf 是唯一有 Write 权限的 worker"。这不是噱头，是真实团队会关心的权限切面。

它也没有把 Markdown 指令伪装成确定性系统。仓库里有 scripts/check.py、GitHub Actions 的 plugin-validate.yml、Claude Code 的 claude plugin validate 验证链，但仍有一些东西只是 Agent-mediated 的流程约束。比如 README 说 financial-analysis/.mcp.json 集中管理 11 个连接器，我实际解析这个文件时发现 JSON 语法在第 47 行附近缺逗号；scripts/check.py 也暴露了 meeting-prep-agent 的 3 个 bundled skill 缺少 vertical source。它很有价值，但还处在快速迭代的参考模板状态。

🏗️ 核心特性

  1. 工作流 Agent 与垂直插件分层

仓库把"完整流程"和"可复用技能"分开维护。完整流程放在 plugins/agent-plugins/<slug>/，比如 pitch-agent、gl-reconciler、market-researcher；垂直技能包放在 plugins/vertical-plugins/<vertical>/，比如 financial-analysis、investment-banking、equity-research。

这种结构解决了一个常见问题：你可以安装一个完整 Agent，也可以只拿底层能力。

bash 复制代码 
# 已核验：claude plugin marketplace add 支持 <source>
claude plugin marketplace add anthropics/financial-services

# 已核验：claude plugin install 支持 <plugin> 与 plugin@marketplace 写法
claude plugin install financial-analysis@claude-for-financial-services
claude plugin install pitch-agent@claude-for-financial-services
claude plugin install gl-reconciler@claude-for-financial-services
  1. 同一套源文件同时服务 Cowork 与 Managed Agents

README 里反复强调"一份源，两种部署面"：Cowork 作为交互式插件入口，Managed Agents API 作为后端工作流入口。managed-agent-cookbooks/<slug>/agent.yaml 不复制系统 prompt，而是引用对应插件目录里的 agent prompt 和 skills。

以 Pitch Agent 为例，agent.yaml 里有三个关键点：

yaml 复制代码 
system:
  file: ../../plugins/agent-plugins/pitch-agent/agents/pitch-agent.md
  append: "You are running headless. Produce files in ./out/; do not assume an open Office document."

skills:
  - { from_plugin: ../../plugins/agent-plugins/pitch-agent }

callable_agents:
  - { manifest: ./subagents/researcher.yaml }
  - { manifest: ./subagents/modeler.yaml }
  - { manifest: ./subagents/deck-writer.yaml }

这段设计很直接：交互场景和 headless 场景共用同一份 Agent 知识，只在托管部署时追加运行环境约束。

  1. MCP 数据连接器集中在 financial-analysis

financial-analysis 插件承担核心连接器入口，README 列出了 Daloopa、Morningstar、S&P Global、FactSet、Moody's、MT Newswires、Aiera、LSEG、PitchBook、Chronograph、Egnyte、Box 等数据源。这里要加一个边界：README 表格是连接器目录，真实可用性取决于订阅、API Key、MCP 服务状态和企业授权。

我实际检查了 plugins/vertical-plugins/financial-analysis/.mcp.json，文件当前不是合法 JSON：

检查项 结果
python3 -m json.tool 等价解析 失败
错误位置 line 47 column 5
直接原因 egnyte 与 box 段之间缺少逗号，末尾大括号也不完整
影响 README 所说的连接器思路成立，但该文件需要修复后才能作为 JSON 配置直接消费
  1. Agent 权限边界写进 Managed Cookbook

Managed Agent 模板里，每个工作流通常拆成 orchestrator + 3 个 leaf worker。Pitch Agent 的 leaf 是 researcher、modeler、deck-writer，只有 writer 负责最终写文件。Model Builder 则是 data-puller、builder、auditor。这种拆法的好处是：读、算、写可以分别审计，出错时也更容易定位。

Agent 典型 leaf workers 写权限边界
pitch-agent researcher · modeler · deck-writer deck-writer
market-researcher sector-reader · comps-spreader · note-writer note-writer
earnings-reviewer transcript-reader · model-updater · note-writer note-writer
model-builder data-puller · builder · auditor builder
gl-reconciler reader · critic · resolver resolver
  1. 有验证链，但验证覆盖面要分清

仓库提供了两类验证：

验证入口 我实际运行的结果 能证明什么 不能证明什么
claude plugin validate 19 个 marketplace/plugin manifest 全部通过，marketplace 有 1 个 description warning 插件 manifest 能被当前 Claude Code CLI 识别 不证明业务流程正确
python3 scripts/check.py 失败，3 个 bundled skill 缺 source YAML/JSON/frontmatter/引用关系/skill drift 检查 不覆盖 .mcp.json 语法，也不验证模型行为
.mcp.json JSON 解析 失败 当前 connector 配置文件存在语法问题 不否定 README 的连接器设计
GitHub Actions plugin-validate.yml 配置存在，固定 Claude Code 2.1.143 CI 会跑插件校验 不等同于完整端到端业务测试

🔬 技术架构深度解析

这个仓库的产品层不是 Python 包，而是文件化 Agent 系统。GitHub 语言统计显示 Python 63.0%，但源码扫描后可以看到，真正的知识密度主要在 Markdown、YAML 和 JSON 里。

text 复制代码 
anthropics/financial-services
├── .claude-plugin/marketplace.json
├── plugins/
│   ├── agent-plugins/           # 10 个完整工作流 Agent
│   │   └── <agent>/
│   │       ├── agents/*.md      # 系统 prompt / 工作流说明
│   │       ├── skills/*         # agent 自带技能副本
│   │       └── .claude-plugin/plugin.json
│   ├── vertical-plugins/        # 6 个垂直技能包
│   │   └── <vertical>/
│   │       ├── skills/*         # 可复用技能
│   │       ├── commands/*       # slash command
│   │       └── .mcp.json        # 数据源连接器配置
│   └── partner-built/           # LSEG / S&P Global 合作方插件
├── managed-agent-cookbooks/     # 10 套 Managed Agent 模板
│   └── <agent>/
│       ├── agent.yaml
│       ├── subagents/*.yaml
│       └── steering-examples.json
└── scripts/
    ├── check.py
    ├── validate.py
    ├── deploy-managed-agent.sh
    ├── orchestrate.py
    └── sync-agent-skills.py

文件体量与知识分布

我在浅克隆的 574ed36 提交上用 git ls-files -z 写入临时文件后解析，避免终端输出截断导致统计失真。

指标 数值
Git 跟踪文件总数 363
Markdown 文件 241
YAML 文件 40
JSON 文件 39
Python 文件 17
Markdown 行数 40,196
Python 行数 2,850
YAML 行数 1,057
Shell 行数 562
PowerShell 行数 465
目录 文件数 主要内容
plugins/vertical-plugins 130 垂直技能、命令、连接器配置
plugins/agent-plugins 95 完整流程 Agent 与打包技能
managed-agent-cookbooks 61 Agent YAML、subagent YAML、steering examples
plugins/partner-built 36 LSEG、S&P Global 插件
claude-for-msft-365-install 25 Microsoft 365 add-in 管理安装工具
.github/workflows 3 secret scan、version bump、plugin validate

这组数据说明它更接近"Agent 工作流知识库 + 部署模板"，不是以 Python runtime 为中心的框架。

决策与执行流水线

Managed Agent Cookbook 的核心流程可以拆成 6 步：

text 复制代码 
用户 steering event
        │
        ▼
orchestrator agent
  读取 agent.yaml
  内联 system prompt
  上传 skills
  创建 leaf workers
        │
        ├── reader / researcher：读取材料、拉数据、整理证据
        ├── modeler / builder：建模、计算、填模板
        └── writer / resolver：生成最终文件或待签字结果
        │
        ▼
结构化输出 / handoff_request
        │
        ▼
scripts/orchestrate.py
  allowlist 目标 Agent
  校验 payload schema
  将 handoff 变成下一条 steering event

这里最有意思的是 handoff 设计。Managed Agent README 说，命名 Agent 之间不直接互相调用；如果一个 Agent 需要另一个 Agent，它输出 handoff_request，再由 scripts/orchestrate.py 或企业自己的 Temporal/Airflow/Event Bus 路由。这样做牺牲了一些"Agent 自治"的想象空间，但换来了更清晰的控制面。

权限控制不是一句安全声明

Pitch Agent 的 agent.yaml 显式启用了 read/grep/glob，默认关闭其他 agent toolset；MCP server 只声明 capiq 与 daloopa 两个远端。leaf worker 通过 callable_agents 挂进去，Managed Agent README 又限制子 Agent 只支持一层 delegation。换句话说，这套 cookbook 的安全边界主要来自配置、工具启用范围、worker 分工和外部编排器，而不是 OS 级沙箱。

我会把它的控制分成四类：

控制类型 仓库证据 成熟度判断
可执行校验 claude plugin validate、scripts/check.py、GitHub Actions manifest 层比较扎实
Agent-mediated 流程 Agent prompt、skills、commands 依赖模型遵循指令，需要人工复核
外部系统边界 MCP URL、API Key、数据供应商订阅 需要企业环境自行治理
人工签字 README 明确所有输出 staged for human sign-off 这是金融场景的必要边界

验证结果与缺口

本次运行了仓库自带检查，也额外做了 JSON 解析和 Claude CLI 帮助校验。

项目 结果
claude --version 2.1.267
claude plugin marketplace --help 确认 add <source> 命令存在
claude plugin install --help 确认 install <plugin> 命令存在
claude plugin validate --help 确认支持 --json、--strict
claude plugin validate 全量插件 通过，marketplace 缺 description 警告
scripts/check.py 失败，3 个 meeting-prep-agent bundled skill 没有 vertical source
.mcp.json 解析 失败，JSON 语法错误

这不影响它作为架构样板的价值，但会影响"开箱即用"的判断。企业团队参考它时，第一步应该是跑自己的 schema 校验和连接器 smoke test，而不是直接把所有配置导入生产环境。

📖 README 核心内容摘要

README 把仓库分成两层：Agents 和 Vertical Plugins。

Agents 是完整流程入口。当前 README 列出的核心 Agent 包括 Pitch Agent、Meeting Prep Agent、Market Researcher、Earnings Reviewer、Model Builder、Valuation Reviewer、GL Reconciler、Month-End Closer、Statement Auditor、KYC Screener。它们覆盖投行材料、会议准备、投研、财务建模、基金管理、总账对账、KYC 等流程。

Vertical Plugins 是底层能力包。financial-analysis 是核心，提供 comps、DCF、LBO、三表模型、Excel audit、deck QC 等能力；investment-banking、equity-research、private-equity、fund-admin、operations 则把命令和技能按场景拆分。README 还列出 LSEG 和 S&P Global 的 partner-built 插件。

README 里的设计哲学可以概括成三句话：

README 观点 工程含义
Same system prompt, same skills 交互插件和托管 API 不维护两套知识
Everything is file-based Agent 能力通过 Markdown/YAML/JSON 版本化
Human sign-off 模型输出是草稿或待审批结果，不直接做投资、交易、入账或审批动作

一个典型 Cowork/Claude Code 安装路径是：

bash 复制代码 
claude plugin marketplace add anthropics/financial-services
claude plugin install financial-analysis@claude-for-financial-services
claude plugin install pitch-agent@claude-for-financial-services

一个典型 Managed Agent 部署路径是：

bash 复制代码 
export ANTHROPIC_API_KEY=sk-ant-...
scripts/deploy-managed-agent.sh gl-reconciler

deploy-managed-agent.sh 的源码显示，它会解析 agent.yaml，展开 from_plugin 下的 skills，上传 skills，递归创建 subagents，最后向 /v1/agents POST orchestrator 配置。脚本还支持第二个参数 --dry-run，但 README 的快速上手没有把它作为主路径。

🚀 快速上手

如果只是看结构，不建议先安装插件。直接克隆、验证、读目录会更安全。

bash 复制代码 
git clone https://github.com/anthropics/financial-services.git
cd financial-services

# 校验 marketplace 或单个插件 manifest
claude plugin validate .claude-plugin/marketplace.json
claude plugin validate plugins/agent-plugins/gl-reconciler

如果你要在 Claude Code 里试插件安装，可以按 README 的方式添加 marketplace：

bash 复制代码 
claude plugin marketplace add anthropics/financial-services
claude plugin install financial-analysis@claude-for-financial-services
claude plugin install gl-reconciler@claude-for-financial-services

如果你要研究 Managed Agent 模板，先读这几个文件：

文件 看什么
managed-agent-cookbooks/README.md orchestrator、leaf worker、handoff 模型
managed-agent-cookbooks/gl-reconciler/agent.yaml 工具、MCP、skills、callable_agents 如何声明
scripts/deploy-managed-agent.sh YAML 如何展开成 /v1/agents payload
scripts/orchestrate.py handoff_request 如何被外部编排器接住
scripts/check.py 仓库作者希望校验哪些结构约束

最小阅读路径可以这样走：

text 复制代码 
README.md
  ↓
managed-agent-cookbooks/README.md
  ↓
managed-agent-cookbooks/<agent>/agent.yaml
  ↓
plugins/agent-plugins/<agent>/agents/<agent>.md
  ↓
plugins/agent-plugins/<agent>/skills/*

如果要接入真实金融或企业数据，先修复 .mcp.json，再用内部测试账号逐个验证 MCP 连接器。README 已经写明输出不构成投资、法律、税务或会计建议，业务系统也不应把这些 Agent 的输出直接当成审批结果。

📊 增长速度与社区热度

这个仓库创建于 2026-02-23，到 2026-09-23 快照日约 211.19 天。按 36,592 Stars 粗算，生命周期平均约 173.3 Stars/天。这个数只能当 baseline：Trending 快照没有保留每个仓库的"今日新增 Stars"，所以不能把它写成当天增长速度。

GitHub API 稍后核验时，Stars 从快照的 36,592 变成 36,595，只能说明两个观察点之间增加了 3 个 Star。Forks 为 5,344，Open Issues 为 216，Watchers 为 284。最近 5 条提交集中在 2026-09-14 到 2026-09-21，其中包括删除 claude-for-financial-advisors 目录、凭据放入 URL fragment、记录 file_path 访问策略等维护动作。

社区结构上，前 10 名贡献者的提交数比较集中：mihilmy 19、cxyback 17、manar-ant 12、tobinsouth 8、viveknair 5。没有 Release 和 Tag，说明它更像随主分支快速演进的参考仓库，而不是按语义版本发布的库。

Rank Repository Language Stars Forks 今日新增 Stars
1 anthropics/financial-services Python 36,592 5,344 快照未保留
2 agent-substrate/substrate Go 3,145 394 快照未保留
3 dream-num/univer TypeScript 15,867 1,406 快照未保留
4 davila7/claude-code-templates Python 31,243 3,552 快照未保留
5 google/ax Go 8,094 374 快照未保留
6 mvt-project/mvt Python 14,265 1,367 快照未保留
7 superdesigndev/treg Python 2,379 227 快照未保留
8 browser-use/video-use Python 26,119 3,135 快照未保留

🎯 适用场景

场景 为什么适合 使用边界
企业 Agent 工作流设计 目录结构展示了 Agent、Skill、Command、Connector、Cookbook 如何拆层 不能直接复制合规边界，需要结合企业权限系统
Claude Code 插件开发 marketplace、plugin manifest、commands、skills 都有现成样例 当前 marketplace description 有 warning，发布前应补齐元数据
Managed Agent 部署研究 agent.yaml 和 deploy 脚本展示了从文件到 API payload 的转换 需要 Anthropic Managed Agents API、PyYAML、jq、API Key
金融分析内部助手原型 覆盖 comps、DCF、LBO、earnings、KYC、GL recon 等流程 输出必须人工复核，不能直接做交易、投资建议或入账
MCP 数据接入样板 README 集中列出多个金融数据供应商 MCP 入口 .mcp.json 当前语法需修复，数据源通常还要订阅授权
Agent 权限分层参考 leaf worker 分工清楚，部分 writer 才有写入责任 这是应用层分工，不是容器或 OS 沙箱

💡 总结

anthropics/financial-services 有两个看点。

第一个是结构。它把 Agent 工作流拆成插件、技能、命令、连接器、托管模板和编排脚本，适合拿来研究企业 Agent 的工程组织方式。尤其是 Cowork 与 Managed Agents 共用一套源文件这点，对内部平台团队很有参考价值。

第二个是边界。README 写得很清楚：这些 Agent 草拟分析材料、模型、备忘录、研究笔记和对账结果，最后必须由合格专业人士复核。源码检查也能看到，仓库有 manifest 校验和结构检查，但仍存在 .mcp.json 语法错误、bundled skill source drift 这类问题。

所以我不会把它推荐成"装上就能跑金融业务"的工具。更准确的定位是：一套由 Anthropic 给出的金融服务 Agent 参考实现。它告诉你企业 Agent 该怎么拆文件、怎么接数据、怎么区分读写权限、怎么把模型输出放回人工审批链路。真正落地时，验证、权限、数据许可和业务责任还要自己补齐。

相关推荐
后端小肥肠1 小时前
我做了个 Skill，一句话生成小程序原型，需求文档都帮你写好了
人工智能·aigc·agent
武子康1 小时前
Ray 的 remote 调用之后：任务怎样衔接，状态留在哪里?
人工智能·llm·agent
吴佳浩1 小时前
共享黑板模式（Blackboard）实战：多 Agent 如何并发协作而不冲突？
人工智能·agent·ai编程
沉默王二1 小时前
给Codex配上Jev，直接起飞。
llm·openai·agent
冬奇Lab1 小时前
一天一个开源项目（第226篇）：AIO Sandbox —— 把浏览器、Shell、文件、MCP、VSCode 塞进同一个容器的 Agent 沙箱
开源
SL_staff1 小时前
城商行营销翻车复盘：JVS-Rules 如何用工程化机制保障规则变更的可溯性与稳定性
java·开源·全栈
围炉聊科技1 小时前
Herdr智能体多路复用让你的编程工具协作起来——智能体基建系列
agent·ai编程·命令行
sarasuki1 小时前
为什么 Agent 工具需要一个「协议」而不是「框架」：MCP 成为标准的底层逻辑
设计模式·agent·mcp
leavesleo1 小时前
laya：不做生成、只做决策的非自回归引擎，六天两万星
github
热门推荐
01Telegram APK 下载安装完整指南 — 2026年最新02GitHub 镜像站点03国内可直接用、免费额度/永久免费的大模型API清单（含 SiliconFlow、火山、阿里、智谱、百度、Kimi、DeepSeek、DMXAPI 等）04历年考研数学一、数学二、数学三真题试卷及答案PDF052026 爱知・名古屋亚运会怎么看？直播平台+赛程安排分享06蜘蛛磁力 搜索引擎大全，如何使用蜘蛛磁力查找磁力链接07给AI一张“业务概念地图“：本体如何从哲学走向企业智能08微信历史版本含下载地址（ Windows PC | 安卓 | MAC ）及设置微信不更新09jev-ultrafast 深度解析：7 秒订机票的浏览器 Agent 是如何炼成的10算法竞赛C++常用的STL