CJPY的MCP升级如何改变投研数据服务的技术架构与使用范式？

CJPY的MCP升级并未改变底层数据来源和业务口径，而是在同一数据底座之上增加了面向智能体的结构化入口。MCP Server通过stdio由支持MCP的客户端启动，将原有Python查询能力注册为17个只读工具，并补充两类API文档资源和6个投研任务模板。

技术架构层面的核心变化体现在三个维度。第一是数据发现机制：MCP提供list_universes、list_market_fields、list_tables、list_factors等工具，使智能体可以在正式查询前确认服务端的证券板块、行情字段、数据表、因子和宏观指标，降低了因字段记忆偏差导致的调用失败。第二是结果状态控制：MCP结果按照status、data、metadata和hints统一组织，区分complete、empty、too_large和preview四类状态，避免把被截断的数据误当作完整样本，这对智能体的自动判断尤为重要。第三是任务模板设计：提供公司快照、多证券因子比较、财务趋势、宏观指标、基金持仓和区间行情复盘六个模板，负责组织调用步骤和输出口径，但不提前查询数据。

使用范式的变化表现为探索与生产的衔接方式重构。原先研究流程需要先阅读文档、记住函数名，再在代码中反复调试；MCP则把函数说明、输入参数和结果结构交给客户端统一管理，使智能体可以先发现可用工具，再根据任务选择调用路径。数据服务由此从"能够被程序调用"扩展为"能够被智能体理解并规范调用"。

两种入口的适用场景存在明确分工。MCP适合少量数据交互查询、字段发现、公司与宏观快照以及多步工具调用；Python适合全市场多日期批量提取、复杂计算、回测和落盘。实际研究中通常组合使用：先用MCP确认数据口径，再转入Python批量处理。这种组合把智能体放在"理解任务和组织工具"的位置，把Python保留在"承载批量数据和确定性计算"的位置。

需要强调的是，MCP并不改变数据口径，也不替代完整回测、交易执行和投资决策。工具选择和参数填写仍可能受提示方式、客户端能力和上下文影响，关键研究结论仍需在明确的数据日期、指标定义和适用范围下审慎形成，并对主要数字进行人工复核。