Pitchlense MCP

🚀 PitchLense MCP - 專業創業公司風險分析套件

PitchLense MCP 是一個全面的模型上下文協議（MCP）套件，藉助人工智能技術，能跨多個風險類別對創業公司的投資風險進行評估。該套件基於 FastMCP 和 Google Gemini AI 構建。

🚀 快速開始

PitchLense MCP 提供了一系列工具，可用於分析創業公司在多個方面的風險。你可以通過命令行界面或 Python API 來使用這些工具。

✨ 主要特性

單項風險分析工具

• 市場風險分析器 - 分析總體可尋址市場（TAM）、增長率、競爭態勢和差異化程度。
• 產品風險分析器 - 評估產品開發階段、市場契合度、技術可行性和知識產權保護情況。
• 團隊風險分析器 - 考察團隊領導力深度、創始人穩定性、技能差距和信譽度。
• 財務風險分析器 - 檢查財務指標一致性、燒錢率、財務預測以及客戶獲取成本（CAC）與客戶終身價值（LTV）的比率。
• 客戶風險分析器 - 評估客戶吸引力水平、客戶流失率、客戶留存率和客戶集中度。
• 運營風險分析器 - 分析供應鏈、進入市場（GTM）策略、運營效率和執行能力。
• 競爭風險分析器 - 評估現有競爭對手實力、進入壁壘和競爭防禦能力。
• 法律風險分析器 - 考察監管環境、合規性和法律糾紛情況。
• 退出風險分析器 - 分析退出途徑、行業退出活躍度和後期吸引力。

綜合分析工具與數據源

• 綜合風險掃描器 - 對所有風險類別進行全面分析。
• 快速風險評估 - 快速評估關鍵風險領域。
• 同行基準比較 - 將指標與同行業/同階段的同行進行比較。
• SerpAPI Google 新聞工具 - 獲取 Google 新聞首頁內容，包含鏈接和縮略圖。
• Perplexity 搜索工具 - 提供帶引用來源和鏈接的答案。

📊 涵蓋的風險類別

📦 安裝指南

從 PyPI 安裝（推薦）

pip install pitchlense-mcp

從源代碼安裝

git clone https://github.com/pitchlense/pitchlense-mcp.git
cd pitchlense-mcp
pip install -e .

開發環境安裝

git clone https://github.com/pitchlense/pitchlense-mcp.git
cd pitchlense-mcp
pip install -e ".[dev]"

🔑 設置步驟

1. 獲取 Gemini API 密鑰

1. 訪問 Google AI Studio。
2. 創建一個新的 API 密鑰。
3. 複製該 API 密鑰。

2. 創建 .env 文件

cp .env.template .env
# 編輯 .env 文件並填入密鑰

支持的變量如下：

GEMINI_API_KEY=
SERPAPI_API_KEY=
PERPLEXITY_API_KEY=

💻 使用示例

命令行界面

運行綜合分析

# 創建示例數據
pitchlense-mcp sample --output my_startup.json

# 運行綜合分析
pitchlense-mcp analyze --input my_startup.json --output results.json

運行快速評估

pitchlense-mcp quick --input my_startup.json --output quick_results.json

啟動 MCP 服務器

pitchlense-mcp server

Python API

基礎用法（單個文本輸入）

from pitchlense_mcp import ComprehensiveRiskScanner

# 初始化掃描器（若未提供，則從環境變量中讀取 GEMINI_API_KEY）
scanner = ComprehensiveRiskScanner()

# 以結構化文本字符串形式提供創業公司的所有信息
startup_info = """
名稱：TechFlow Solutions
行業：SaaS/生產力軟件
階段：A 輪融資

商業模式：
為中小企業提供人工智能驅動的工作流自動化服務；採用訂閱式定價。

財務狀況：
月經常性收入（MRR）：45,000 美元；燒錢率：35,000 美元；資金儲備期：8 個月；客戶終身價值（LTV）/客戶獲取成本（CAC）：13.3

吸引力指標：
客戶數量：250 個；月活躍用戶（MAU）：1,200 人；月客戶流失率：5%；淨留存率（NRR）：110%

團隊情況：
首席執行官（CEO）：Sarah Chen；首席技術官（CTO）：Michael Rodriguez；團隊規模：12 人

市場與競爭：
總體可尋址市場（TAM）：120 億美元；競爭對手：Zapier、Power Automate；年增長率：15%
"""

# 運行綜合分析
results = scanner.comprehensive_startup_risk_analysis(startup_info)

print(f"總體風險水平：{results['overall_risk_level']}")
print(f"總體風險評分：{results['overall_score']}/10")
print(f"投資建議：{results['investment_recommendation']}")

單項風險分析（文本輸入）

from pitchlense_mcp import MarketRiskAnalyzer, GeminiLLM

# 初始化組件
llm_client = GeminiLLM(api_key="your_api_key")
market_analyzer = MarketRiskAnalyzer(llm_client)

# 分析市場風險
market_results = market_analyzer.analyze(startup_info)
print(f"市場風險水平：{market_results['overall_risk_level']}")

MCP 服務器集成

該套件提供了一個完整的 MCP 服務器，可與兼容 MCP 的客戶端集成：

from pitchlense_mcp import ComprehensiveRiskScanner

# 啟動 MCP 服務器
scanner = ComprehensiveRiskScanner()
scanner.run()

📋 輸入數據格式

主要輸入是一個結構化的文本字符串，包含創業公司的所有信息（詳情、指標、吸引力、新聞、競爭格局等）。所有分析器和 MCP 工具都使用這種格式。

示例文本輸入：

名稱：AcmeAI
行業：金融科技（借貸）
階段：種子輪

概述：
為中小企業借貸構建人工智能驅動的信用風險模型；已與 5 家貸款機構進行初始試點。

財務狀況：
月經常性收入（MRR）：12,000 美元；燒錢率：60,000 美元；資金儲備期：10 個月；毛利率：78%

吸引力指標：
付費中小企業客戶數量：200 個；月增長率：30%；月客戶流失率：3%；客戶獲取成本（CAC）：220 美元；客戶終身價值（LTV）：2,100 美元

團隊情況：
創始人：Jane Doe（前 Square 員工）、John Lee（前 Stripe 員工）；團隊規模：9 人

市場與競爭：
總體可尋址市場（TAM）：250 億美元；競爭對手：Blend、Upstart；優勢：通過專有數據合作伙伴關係實現更快的貸款審批

提示：查看 examples/text_input_example.py 可獲取完整的端到端腳本和結果的 JSON 導出。

📊 輸出格式

所有工具返回結構化的 JSON 響應，格式如下：

{
    "startup_name": "創業公司名稱",
    "overall_risk_level": "低|中|高|危急",
    "overall_score": 1-10,
    "risk_categories": [
        {
            "category_name": "風險類別",
            "overall_risk_level": "低|中|高|危急",
            "category_score": 1-10,
            "indicators": [
                {
                    "indicator": "具體風險因素",
                    "risk_level": "低|中|高|危急",
                    "score": 1-10,
                    "description": "詳細風險描述",
                    "recommendation": "緩解措施"
                }
            ],
            "summary": "類別總結"
        }
    ],
    "key_concerns": ["前 5 大關注點"],
    "investment_recommendation": "投資建議",
    "confidence_score": 0.0-1.0,
    "analysis_metadata": {
        "total_categories_analyzed": 9,
        "successful_analyses": 9,
        "analysis_timestamp": "2024-01-01T00:00:00Z"
    }
}

🎯 使用場景

• 投資者盡職調查 - 進行全面的風險評估，以支持投資決策。
• 創業公司自我評估 - 識別並緩解關鍵風險領域。
• 投資組合風險管理 - 評估創業公司投資組合的風險。
• 加速器/孵化器篩選 - 評估創業公司申請。
• 併購風險分析 - 評估收購目標。
• 研究與分析 - 進行關於創業公司風險的學術和行業研究。

🔧 技術細節

包結構

pitchlense-mcp/
├── pitchlense_mcp/
│   ├── __init__.py
│   ├── cli.py                 # 命令行界面
│   ├── core/                  # 核心功能
│   │   ├── __init__.py
│   │   ├── base.py           # 基類
│   │   ├── gemini_client.py  # Gemini AI 集成
│   │   └── comprehensive_scanner.py
│   ├── models/               # 數據模型
│   │   ├── __init__.py
│   │   └── risk_models.py
│   ├── analyzers/            # 單項風險分析器
│   │   ├── __init__.py
│   │   ├── market_risk.py
│   │   ├── product_risk.py
│   │   ├── team_risk.py
│   │   ├── financial_risk.py
│   │   ├── customer_risk.py
│   │   ├── operational_risk.py
│   │   ├── competitive_risk.py
│   │   ├── legal_risk.py
│   │   └── exit_risk.py
│   └── utils/                # 實用函數
├── tests/                    # 測試套件
├── docs/                     # 文檔
├── examples/                 # 示例用法
├── setup.py
├── pyproject.toml
├── requirements.txt
└── README.md

關鍵組件

1. 基類 (core/base.py)
   • BaseLLM - 大語言模型（LLM）集成的抽象基類。
   • BaseRiskAnalyzer - 所有風險分析器的基類。
   • BaseMCPTool - MCP 工具的基類。
2. Gemini 集成 (core/gemini_client.py)
   • GeminiLLM - 主要的大語言模型客戶端。
   • GeminiTextGenerator - 文本生成。
   • GeminiImageAnalyzer - 圖像分析。
   • GeminiVideoAnalyzer - 視頻分析。
   • GeminiAudioAnalyzer - 音頻分析。
   • GeminiDocumentAnalyzer - 文檔分析。
3. 風險分析器 (analyzers/)
   • 針對每個風險類別提供單獨的分析器。
   • 具有一致的接口和輸出格式。
   • 架構可擴展。
4. 模型 (models/risk_models.py)
   • 使用 Pydantic 模型確保類型安全。
   • 進行結構化數據驗證。
   • 明確數據契約。

📝 注意事項

• 所有風險評分採用 1 - 10 分制（1 = 最低風險，10 = 最高風險）。
• 風險等級分為：低（1 - 3）、中（4 - 6）、高（7 - 8）、危急（9 - 10）。
• 單個工具可以獨立使用，也可以組合使用以進行全面分析。
• 系統能夠優雅地處理 API 故障，並提供備用響應。
• 所有表格和結構化數據以 JSON 格式返回。
• 採用專業的包架構，實現了關注點的合理分離。

🤝 貢獻指南

我們歡迎貢獻！請查看我們的 貢獻指南 以獲取詳細信息。

1. 分叉倉庫。
2. 創建功能分支。
3. 進行更改。
4. 添加測試。
5. 提交拉取請求。

📄 許可證

本項目採用 MIT 許可證 - 詳情請參閱 LICENSE 文件。

🆘 支持

• 文檔：https://pitchlense-mcp.readthedocs.io/
• 問題反饋：GitHub 問題
• 郵箱：connectamanulla@gmail.com

🙏 致謝

• Google Gemini AI 提供底層人工智能能力。
• FastMCP 實現模型上下文協議。
• 開源社區提供靈感和工具。

PitchLense MCP - 讓創業公司風險分析變得可及、全面且由人工智能驅動。