Pitchlense Mcp

🚀 PitchLense MCP - 专业创业公司风险分析套件

PitchLense MCP 是一个全面的模型上下文协议（MCP）套件，借助人工智能技术，能跨多个风险类别对创业公司的投资风险进行评估。该套件基于 FastMCP 和 Google Gemini AI 构建。

🚀 快速开始

PitchLense MCP 提供了一系列工具，可用于分析创业公司在多个方面的风险。你可以通过命令行界面或 Python API 来使用这些工具。

✨ 主要特性

单项风险分析工具

• 市场风险分析器 - 分析总体可寻址市场（TAM）、增长率、竞争态势和差异化程度。
• 产品风险分析器 - 评估产品开发阶段、市场契合度、技术可行性和知识产权保护情况。
• 团队风险分析器 - 考察团队领导力深度、创始人稳定性、技能差距和信誉度。
• 财务风险分析器 - 检查财务指标一致性、烧钱率、财务预测以及客户获取成本（CAC）与客户终身价值（LTV）的比率。
• 客户风险分析器 - 评估客户吸引力水平、客户流失率、客户留存率和客户集中度。
• 运营风险分析器 - 分析供应链、进入市场（GTM）策略、运营效率和执行能力。
• 竞争风险分析器 - 评估现有竞争对手实力、进入壁垒和竞争防御能力。
• 法律风险分析器 - 考察监管环境、合规性和法律纠纷情况。
• 退出风险分析器 - 分析退出途径、行业退出活跃度和后期吸引力。

综合分析工具与数据源

• 综合风险扫描器 - 对所有风险类别进行全面分析。
• 快速风险评估 - 快速评估关键风险领域。
• 同行基准比较 - 将指标与同行业/同阶段的同行进行比较。
• SerpAPI Google 新闻工具 - 获取 Google 新闻首页内容，包含链接和缩略图。
• Perplexity 搜索工具 - 提供带引用来源和链接的答案。

📊 涵盖的风险类别

📦 安装指南

从 PyPI 安装（推荐）

pip install pitchlense-mcp

从源代码安装

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

开发环境安装

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

🔑 设置步骤

1. 获取 Gemini API 密钥

1. 访问 Google AI Studio。
2. 创建一个新的 API 密钥。
3. 复制该 API 密钥。

2. 创建 .env 文件

cp .env.template .env
# 编辑 .env 文件并填入密钥

支持的变量如下：

GEMINI_API_KEY=
SERPAPI_API_KEY=
PERPLEXITY_API_KEY=

💻 使用示例

命令行界面

运行综合分析

# 创建示例数据
pitchlense-mcp sample --output my_startup.json

# 运行综合分析
pitchlense-mcp analyze --input my_startup.json --output results.json

运行快速评估

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

启动 MCP 服务器

pitchlense-mcp server

Python API

基础用法（单个文本输入）

from pitchlense_mcp import ComprehensiveRiskScanner

# 初始化扫描器（若未提供，则从环境变量中读取 GEMINI_API_KEY）
scanner = ComprehensiveRiskScanner()

# 以结构化文本字符串形式提供创业公司的所有信息
startup_info = """
名称：TechFlow Solutions
行业：SaaS/生产力软件
阶段：A 轮融资

商业模式：
为中小企业提供人工智能驱动的工作流自动化服务；采用订阅式定价。

财务状况：
月经常性收入（MRR）：45,000 美元；烧钱率：35,000 美元；资金储备期：8 个月；客户终身价值（LTV）/客户获取成本（CAC）：13.3

吸引力指标：
客户数量：250 个；月活跃用户（MAU）：1,200 人；月客户流失率：5%；净留存率（NRR）：110%

团队情况：
首席执行官（CEO）：Sarah Chen；首席技术官（CTO）：Michael Rodriguez；团队规模：12 人

市场与竞争：
总体可寻址市场（TAM）：120 亿美元；竞争对手：Zapier、Power Automate；年增长率：15%
"""

# 运行综合分析
results = scanner.comprehensive_startup_risk_analysis(startup_info)

print(f"总体风险水平：{results['overall_risk_level']}")
print(f"总体风险评分：{results['overall_score']}/10")
print(f"投资建议：{results['investment_recommendation']}")

单项风险分析（文本输入）

from pitchlense_mcp import MarketRiskAnalyzer, GeminiLLM

# 初始化组件
llm_client = GeminiLLM(api_key="your_api_key")
market_analyzer = MarketRiskAnalyzer(llm_client)

# 分析市场风险
market_results = market_analyzer.analyze(startup_info)
print(f"市场风险水平：{market_results['overall_risk_level']}")

MCP 服务器集成

该套件提供了一个完整的 MCP 服务器，可与兼容 MCP 的客户端集成：

from pitchlense_mcp import ComprehensiveRiskScanner

# 启动 MCP 服务器
scanner = ComprehensiveRiskScanner()
scanner.run()

📋 输入数据格式

主要输入是一个结构化的文本字符串，包含创业公司的所有信息（详情、指标、吸引力、新闻、竞争格局等）。所有分析器和 MCP 工具都使用这种格式。

示例文本输入：

名称：AcmeAI
行业：金融科技（借贷）
阶段：种子轮

概述：
为中小企业借贷构建人工智能驱动的信用风险模型；已与 5 家贷款机构进行初始试点。

财务状况：
月经常性收入（MRR）：12,000 美元；烧钱率：60,000 美元；资金储备期：10 个月；毛利率：78%

吸引力指标：
付费中小企业客户数量：200 个；月增长率：30%；月客户流失率：3%；客户获取成本（CAC）：220 美元；客户终身价值（LTV）：2,100 美元

团队情况：
创始人：Jane Doe（前 Square 员工）、John Lee（前 Stripe 员工）；团队规模：9 人

市场与竞争：
总体可寻址市场（TAM）：250 亿美元；竞争对手：Blend、Upstart；优势：通过专有数据合作伙伴关系实现更快的贷款审批

提示：查看 examples/text_input_example.py 可获取完整的端到端脚本和结果的 JSON 导出。

📊 输出格式

所有工具返回结构化的 JSON 响应，格式如下：

{
"startup_name": "创业公司名称",
"overall_risk_level": "低|中|高|危急",
"overall_score": 1-10,
"risk_categories": [
{
"category_name": "风险类别",
"overall_risk_level": "低|中|高|危急",
"category_score": 1-10,
"indicators": [
{
"indicator": "具体风险因素",
"risk_level": "低|中|高|危急",
"score": 1-10,
"description": "详细风险描述",
"recommendation": "缓解措施"
}
],
"summary": "类别总结"
}
],
"key_concerns": ["前 5 大关注点"],
"investment_recommendation": "投资建议",
"confidence_score": 0.0-1.0,
"analysis_metadata": {
"total_categories_analyzed": 9,
"successful_analyses": 9,
"analysis_timestamp": "2024-01-01T00:00:00Z"
}
}

🎯 使用场景

• 投资者尽职调查 - 进行全面的风险评估，以支持投资决策。
• 创业公司自我评估 - 识别并缓解关键风险领域。
• 投资组合风险管理 - 评估创业公司投资组合的风险。
• 加速器/孵化器筛选 - 评估创业公司申请。
• 并购风险分析 - 评估收购目标。
• 研究与分析 - 进行关于创业公司风险的学术和行业研究。

🔧 技术细节

包结构

pitchlense-mcp/
├── pitchlense_mcp/
│   ├── __init__.py
│   ├── cli.py                 # 命令行界面
│   ├── core/                  # 核心功能
│   │   ├── __init__.py
│   │   ├── base.py           # 基类
│   │   ├── gemini_client.py  # Gemini AI 集成
│   │   └── comprehensive_scanner.py
│   ├── models/               # 数据模型
│   │   ├── __init__.py
│   │   └── risk_models.py
│   ├── analyzers/            # 单项风险分析器
│   │   ├── __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/                # 实用函数
├── tests/                    # 测试套件
├── docs/                     # 文档
├── examples/                 # 示例用法
├── setup.py
├── pyproject.toml
├── requirements.txt
└── README.md

关键组件

1. 基类 (core/base.py)
   • BaseLLM - 大语言模型（LLM）集成的抽象基类。
   • BaseRiskAnalyzer - 所有风险分析器的基类。
   • BaseMCPTool - MCP 工具的基类。
2. Gemini 集成 (core/gemini_client.py)
   • GeminiLLM - 主要的大语言模型客户端。
   • GeminiTextGenerator - 文本生成。
   • GeminiImageAnalyzer - 图像分析。
   • GeminiVideoAnalyzer - 视频分析。
   • GeminiAudioAnalyzer - 音频分析。
   • GeminiDocumentAnalyzer - 文档分析。
3. 风险分析器 (analyzers/)
   • 针对每个风险类别提供单独的分析器。
   • 具有一致的接口和输出格式。
   • 架构可扩展。
4. 模型 (models/risk_models.py)
   • 使用 Pydantic 模型确保类型安全。
   • 进行结构化数据验证。
   • 明确数据契约。

📝 注意事项

• 所有风险评分采用 1 - 10 分制（1 = 最低风险，10 = 最高风险）。
• 风险等级分为：低（1 - 3）、中（4 - 6）、高（7 - 8）、危急（9 - 10）。
• 单个工具可以独立使用，也可以组合使用以进行全面分析。
• 系统能够优雅地处理 API 故障，并提供备用响应。
• 所有表格和结构化数据以 JSON 格式返回。
• 采用专业的包架构，实现了关注点的合理分离。

🤝 贡献指南

我们欢迎贡献！请查看我们的 贡献指南 以获取详细信息。

1. 分叉仓库。
2. 创建功能分支。
3. 进行更改。
4. 添加测试。
5. 提交拉取请求。

📄 许可证

本项目采用 MIT 许可证 - 详情请参阅 LICENSE 文件。

🆘 支持

• 文档：https://pitchlense-mcp.readthedocs.io/
• 问题反馈：GitHub 问题
• 邮箱：connectamanulla@gmail.com

🙏 致谢

• Google Gemini AI 提供底层人工智能能力。
• FastMCP 实现模型上下文协议。
• 开源社区提供灵感和工具。

PitchLense MCP - 让创业公司风险分析变得可及、全面且由人工智能驱动。