Concevoir des agents d'analyse financière axés sur les compétences avec Claude, Python, connecteurs MCP et livrables automatisés

Ce tutoriel montre comment construire un agent d'analyse financière orienté compétences à l'aide du référentiel de services financiers d'Anthropic. Il commence par cloner le référentiel, installer les dépendances (anthropic, pandas, openpyxl, pyyaml, matplotlib) et cartographier la structure du référentiel, y compris les plugins d'agent, les plugins verticaux, les intégrations partenaires et les cookbooks d'agents gérés. Le système analyse les fichiers SKILL.md dans un registre de compétences, puis construit une classe SkillAgent qui injecte des playbooks financiers sélectionnés dans le modèle Claude via l'API Messages d'Anthropic avec une boucle d'utilisation d'outils. L'agent exécute une évaluation synthétique des flux de trésorerie actualisés (DCF) pour une entreprise appelée Meridian Software, calculant la valeur d'entreprise, la valeur des capitaux propres et le prix implicite de l'action. Il génère une carte de chaleur de sensibilité entre le coût moyen pondéré du capital (CMPC) et la croissance terminale, effectue une analyse de sociétés comparables avec sortie Excel, rédige une note de comité d'investissement en capital-investissement et inspecte une spécification de déploiement d'agent géré. Tout le travail numérique est effectué via un outil d'exécution Python, et les livrables finaux sont enregistrés dans un répertoire 'outputs'.