MCP Python 快速上手指南

访问猛犸期权定价系统，支持外汇期权和结构化产品定价估值！

1. MCP Excel/Python 结构概览

MCP Excel/Python，其核心模块包括核心构造函数（mcp.tool.tools_main）、参数定义（mcp.tool.args_def）以及服务器版本管理（mcp.server_version）等。
该框架支持多种金融工具的建模与分析，涵盖远期曲线、收益率曲线、债券曲线等曲线建模工具，以及外汇波动率、利率波动率等波动率曲面工具，同时提供债券和利率互换等金融产品对象的支持。
在数据访问方面，MCP既支持本地数据构造，也提供远程市场数据服务。
其显著特点包括灵活的多态参数输入、通过C++编译的高性能计算核心（mcp.pyd）以及标准化的金融枚举类型管理。开发者可以通过简洁的API快速构建金融模型，如本地创建收益率曲线或远程获取波动率曲面数据，适用于各类金融量化分析和衍生品定价场景。

2. 安装

只写 Python（推荐） — 不要 Excel、不要设 PYTHONPATH：

pip install mathema-mcp

PyPI：mathema-mcp。Windows / Linux，64 位 CPython 3.9–3.13。装完即可 from mcp.tools import McpCalendar。表格类 API（FixedLegs / McpPayoff 等）再装 pip install "mathema-mcp[data]"。公开 wheel 不含 CUDA。

还要 Excel 时，再走压缩包：

安装 Python 环境（同上，64 位 CPython 3.9–3.13）：Anaconda 或 python.org，参考安装指南。
下载 mcp_excel 压缩包，解压后运行 install.bat（写 pyxll.cfg、注册加载项）。
配置开发环境（不要设置用户 PYTHONPATH）：
- pip 安装：任意工作目录即可。
- 压缩包安装：用目标 Python 打开解压根目录；import mcp 会按 ABI 加载 lib/X64/_mcp.cp3xx-win_amd64.pyd。
- VSCode / PyCharm：选择上述 64 位解释器。仅支持 64 位，没有 lib/win32。

3. MCP Excel/Python 目录结构

mcp_excel/
├── lib/X64/              # 64 位核心：tagged pyd、pyxll.xll、CUDA 运行时
├── example/              # 示例代码
│   ├── calendar/         # 日历模块示例
│   ├── curve/            # 收益率曲线示例
│   └── ...               # 其他示例
├── mcp/                  # Python 核心模块
│   ├── tool/             # 工具类
│   │   ├── tools_main.py # 主要构造函数（YieldCurve, FXForwardPointsCurve等）
│   │   └── args_def.py   # 参数定义（支持多态）
│   ├── mcp.py            # 对象函数实现
│   └── utils/
│       └── enums.py      # 枚举类型（DayCounter, Frequency等）
├── install.bat           # 一键安装（写 pyxll.cfg、注册加载项）
└── test_install.py       # 安装自检

4. Python 核心模块说明

4.1 构造函数与参数

模块路径：mcp.tool.tools_main 和 mcp.tool.args_def.py
特点：支持多态参数输入（如字典或关键字参数）。

示例：

from mcp.tool.tools_main import McpYieldCurve

# 通过字典构造
args = {
    "ReferenceDate": "2024-08-20",
    "Tenors": ["1M", "3M", "6M"],
    "Rates": [0.05, 0.055, 0.06],
    "DayCount": "Act365Fixed",
    ... ...
}
curve = McpYieldCurve(args)

# 通过关键字参数构造
curve = McpYieldCurve(
    ReferenceDate="2024-08-20",
    Tenors=["1M", "3M", "6M"],
    Rates=[0.05, 0.055, 0.06],
    ... ...
)

4.2 对象函数

模块路径：mcp.mcp.py
功能：提供对象方法（如利率计算、日期调整等）。

示例：

from mcp.mcp import McpFXVolSurface

fxVol = McpFXVolSurface(
  ... ...
)
# 获取波动率
vol = fxVol.GetVolatility(7.0, "2024-12-31")

4.3 枚举类型

模块路径：mcp.utils.enums

常用枚举：

from mcp.utils.enums import DayCounter, Frequency

print(DayCounter.Act365Fixed)  # 日算规则
print(Frequency.Annual)        # 付息频率

5. 对象构造方式

5.1 本地构造

适用场景：需自行提供市场数据和参数。
步骤：
1. 准备参数（参考 args_def.py 中的定义）。
2. 调用构造函数（如 McpYieldCurve）。

示例：

from mcp.tool.tools_main import McpFXForwardPointsCurve

args = {
    "ReferenceDate": "2024-08-20",
    "FXSpotRate": 7.2,
    "ForwardPoints": [-50, -100, -150],
    "Tenors": ["1M", "2M", "3M"]
}
fwd_curve = McpFXForwardPointsCurve(args)

5.2 从 JSON 快照构造（LiveStore / RawMD）

适用场景：用本地 MCP_MARKET_DATA_YYYYMMDD.json 得到曲线 / 曲面对象，无需手搓整条曲线。
入口：MLiveMarketDataStore（单日快照）、MRawMarketManager（目录按日）、MMarketDataJsonReader（只读）。

示例：

from mcp.mcp import MLiveMarketDataStore

store = MLiveMarketDataStore()
store.loadSnapshot("data/market_data/MCP_MARKET_DATA_20260810.json")
yc2 = store.getYieldCurve2("CNHDEPO_2")
print(yc2.ZeroRate("2026/08/10", "MID"))

服务器端按简称拉取对象（函数名尾部带 s）已废弃。Excel 案例请下载 TC31–TC46 完整案例包。详见 Raw Market Data。

6. 快速验证

# 测试导入模块
from mcp.tool.tools_main import McpYieldCurve
from mcp.utils.enums import DayCounter

# 打印枚举值
print("日算规则:", DayCounter.Act365Fixed)

# 简单构造测试
test_curve = McpYieldCurve(
    ReferenceDate="2024-08-20",
    Tenors=["1M"],
    Rates=[0.05]
)
print("测试曲线构建成功！")

7. 运行附带的测试例子

在下面目录下找到附带的测试例子，在vscode中执行。

注：带有 xxxx_server.py 的旧测试依赖已废弃的服务器端函数，请改用 example/market_data/ 下的 LiveStore / RawMD 示例。

mcp_excel/
├── example/              # 示例代码
│   ├── calendar/         # 日历模块示例
│   ├── curve/            # 收益率曲线示例
│   └── ...               # 其他示例
└── test_install.py

8. 注意事项

市场数据：曲线 / 曲面请用本地 JSON 快照（LiveStore / RawMD），不要再调用已废弃的服务器端构造函数。
路径问题：不要设置用户 PYTHONPATH。在解压根目录运行，或保证 sys.path 含该目录。
版本兼容：64 位 CPython 3.9–3.13；import mcp 必须能找到对应的 _mcp.cp3xx-win_amd64.pyd。

通过本指南，您可快速完成环境搭建并开始使用MCP Python进行金融计算！