Claude for Financial Services 是 Anthropic 於 2026 年 2 月發佈的開源金融服務 AI Agent 專案，目前於 GitHub 累積 34,768 星標與 5,185 次複製，以 Apache-2.0 授權釋出。該專案以「參考 Agent、技能與數據連接器」的形式，將投資銀行、股票研究、私募股權與財富管理四大領域的高頻工作流模組化，讓金融機構可以將 Claude 部署為具備估值建模、盡職調查、盈餘分析與帳目調節能力的專業助理。
此套件是 Anthropic 開源的金融 AI 參考實作，累積 34,768 星標，涵蓋投行、研究、私募股權與財富管理領域的 Agent 與技能。
Anthropic 為何推出金融服務專用的 AI 開源專案？
Anthropic 以開源參考實作降低金融機構採用門檻，將高頻工作流標準化為可覆核的 Agent，並以 Apache-2.0 授權讓企業能自行修改與部署。
金融服務是 Anthropic 佈局企業市場的重點垂直領域，但每個機構的內部流程、數據源與合規要求差異極大，通用型 AI 助理難以直接落地。Anthropic 選擇以「開源參考架構」切入：將自己在內部使用、以及與客戶協作時歸納出的高頻工作流，打包成結構化的 Agent 與技能，讓每家機構不必從零設計提示詞與工具連接，而是從一套經過驗證的起點開始客製化。
此專案的設計哲學與 Anthropic 先前的 Agent Skills 開源策略一脈相承——以 Markdown 與 JSON 等純檔案格式描述技能、指令與連接，無編譯、無基礎設施負擔，任何團隊都能直接檢視、修改與分享。授權採用 Apache-2.0，意味著企業可以自由地將這些 Agent 整合進內部系統，甚至基於其結構建立商業應用，這與金融機構偏好「看得見、改得動」的開源軟體採購邏輯高度一致。
Claude for Financial Services 包含哪些 Agent 與技能？
專案提供 Pitch Agent、市場研究員、盈餘審閱員、GL 調節員等十個角色化 Agent，每個 Agent 自成完整插件，內建所屬技能、指令與數據連接器。
該儲存庫的核心是十個角色化 Agent，每個 Agent 都是「自包含」的插件，捆綁其執行任務所需的全部技能。在覆蓋與顧問場景，Pitch Agent 可從可比公司、先例交易與 LBO 分析一路生成品牌化投影片；Meeting Prep Agent 則在客戶會議前自動整理簡報資料。在研究與建模場景，Market Researcher 能將產業主題轉化為行業概覽與同業比較，Earnings Reviewer 可讀取財報電話會議與申報文件後更新模型並起草研究備忘錄，Model Builder 則直接在 Excel 中建立 DCF、LBO、三表與可比公司模型。
在基金行政管理與財務營運場景，Valuation Reviewer 負責處理 GP 文件並執行估值模板，GL Reconciler 自動追蹤帳目差異的根源並轉交簽核，Month-End Closer 處理應計項目與差異分析，Statement Auditor 在分發前審計 LP 對帳單。營運與入職場景則由 KYC Screener 解析開戶文件、執行規則引擎並標記缺口。值得強調的是，專案明確聲明所有輸出均設計為「由合格專業人士覆核的分析初稿」，Agent 不會作出投資建議、執行交易、約束風險或入帳，每一項產出都保留人工簽核環節。
此套件的垂直化插件與 MCP 連接器如何運作？
插件以技能、斜線指令與連接器三層結構組成，核心插件 financial-analysis 集中管理全部數據連接器，並以 MCP 協定串接外部資料源。
除了角色化 Agent，專案同時提供按金融垂直領域拆分的技能插件。financial-analysis 是核心插件，承載共用的建模技能（comps-analysis、dcf-model、lbo-model、3-statement-model 等）與全部數據連接器；investment-banking 插件涵蓋 CIM 起草、teaser、買家清單與併購模型；equity-research 插件提供盈餘報告、首次覆蓋與催化劑日曆等技能；private-equity 與 wealth-management 插件則分別覆蓋盡職調查清單、IC 備忘錄，以及客戶檢視、稅務虧損收割等財富管理工作流。
數據連接層是此專案的另一個關鍵設計。所有連接器集中於 financial-analysis 核心插件，並透過 MCP（Model Context Protocol）協定與外部資料源溝通，涵蓋 Daloopa、Morningstar、S&P Global、FactSet、Moody’s、LSEG、PitchBook 等 12 個金融數據提供者，覆蓋市場數據、研究平台與文件儲存三大類別。此架構讓機構可以沿用既有數據訂閱，只需在 .mcp.json 中指向自家供應商，即可將 Claude 接入真實生產環境的資料流。
此開源專案支援哪些部署方式？
此套件可作為插件裝入 Cowork 或 Claude Code，或以受管 Agent 形式部署至自有工作流後端，技能與連接器兩處共用。
在部署彈性方面，Anthropic 刻意讓同一套 Agent 可以「兩種方式、同一來源」運作。一般企業使用者可在 Claude Cowork 的 Settings → Plugins 中直接貼上儲存庫 URL 安裝，或上傳壓縮後的插件目錄；開發者則可透過 Claude Code 執行 claude plugin marketplace add anthropics/financial-services 加入市集，再以 claude plugin install pitch-agent@claude-for-financial-services 安裝指定 Agent。安裝完成後，技能會在相關情境自動觸發，斜線指令如 /comps、/dcf、/earnings 與 /ic-memo 則可於對話中直接呼叫。
對於需要將 AI 嵌入自有工作流引擎的大型機構，專案提供第三條路徑：Claude Managed Agents API。每個 Agent 模板都同時對應一份 managed-agent-cookbooks 目錄，內含 agent.yaml 設定、子 Agent 定義與引導事件範例；部署腳本 deploy-managed-agent.sh 會解析檔案引用、上傳技能、建立子 Agent，並將協調器註冊至 /v1/agents 端點。同一份系統提示詞與技能，既可在 Cowork 的互動介面執行，也可在企業後端以無頭模式自動化運行，實現「同一資產、多處部署」的設計目標。
此專案的市場定位與生態影響力如何？
此專案將 Anthropic 企業 AI 版圖延伸至金融垂直領域，透過開放參考實作與 LSEG、S&P Global 夥伴插件建立生態，並深度整合 Microsoft 365。
此專案的發佈時機與 Anthropic 的企業產品擴張節奏高度同步。2026 年上半年，Anthropic 陸續推出 Claude Cowork 與 Claude Managed Agents 兩條企業部署通道，而 financial-services 正是第一個以「垂直行業全套參考實作」形式驗證這兩條通道的開源專案。對金融機構而言，這份儲存庫的價值不在於開箱即用的產品，而在於它示範了「合規導向的 AI 落地方式」：所有 Agent 都內建人工簽核節點，輸出定位為分析初稿而非決策，回應了監管機構對 AI 問責性的關注。
生態方面，Anthropic 亦邀請夥伴共同參與。儲存庫中設有 partner-built 目錄，LSEG 與 S&P Global 已分別提供債券相對價值、交換曲線、外匯利差與宏觀利率監測，以及 tear sheets、盈餘預覽等插件，顯示數據供應商正將 MCP 視為分發 AI 原生工作流的標準介面。專案另附 claude-for-msft-365-install 管理工具，讓企業可將 Claude 的 Microsoft 365 增益集佈建至自家雲端環境（Vertex AI、Bedrock 或內部 LLM 閘道），而非依賴 Anthropic 的 API，進一步降低大型金融機構在資料主權與合規上的顧慮。
此專案的關鍵數據表現如何？
此專案目前累積 34,768 星標、5,185 次複製、274 位追蹤者與 206 個開放議題，主要語言為 Python，最近一次推送為 2026 年 8 月 25 日。
出處連結有哪些？
本文資訊整理自 Anthropic 官方開源儲存庫的 README，涵蓋完整的 Agent 清單、部署教學與連接器說明，可直接前往該專案頁面查閱。
本文內容整理自 Claude for Financial Services GitHub 儲存庫 的官方 README 與專案文件。讀者如欲查看完整的 Agent 清單、技能參考與部署教學，可直接前往該儲存庫瀏覽原始碼與文件。
總結：此開源專案適合哪些團隊？
此專案適合欲導入 AI 輔助分析但缺乏內部 AI 團隊的金融機構，亦適合技術供應商作為建構垂直金融 Agent 的參考藍本與起點。
Claude for Financial Services 的意義，在於將「金融專業知識」與「AI Agent 工程」的結合方式，從封閉的顧問專案轉變為開放的參考標準。對於投資銀行、資產管理公司與基金行政管理機構，它提供了一套立即可用的起點，讓分析師可以專注於覆核與判斷，而非重複性的建模與資料整理；對於系統整合商與新創團隊，它則示範了如何以技能、指令與 MCP 連接器三層結構，有紀律地將 Claude 部署到受監管的生產環境。
當然，此專案並非完整的金融產品，而是參考架構的開端。機構仍需投入資源將插件對齊自家流程、數據源與合規政策，並建立人工覆核機制。但從開源社群的迴響來看，Anthropic 這一步已為「金融服務 + AI Agent」確立了可複製的落地模式，也讓外界得以一窺生成式 AI 在華爾街的實際工作型態。