Bloomberg、LSEG 与 MCP 缺口：为什么尚未发布完整的 MCP 服务器，以及多智能体系统如何解決这问题
MCP（Model Context Protocol）正在快速成为智能体 AI 世界中最受关注的技术之一。它为大型语言模型提供了一种优雅、统一的方式来调用工具、API 与数据源，无需自定义封装，也不必处理复杂 SDK，只需要一个清晰的结构化接口。
对于金融行业——一个完全依赖实时数据、分析与规范化流程的领域——MCP 看起来几乎是完美的接口。开发者很快开始想象：只要问一句，自然语言驱动的智能体就能自动从 Bloomberg、LSEG、ICE、FactSet、Morningstar 等数据巨头获取真实数据并完成分析。
然而尽管生态系统不断升温，这些巨头至今都没有发布完整的、公开可自托管的 MCP 服务器。除了 Morningstar 的小范围实现外，其他供应商仍在探索、试点或内部采用阶段。
根本原因在于：MCP 的“简单工具箱”设计，与金融数据的巨大复杂度存在根本冲突。
MCP 适合小领域，但金融数据并不“小”
现有的 MCP 服务器大多覆盖单一且明确的领域：GitHub 处理仓库操作、Cursor 与 VS Code 管理工作区、云存储 MCP 服务器提供文件读取、甚至微软的 Dynamics 365 也只暴露其 ERP 的一个精选能力集。
这些服务器之所以运作良好，是因为 MCP 期望的是“少量、可读、清晰”的工具，让大模型能够轻易理解与选择。
但金融数据完全不是这样。
一个金融数据供应商包含：
股票、债券、外汇、期货期权、掉期、基金、指数、ESG、公司行动、新闻、研报、逐笔历史、另类数据……
每个数据域都有自己的字段体系、许可规则、地区限制与调用逻辑。Bloomberg 与 LSEG 的 API 操作数量以千级计。
若直接将这些 API 以 MCP 工具形式暴露出来，Claude Desktop、Cursor 等 MCP host 会直接崩溃。工具列表会巨大到无法加载，界面不可用，模型的工具选择能力也会彻底混乱。
MCP 的美在“简单”。
金融数据的本质是“复杂”。
这就是第一道无法跨越的矛盾。
许可与权属规则并不适合智能体行为
即便规模问题被解决，许可也会成为致命障碍。
财金数据的分发受到复杂的协议管控，包括：
展示/非展示、再分发限制、字段级授权、区域限制、交易所计费模型……
这些规则之所以今天能够正常运作，是因为 API 调用是“可预测”的，人类或传统程序遵循固定模式。
而智能体不会。
智能体会链式调用、生成衍生数据、合并数据源、缓存临时内容，甚至意外违反下游许可条款。MCP 本身并没有“智能体身份”“用途追踪”“衍生数据规则”等机制。
没有“智能体治理”，供应商无法安全暴露完整数据。
成熟的金融 API 本就承担 MCP 无法取代的功能
Bloomberg、LSEG、ICE、FactSet 等供应商几十年来构建的 API 已提供：
高速流数据、权限控制、审计日志、符号体系、批量历史数据、低延迟传输……
这些是金融市场的生命线。
让 MCP 来完全替代这些 API 系统既没有商业收益，也带来巨大风险。
MCP 是出色的“工作流接口”，但不是“金融基础设施替代品”。
智能体治理仍未成熟
传统金融系统假设调用者是：
- 人类
- 或可预测的软件
而不是能够推理、生成、决策并可能“创造衍生数据”的自主智能体。
没有可验证的审计链与智能体行为监管机制，供应商无法在 MCP 下暴露监管数据。
各大供应商的 MCP 状态
Bloomberg
公开支持 MCP，并正在内部整合。但没有发布公共服务器。
LSEG
进展最公开。与 Copilot、Anthropic、Databricks 合作，提供“托管 MCP 服务”。GitHub 上有新闻数据示例，但没有完整服务器。
Morningstar
唯一公开提供“类似 MCP 服务器”的供应商，但仅覆盖数据点与研究内容，而非全量市场数据。
FactSet
发布了一系列 MCP 架构与治理文章，但未发布产品。
ICE
存在实验性 MCP 文档，但没有商业化服务器。
整体来看：所有厂商都在探索，没有任何一家公司真正解决 MCP 规模化问题。
解决方案：
多智能体驱动的“分层 MCP 服务器”
要突破瓶颈，不能强行让 MCP 变“大”，而是让 MCP 变“更聪明”——具体来说，就是让多智能体系统承担 MCP 无法表达的复杂性。
想象以下结构：
- MCP 服务器对外仍然只暴露少量“发现工具”。
- 当用户提出请求（如“获取美元/日元的历史波动率”），
一个“意图解析智能体”会理解需求。 - 另一个“许可智能体”检查权限与合规。
- “数据代理智能体”选择正确的后端 API（BQL、RDP、ICE feeds、FactSet endpoint）。
- “汇总智能体”负责格式化数据、控制速率、组批等。
最终 MCP 仅暴露“此刻需要的那个工具”。
工具随上下文、权限、工作流动态出现与消失。
复杂度在智能体之间流动，而不是暴露给 MCP 或 LLM。
这是我在文章
《突破极限：重新思考 MCP 服务器架构，打造可扩展的 AI》
中提出的架构方向：
它不是让 MCP 去承受复杂性，而是让智能体系统彼此协作，在幕后代理复杂的金融 API、许可逻辑与数据治理。
这就是金融行业 MCP 的“可扩展之路”。
结语：
MCP 的金融未来必须建立在多智能体之上
金融数据巨大、严格监管、关系紧密。
MCP 作为接口层非常优雅，但不能直接承载全部复杂性。
下一阶段的 MCP 不会是更庞大的服务器列表，
而是“更聪明”的服务器：
一个外表简单、内部由多智能体协作驱动的分层系统。
只有这种架构才能让 Bloomberg、LSEG、ICE、FactSet 真正安全地开放自身数据生态。
当这一模式实现，全球市场的数据将首次具备：
可组合、可治理、可扩展、智能体原生的访问能力。
这是金融行业迈向智能体时代的关键一步。
