FinGenius配置详解：从API密钥到个性化设置完整指南

【免费下载链接】FinGenius 项目地址: https://gitcode.com/gh_mirrors/fi/FinGenius

FinGenius是一款功能强大的金融智能分析工具，通过多智能体协作和MCP协议提供全面的市场分析能力。本指南将帮助你完成从API密钥配置到个性化参数调整的全过程，让你快速上手并充分发挥FinGenius的强大功能。

一、准备工作：获取必要的API密钥

在开始配置FinGenius之前，你需要准备以下API密钥：

1. LLM模型API密钥：根据你选择的模型提供商（如OpenAI、Anthropic、Azure等）获取相应的API密钥
2. 搜索引擎API密钥：如果你计划使用Bing或其他需要API密钥的搜索引擎

提示：不同的API提供商有不同的申请流程，请参考各平台的官方文档获取API密钥。

二、配置文件结构解析

FinGenius的配置系统主要由两个核心文件组成：

• TOML配置文件：config/config.example.toml - 包含LLM模型和搜索引擎的主要配置
• JSON配置文件：config/mcp.example.json - 包含MCP服务器连接信息

FinGenius系统架构图：展示了Research环境与MCP协议、Battle环境与多智能体的协作关系

三、LLM模型配置详解

LLM（大语言模型）是FinGenius的核心组件，正确配置LLM参数对系统性能至关重要。

3.1 基础LLM配置

打开config/config.example.toml文件，找到[llm]部分：

[llm]
api_type = "openai"  # API类型，支持openai、azure、ollama等
model = "claude-3-7-sonnet-20250219"  # 模型名称
base_url = "https://api.anthropic.com/v1/"  # API端点URL
api_key = "YOUR_API_KEY"  # 你的API密钥
max_tokens = 8192  # 响应的最大token数量
temperature = 0.0  # 控制输出随机性，0表示确定性最高

3.2 不同API类型的配置示例

OpenAI兼容API配置

[llm]
api_type = "openai"
model = "gpt-4o"
base_url = "https://api.openai.com/v1/"
api_key = "sk-你的OpenAI密钥"
max_tokens = 8192
temperature = 0.0

Azure OpenAI配置

[llm]
api_type= 'azure'
model = "gpt-4o-mini"
base_url = "https://你的资源名.openai.azure.com/openai/deployments/你的部署ID"
api_key = "你的Azure API密钥"
max_tokens = 8096
temperature = 0.0
api_version="2024-08-01-preview"

Ollama本地模型配置

[llm]
api_type = "ollama"
model = "llama3.2"  # 例如: "llama3.2", "qwen2.5", "deepseek-coder"
base_url = "http://localhost:11434/v1"  # 你的Ollama服务地址
api_key = "ollama"  # 可以是任意值，Ollama会忽略但OpenAI SDK需要
max_tokens = 4096
temperature = 0.0

3.3 视觉模型配置

如果你需要使用图像分析功能，可以配置视觉模型：

[llm.vision]
model = "claude-3-7-sonnet-20250219"  # 视觉模型名称
base_url = "https://api.anthropic.com/v1/"  # 视觉模型API端点
api_key = "YOUR_API_KEY"  # 视觉模型API密钥
max_tokens = 8192  # 响应的最大token数量
temperature = 0.0  # 控制随机性

四、搜索引擎配置

FinGenius支持多种搜索引擎，配置位于[search]部分：

[search]
# 搜索引擎类型，默认是"Google"，可设置为"Baidu"、"DuckDuckGo"或"Bing"
# 对于国内用户，建议使用以下优先级：
# Baidu（百度）- 国内访问最稳定
# Bing（必应）- 国际化且国内可用
# Google - 作为备选（需要良好的国际网络）
# DuckDuckGo - 作为备选（需要良好的国际网络）
engine = "Bing"

小贴士：根据你的网络环境和需求选择合适的搜索引擎，可以获得更准确的市场数据和新闻信息。

五、MCP服务器配置

MCP（多智能体协作协议）服务器配置位于config/mcp.example.json文件中：

{
    "mcpServers": {
      "server1": {
        "type": "sse",
        "url": "http://localhost:8000/sse"
      }
    }
}

这个配置定义了FinGenius与MCP服务器的连接方式。你可以根据实际部署情况添加或修改服务器配置。

六、配置文件使用方法

1. 复制示例配置文件：将config/config.example.toml复制为config/config.toml，将config/mcp.example.json复制为config/mcp.json

2. 编辑配置文件：使用文本编辑器打开复制后的配置文件，替换YOUR_API_KEY等占位符为你的实际信息

3. 保存配置：保存修改后的配置文件，FinGenius将在启动时自动加载这些配置

七、高级配置与优化

7.1 调整温度参数

temperature参数控制模型输出的随机性：

• 较低的值（如0.0-0.3）：输出更确定、更集中和一致
• 较高的值（如0.7-1.0）：输出更多样化、更具创造性

对于金融分析任务，建议使用较低的温度值以确保结果的稳定性和可靠性。

7.2 优化token设置

max_tokens参数控制模型响应的最大长度：

• 较大的值：可以处理更复杂的任务和更长的上下文
• 较小的值：响应速度更快，API成本更低

根据你的具体分析需求和API预算调整此参数。

八、常见配置问题解决

API连接失败

• 检查API密钥是否正确
• 验证base_url是否正确
• 确认网络连接是否正常，特别是使用国际API时
• 检查防火墙设置是否阻止了API请求

模型响应质量不佳

• 尝试使用更强大的模型
• 调整temperature参数
• 检查输入提示是否清晰明确
• 增加max_tokens值，确保模型有足够空间生成完整响应

九、配置文件的安全注意事项

• 不要将包含API密钥的配置文件提交到版本控制系统
• 定期轮换API密钥以增强安全性
• 对于生产环境，考虑使用环境变量或密钥管理服务存储敏感信息

通过以上步骤，你已经完成了FinGenius的基本配置。正确的配置将确保系统发挥最佳性能，为你的金融分析提供强大支持。如有任何配置问题，可以查阅项目文档或寻求社区支持。

【免费下载链接】FinGenius 项目地址: https://gitcode.com/gh_mirrors/fi/FinGenius