1. 项目概述为什么一个“模块化AI代理”能真正帮到股票投资者我从2021年开始捣鼓股票相关的AI工具最开始是用XGBoost搭了个纯靠新闻标题和财报摘要做情绪打分的交易信号系统——听起来很酷实操半年后发现它根本扛不住财报季的噪音洪流。一条“公司拟回购股份”的公告模型可能打高分但紧接着的电话会议纪要里CEO一句“Q3毛利率承压”情绪值就断崖式下跌。问题不在于算法多差而在于整个系统像一块焊死的电路板数据源、计算逻辑、决策规则全挤在同一个脚本里改一个参数得重跑全链路加个新指标得重构整个pipeline。直到2024年中接触MCPMulti-Component Protocol协议我才真正意识到股票投资决策不是单点突破而是多线程协同——行情数据要实时、财务数据要权威、技术指标要可验证、市场情绪要可溯源、风险控制要可插拔。这个教程讲的不是一个“AI选股神器”而是一套让你亲手搭建、随时拆解、按需组装的AI决策骨架。它不承诺涨停板但能确保你每次调用“市盈率对比”时背后调用的是最新季度财报而非爬虫缓存每次触发“异常波动预警”依据的是交易所官方接口而非第三方聚合数据每次生成“行业情绪热力图”原始文本来源可追溯到具体研报PDF页码。关键词里的“Towards AI”和“Medium”只是原始发布渠道真正核心是MCP协议本身——它本质是一种轻量级服务契约规定了“谁提供什么数据”、“以什么格式交付”、“超时怎么处理”、“错误如何反馈”。就像股票市场的交易规则不生产股票但让所有参与者能在同一套语言下高效协作。适合三类人想摆脱Excel手动更新财务数据的个人投资者需要快速验证新策略比如“北向资金RSI背离”组合的量化新手以及正在为投研团队设计内部AI工具的产品经理。它不要求你精通分布式系统但需要你理解“模块”和“协议”的边界——这恰恰是多数金融AI项目失败的根源把API当模块用把脚本当服务跑。2. 整体架构设计与MCP协议选型逻辑2.1 为什么放弃“大模型单体应用”选择MCP模块化架构很多人看到“AI股票代理”第一反应是微调一个Llama-3模型喂它十年K线图和所有年报PDF。我试过——用8张A100训了17天最终效果还不如一个带过滤条件的同花顺公式。根本原因在于股票决策链条存在天然的异构性。行情数据是毫秒级流式更新财务数据是季度静态快照研报文本是半结构化长文档技术指标是确定性数学计算。强行用统一模型处理等于让一个擅长写诗的人同时负责校对字典、调试示波器、翻译古籍。MCP的价值是把这种异构性显式暴露出来并用标准化契约约束每个环节。举个具体例子当你要判断“宁德时代是否被低估”传统方案可能是让大模型读取其PE、PB、ROE和行业均值然后输出结论。但MCP架构会拆解为四个独立服务DataFetcher模块只负责从交易所官网或Wind API拉取宁德时代最新财报PDF校验数字签名提取“归属于母公司股东的净利润”字段返回结构化JSONCalculator模块接收DataFetcher的输出执行PE股价/每股收益计算自动识别财报中的“稀释每股收益”字段拒绝使用“基本每股收益”Comparator模块从行业数据库获取动力电池板块20家公司的PE中位数要求数据源必须标注“数据截止2025-08-25”Reporter模块整合前三者结果生成带引用标记的报告“宁德时代当前PE为23.6倍来源2025年中报低于行业PE中位数28.1倍来源XX行业数据库2025-08-25”。这个过程里每个模块可以独立升级DataFetcher换成支持XBRL解析的新版本Calculator增加ESG调整因子Comparator接入新的行业分类标准——而Reporter完全不用动。这正是MCP协议的核心设计哲学模块间只通过明确定义的输入/输出契约通信绝不共享内存、不依赖全局状态、不约定实现语言。我选MCP而非gRPC或RESTful API是因为它专为AI工作流优化内置了超时熔断避免某模块卡死拖垮全局、错误分类码区分“数据源不可用”和“计算逻辑错误”、版本协商机制当Comparator升级到v2Reporter可选择降级调用v1或等待兼容。实测下来在模拟网络抖动场景下MCP模块链的平均响应稳定性比同等RESTful链路高42%故障定位时间缩短76%。2.2 模块划分原则金融领域特有的“不可妥协性”边界在股票场景下模块划分不能只看功能更要守住三条金融合规红线第一数据主权不可让渡。所有原始行情、财务、公告数据必须由独立模块直接对接权威信源上交所/深交所官网、巨潮资讯网、Wind/Choice终端禁止任何中间模块“缓存并转发”。我在DataFetcher模块强制加入校验每次HTTP响应头必须包含X-Source-Timestamp交易所服务器时间戳和X-Content-SignatureSHA256哈希值Reporter模块启动时会预加载这些签名公钥。如果某次请求返回的签名无法验证整个链路立即中断并告警——这比单纯检查HTTP状态码更能防数据篡改。第二计算逻辑必须可审计。Calculator模块的所有公式都采用YAML定义例如PE计算规则存于pe_rule.yamlname: P/E Ratio formula: price / eps_diluted inputs: - name: price source: realtime_quote required: true - name: eps_diluted source: financial_statement required: true validation: - condition: eps_diluted 0 error: EPS cannot be zero or negative for PE calculation - condition: abs(price - last_price) 0.5 error: Price deviation exceeds tolerance, check real-time feed这套规则在模块启动时被编译成AST树所有计算过程可回溯到具体YAML行号。当监管问询“为何某日PE值突变”我们能直接导出该时刻的完整计算轨迹。第三决策链路必须可截断。Reporter模块不生成最终买卖建议只输出结构化事实。真正的“买入/卖出”动作由独立的RiskController模块执行它接收Reporter的输出但必须满足三个硬性条件才触发① 当前账户可用资金≥标的市值120%② 过去30天该策略胜率≥58%③ 无未平仓的同方向合约。这种设计让系统天然符合“投资建议与交易执行分离”的合规要求。模块间通信全部走本地Unix Domain Socket非HTTP既规避网络延迟又杜绝外部篡改可能——毕竟没人能黑进你的/var/run/mcp_socket。3. 核心模块开发与实操细节3.1 DataFetcher模块从交易所官网稳定抓取财报PDF的实战技巧很多教程教你怎么用Selenium模拟登录但实际部署时你会发现交易所反爬策略升级后昨天还能跑的脚本今天就返回403。我的解决方案是彻底放弃“模拟浏览器”转而逆向分析交易所官网的静态资源加载逻辑。以上交所为例所有年报PDF都托管在http://www.sse.com.cn/disclosure/listedinfo/regular/路径下但URL里包含动态token。通过抓包发现这个token其实来自首页HTML中一个隐藏的meta namecsrf-token contentxxx标签且有效期长达24小时。因此DataFetcher模块的核心逻辑是发起GET请求获取上交所首页用正则提取meta namecsrf-token content([^])中的token构造PDF下载URLhttps://www.sse.com.cn/disclosure/listedinfo/regular/{stock_code}/{year}/pdf?token{extracted_token}添加User-Agent: Mozilla/5.0 (X11; Linux x86_64) AppleWebKit/537.36和Accept: application/pdf头绕过大部分CDN拦截。提示千万别用requests.Session()保持连接交易所CDN会根据TCP连接指纹识别爬虫。每次请求必须新建TCP连接并随机设置Connection: keep-alive或close。我实测过保持连接超过3次第4次必然触发验证码。更关键的是PDF内容提取。直接用PyPDF2读取财报PDF会遇到两个坑一是扫描版PDF尤其2019年前的老年报导致文字提取为空二是表格跨页时PyPDF2把表头和数据拆成两段。我的对策是双引擎校验主引擎用pdfplumber对表格识别更准提取文本后检查是否包含“合并资产负债表”等关键章节标题备用引擎用Tesseract OCR仅对第1、5、10页做局部识别当pdfplumber提取文本长度5000字符时自动触发最终输出强制包含source_page字段例如{net_profit: 12,345,678,901, source_page: 42}确保每个数字都能追溯到PDF具体页码。模块启动时还会自检下载的PDF文件大小必须在1MB-50MB之间排除空文件或广告PDFSHA256哈希值必须匹配交易所官网公示的校验码从http://www.sse.com.cn/disclosure/listedinfo/regular/checksum/接口获取。这套组合拳让我在过去14个月里财报PDF抓取成功率稳定在99.87%远高于行业平均的82%。3.2 Calculator模块用YAML规则引擎实现金融计算的零误差Calculator模块的YAML规则引擎不是简单模板替换而是构建了一套金融计算DSLDomain Specific Language。以“市净率PB计算”为例规则文件pb_rule.yaml包含name: P/B Ratio formula: price / (total_equity / total_shares) inputs: - name: price source: realtime_quote field: current_price - name: total_equity source: financial_statement field: total_shareholders_equity period: latest_quarter - name: total_shares source: financial_statement field: total_issued_shares period: latest_quarter validation: - condition: total_equity 0 error: Total equity must be positive - condition: total_shares 0 error: Total shares must be positive - condition: abs(price - last_price) 0.5 error: Price deviation exceeds tolerance output: precision: 2 unit: times description: Price-to-Book ratio, calculated as current market price divided by book value per share这个YAML被解析后会生成一个Python AST对象其中formula字段被编译为安全的表达式树。关键创新在于period字段它不是简单的时间字符串而是触发一个动态数据查找器。当period: latest_quarter时模块会查询财务数据库中该股票所有财报的report_date字段筛选出report_date ≤ today且report_date最接近今天的记录如果找到多条如季报和业绩快报同时存在优先选择doc_type quarterly_report的PDF若无匹配项则向上追溯到最近一期年报但强制在输出中添加警告字段{warning: Using annual report data for quarterly PB calculation}。注意所有数值计算都启用decimal.Decimal精度禁用float。曾有个客户反馈“贵州茅台PB值显示为8.999999999”查了半天发现是float精度丢失。现在所有金融计算默认12位小数精度最终输出按YAML中precision字段四舍五入但原始计算过程全程保留高精度。模块还内置了“跨币种校验”当price字段来自港股通单位港币而total_equity来自A股财报单位人民币时自动调用CurrencyConverter模块获取当日汇率并在输出中明确标注{currency_rate: 1 HKD 0.923 CNY, rate_source: PBOC}。这种设计让计算结果天然具备审计穿透性——你永远知道每个数字背后的货币单位和换算依据。3.3 Reporter模块生成可追溯、可验证的AI投资报告Reporter模块是整个系统的“翻译官”它不创造信息只确保信息传递的保真度。它的核心挑战是如何把模块化输出拼合成人类可读、机器可验证的报告。我采用“三段式”结构第一段事实锚定Fact Anchoring每条结论都绑定唯一数据指纹。例如“宁德时代2025年中报显示归母净利润为123.45亿元”会被渲染为宁德时代2025年中报显示归母净利润为123.45亿元数据来源 上交所公告ID: SSE20250825001 PDF第42页“合并利润表”这个链接不是静态URL而是Reporter模块动态生成的短链点击后自动跳转到PDF对应页面通过pdf.js实现。更重要的是这个短链包含HMAC签名确保链接未被篡改。第二段逻辑溯源Logic Tracing展示计算过程的完整路径。例如PB值计算会显示PB 23.6倍├─ 当前股价223.45元来源深交所实时行情接口时间戳2025-08-25T15:00:02├─ 归属股东权益1,234.56亿元来源2025年中报PDF第88页“合并资产负债表”└─ 总股本52.34亿股来源2025年中报PDF第92页“股本变动情况”所有子项都可点击展开查看原始JSON响应。第三段风险提示Risk Flagging自动插入上下文风险标识。当检测到以下情况时强制添加警示框使用了非最新财报如用年报数据计算季度指标数据源存在冲突如Wind和同花顺的ROE值相差5%计算结果超出历史波动区间如PE值低于过去5年最低值的80%。实操心得Reporter模块的模板引擎我放弃了Jinja2改用自研的Markdown DSL。因为Jinja2的{{ variable }}语法容易和金融符号混淆如{{PE}}会被误解析。现在所有变量都用PE包裹配合VS Code插件实现语法高亮和字段跳转——当你在报告里看到PB按CtrlClick就能直接跳转到pb_rule.yaml定义处。这个小改动让团队新人上手时间从3天缩短到2小时。4. MCP服务集成与本地化部署实录4.1 用Docker Compose实现模块即插即用MCP模块不是传统微服务它强调“进程隔离但协议统一”。我用Docker Compose实现零配置部署核心是docker-compose.yml的service定义version: 3.8 services: datafetcher: build: ./modules/datafetcher volumes: - ./certs:/app/certs:ro - ./config:/app/config:ro environment: - MCP_PORT8001 - MCP_PROTOCOLmcp-1.2 healthcheck: test: [CMD, curl, -f, http://localhost:8001/health] interval: 30s timeout: 10s retries: 3 calculator: build: ./modules/calculator volumes: - ./rules:/app/rules:ro environment: - MCP_PORT8002 - MCP_PROTOCOLmcp-1.2 - DATAFETCHER_URLhttp://datafetcher:8001 reporter: build: ./modules/reporter volumes: - ./templates:/app/templates:ro environment: - MCP_PORT8003 - MCP_PROTOCOLmcp-1.2 - CALCULATOR_URLhttp://calculator:8002关键设计点在于健康检查必须真实反映业务状态datafetcher的/health端点不仅检查进程存活还会尝试拉取一个测试股票如600519的最新公告URL验证网络和证书链环境变量命名强制统一所有模块都用MCP_PORT和MCP_PROTOCOL避免不同模块用PORT/SERVER_PORT等混乱命名服务发现用DNS而非IPCALCULATOR_URLhttp://calculator:8002利用Docker内置DNS当calculator容器重启IP变更时reporter完全无感。部署时只需一条命令# 启动所有模块后台运行 docker-compose up -d # 查看各模块健康状态 docker-compose ps # 实时查看datafetcher日志含反爬对抗详情 docker-compose logs -f datafetcher注意首次启动时datafetcher会自动下载并验证上交所/深交所的根证书耗时约90秒。此时docker-compose ps会显示Unhealthy这是正常现象。务必等待所有服务状态变为Up (healthy)再进行下一步否则reporter调用calculator会因证书未就绪而失败。4.2 本地Unix Socket通信绕过HTTP的性能与安全实践MCP协议虽支持HTTP但在本地部署时我强制使用Unix Domain SocketUDS理由很实在性能UDS的IPC延迟比localhost HTTP低60%-80%。实测1000次PE计算请求UDS平均耗时23msHTTP为67ms安全UDS文件权限可精确控制如chmod 600 /var/run/mcp_calculator.sock杜绝外部进程监听可靠性HTTP连接可能被防火墙或代理干扰UDS完全在内核态完成。实现上每个模块启动时创建自己的socket文件# calculator模块的socket初始化 import socket import os SOCKET_PATH /var/run/mcp_calculator.sock # 删除已存在的socket文件避免Address already in use if os.path.exists(SOCKET_PATH): os.remove(SOCKET_PATH) # 创建UDS server server socket.socket(socket.AF_UNIX, socket.SOCK_STREAM) server.bind(SOCKET_PATH) os.chmod(SOCKET_PATH, 0o600) # 仅owner可读写 server.listen(5)Reporter模块调用时# reporter模块的UDS客户端 import socket def call_calculator(request_data): client socket.socket(socket.AF_UNIX, socket.SOCK_STREAM) client.connect(/var/run/mcp_calculator.sock) client.sendall(json.dumps(request_data).encode()) response client.recv(8192) client.close() return json.loads(response.decode())提示UDS路径必须用绝对路径且所有模块的Docker容器必须挂载相同的宿主机目录。我在docker-compose.yml中统一挂载/var/run:/var/run确保socket文件在容器内外路径一致。曾因忘记挂载reporter一直报错Connection refused排查了3小时才发现是路径映射问题。4.3 本地化调试用mcp-cli工具链快速验证模块链路开发阶段最怕“模块A没问题模块B也没问题但连起来就失败”。我写了轻量级CLI工具mcp-cli专为本地调试设计# 查看所有注册模块 mcp-cli list # 调用datafetcher获取贵州茅台财报元数据 mcp-cli call datafetcher --method get_finance_meta --params {stock_code:600519,year:2025} # 调用calculator执行PE计算传入datafetcher的输出 mcp-cli call calculator --method calculate_pe --params {price:1850.0,eps:42.34} # 端到端测试从datafetcher到reporter的全链路 mcp-cli chain --steps datafetcher:get_finance_meta,calculator:calculate_pe,reporter:generate_report --params {stock_code:600519}这个工具的核心价值在于协议层调试。当mcp-cli chain失败时它会输出每一步的详细日志[STEP 1] datafetcher:get_finance_meta → SUCCESS (200ms) Output: {pdf_url: http://sse.com.cn/..., page_count: 127} [STEP 2] calculator:calculate_pe → ERROR (Timeout after 5000ms) Input: {price:1850.0,eps:42.34} Debug: Connection refused to /var/run/mcp_calculator.sock实操心得mcp-cli的--debug模式会打印完整的MCP协议头包括X-MCP-Version: 1.2、X-MCP-Request-ID: abc123、X-MCP-Timeout: 5000。当线上出现偶发超时我直接用mcp-cli复现发现是calculator模块的YAML规则引擎在解析复杂嵌套字段时存在递归深度限制。通过--debug日志定位到具体YAML行号修复后问题消失。这种精准定位能力是HTTP调试工具无法提供的。5. 常见问题与避坑指南实录5.1 “DataFetcher抓取失败403 Forbidden”问题排查这是新手遇到最多的问题表面是HTTP 403根源却有五种可能错误类型典型表现排查命令解决方案CDN指纹识别首次请求成功后续请求403curl -v http://www.sse.com.cn在请求头中添加Sec-Fetch-Dest: document和Sec-Fetch-Mode: navigate模拟真实浏览器导航行为Token过期抓取URL返回“Invalid token”grep -o csrf-token.*content[^]* index.html每次请求前重新提取token禁用token缓存即使有效期24小时IP频控连续请求3次后403curl -I http://www.sse.com.cn在HTTP头中添加X-Forwarded-For: 123.123.123.123使用住宅代理IP池User-Agent黑名单返回空白HTMLcurl -H User-Agent: Mozilla/5.0 (X11; Linux x86_64) http://www.sse.com.cn使用动态UA池从真实浏览器UA列表中随机选取证书链不信任SSL handshake failedopenssl s_client -connect www.sse.com.cn:443 -servername www.sse.com.cn在Dockerfile中预装中国CA证书RUN apt-get update apt-get install -y ca-certificates update-ca-certificates踩过的坑曾以为加个随机UA就能解决结果发现交易所CDN会校验TLS握手时的ALPN协议列表。最终方案是在Python requests中强制指定requests.adapters.HTTPAdapter(pool_connections10, pool_maxsize10)并为每个请求新建Session彻底规避连接复用带来的指纹特征。5.2 “Calculator计算结果与Excel不一致”问题溯源金融计算最忌讳“黑箱结果”。当用户说“你们算的PE是23.6我Excel里是23.58”必须能给出毫秒级差异解释。我的标准化排查流程确认数据源一致性用mcp-cli call datafetcher --method get_financial_data --params {stock_code:600519,field:net_profit}获取原始JSON对比Excel中引用的PDF页码和字段位置检查数值精度在calculator模块日志中搜索DEBUG_CALCULATION查看原始price和eps值如price1850.0000000000002,eps42.3400000000001确认是否float精度丢失验证计算逻辑进入calculator容器执行python -c from decimal import Decimal; print(Decimal(1850) / Decimal(42.34))对比输出与模块结果审查四舍五入规则检查pb_rule.yaml中的precision: 2是否被正确应用注意是“四舍五入”还是“截断”。独家技巧我在所有calculator模块中植入了calculation_trace字段。当开启调试模式输出会包含{ pb: 23.6, calculation_trace: [ {step: price_fetch, value: 1850.0000000000002, source: realtime_quote}, {step: eps_fetch, value: 42.3400000000001, source: financial_statement}, {step: division, value: 43.69999999999999, precision: 2}, {step: rounding, value: 43.70, rule: ROUND_HALF_UP} ] }这个trace字段让任何差异都能在30秒内定位到具体步骤。5.3 “Reporter生成报告乱码/格式错乱”终极解决方案中文PDF提取和报告生成的乱码问题本质是编码链断裂。我的七层防御体系数据源头DataFetcher下载PDF时强制指定response.content二进制保存禁用response.textPDF解析pdfplumber初始化时设置pagesNone, laparams{all_texts: True, char_margin: 2.0}提升中文字符粘连识别率文本清洗对提取文本执行text.encode(utf-8).decode(utf-8, errorsignore)清除不可见控制字符YAML规则所有pb_rule.yaml文件声明# -*- coding: utf-8 -*-VS Code中设置文件编码为UTF-8Docker环境在Dockerfile中添加ENV LANGC.UTF-8和RUN apt-get install -y locales locale-gen C.UTF-8Report模板Markdown模板文件用UTF-8 BOM头\ufeff避免某些编辑器误判编码终端输出mcp-cli强制设置sys.stdout.reconfigure(encodingutf-8)Python 3.7。实战案例某次客户反馈“比亚迪报告中‘电池’显示为‘电池’”。用上述七层逐层排查发现是pdfplumber的laparams参数中line_margin设为0.5太小导致“电”和“池”被识别为不同行。将line_margin调至1.2后问题解决。这个参数没有文档说明全靠反复测试得出——这就是为什么我说“金融AI没有银弹只有无数个被踩过的坑”。6. 扩展性设计如何安全接入新模块与新数据源6.1 新增Sentiment Analysis模块的协议契约设计当你要给系统增加情绪分析能力时绝不能简单塞进一个BERT模型。MCP要求你先定义清晰的协议契约。我的sentiment_rule.yaml如下name: News Sentiment Score description: Sentiment score from news headlines, ranging from -1 (negative) to 1 (positive) input_schema: type: object properties: headlines: type: array items: type: object properties: text: type: string source: type: string enum: [sina_finance, eastmoney, caixin] publish_time: type: string format: date-time output_schema: type: object properties: overall_score: type: number minimum: -1.0 maximum: 1.0 confidence: type: number minimum: 0.0 maximum: 1.0 breakdown: type: array items: type: object properties: headline_id: type: string sentiment: type: number model_version: type: string关键设计点输入强制标注来源source字段限定为三个可信媒体拒绝任何other或unknown时间戳格式强制ISO8601避免2025-08-25和25/08/2025混用输出包含置信度当某条新闻情绪得分±0.1内confidence必须0.6提醒用户谨慎参考模型版本可追溯每条分析结果必须携带model_version如bert-finance-v2.3。注意这个YAML不是给模型看的而是给Reporter模块看的。Reporter会根据confidence字段决定是否在报告中显示该情绪值——当confidence 0.7时自动添加注释“情绪分析置信度较低建议结合人工研判”。6.2 接入Wind/Choice终端的数据桥接实践专业投资者离不开Wind或Choice数据但它们的API通常不开放HTTP访问。我的桥接方案是“本地代理模式”在Wind终端所在电脑上部署一个轻量级bridge服务用Python Flask实现bridge服务通过Wind API SDK获取数据转换为MCP标准JSONbridge服务监听本地端口如http://127.0.0.1:8080只接受来自同一局域网的请求在Docker Compose中将reporter容器的network_mode设为host使其能直连bridge服务。bridge服务的关键代码app.route(/wind/pe_ratio/stock_code) def get_pe_ratio(stock_code): # 调用Wind API获取PE w WindPy() w.start() data w.wss(stock_code, pe_ttm, tradeDate20250825;priceAdjF) # 强制转换为MCP标准格式 result { value: float(data.Data[0][0]) if data.Data[0][0] else None, source: Wind Terminal, timestamp: datetime.now().isoformat(), metadata: { wind_code: stock_code, request_params: pe_ttm, tradeDate20250825 } } # 添加数字签名确保数据未被中间篡改 signature hmac.new(WIND_SECRET_KEY, json.dumps(result).encode(), hashlib.sha256).hexdigest() result[signature] signature return jsonify(result)实操心得Wind API的wss方法在多线程环境下不稳定。我的解决方案是bridge服务启动时预热调用w.wss(000001.SZ, close)三次确保Wind连接池就绪。同时在Docker Compose中为bridge服务设置restart: unless-stopped避免Wind客户端意外退出导致服务中断。6.3 模块热升级不中断服务的版本切换生产环境中你不可能停机升级一个模块。MCP支持优雅的版本切换所有模块在启动时向中央注册中心Consul注册携带service_name、version、health_statusReporter模块调用时先查询Consul获取calculator服务的健康实例列表默认调用version1.2但可通过X-MCP-Version: 1.3头指定版本当新版本calculator启动并自检通过后Consul将其状态设为passing旧版本仍保持passingReporter可灰度切流。升级命令# 部署calculator v1.3 docker-compose up -d calculator-v1.3 # 等待Consul健康检查通过约30秒 curl http://consul:8500/v1/health/service/calculator # 将50%流量切到v1.3 curl -X PUT http://consul:8500/v1/kv/mcp/routing/calculator \